Facciamo un gioco. Elenchiamo ciò che serve per mettere in piedi un laboratorio di ricerca. Un bancone, la strumentazione, guanti e camici, e naturalmente biologhe e biologi. Ora rifacciamo la lista aggiungendo qualcosa che in un laboratorio di solito manca, cioè qualche centinaio di biologi virtuali.
È quello che ha fatto Anthropic, l’azienda che sviluppa il modello di intelligenza artificiale Claude. Il 23 settembre ha annunciato di avere un proprio laboratorio di biologia molecolare nella Bay Area e lo stesso giorno ha pubblicato un preprint non ancora sottoposto a revisione paritaria. Il risultato descritto non è da poco. Secondo l’azienda, Claude ha individuato un sistema molecolare mai descritto prima, che ai biologi, quelli in carne e ossa, ha subito ricordato CRISPR, il sistema immunitario dei batteri da cui sono nate le forbici molecolari oggi usate per modificare il DNA.
L’amministratore delegato Dario Amodei ha rilanciato la notizia evocando un possibile nuovo strumento di editing genetico, e le azioni di alcune aziende del settore ne hanno risentito. Pochi giorni dopo, però, Mario Rodríguez Mestre, biologo dell’Università di Copenaghen, ha fatto sapere di studiare quello stesso sistema da anni e di averne parlato a lungo proprio con il suo (non più) fidato Claude alludendo a una plausibile fuga di dati.
Un paese di geni in un datacenter
L’idea non nasce oggi. Nell’ottobre 2024 Amodei ha pubblicato sul suo blog un lungo saggio, “Machines of Loving Grace“, molto ottimista su ciò che l’IA potrebbe fare. Immaginava un’intelligenza artificiale più brillante di un premio Nobel in quasi ogni disciplina, capace di lavorare da sola per settimane e di moltiplicarsi in milioni di copie. Descriveva un «paese di geni in un datacenter» che, secondo lui, sarebbe potuto arrivare già nel 2026.
La biologia, scriveva, è uno dei campi più difficili. Le colture cellulari richiedono settimane, gli esperimenti sugli animali mesi, gli studi sull’umano anni, e i dati restano spesso poco chiari e incompleti. Secondo Amodei, però, l’IA non andrebbe pensata come un semplice strumento per analizzare dati, come accade spesso, ma come un biologo virtuale, in grado di progettare esperimenti e di indicare ai ricercatori quali condurre.
La sua scommessa nasceva da un’osservazione sulla storia della disciplina. A suo avviso gran parte del progresso biologico si deve a una manciata di scoperte, più o meno una all’anno. Citava CRISPR, la microscopia avanzata, il sequenziamento del genoma, i vaccini a mRNA, le CAR-T e l’optogenetica. Scoperte di questo tipo, osservava, arrivano spesso in ritardo. Le ripetizioni di CRISPR, per esempio, erano note nei batteri dagli anni Ottanta, ma ci sono voluti venticinque anni per trasformarle in uno strumento di editing, e i vaccini a mRNA sono rimasti a lungo ai margini per mancanza di finanziamenti. Un’IA potente, concludeva, potrebbe moltiplicare questo ritmo e concentrare in cinque o dieci anni i progressi di un secolo.
Nel frattempo, il 2026 è arrivato davvero, e il laboratorio di Anthropic è un primo tentativo di mettere alla prova quella visione. Gli agenti di Claude lavorano sui dati e propongono ipotesi, mentre gli esperimenti restano nelle mani dei ricercatori.
Cosa hanno fatto i biologi virtuali
Il laboratorio di Anthropic è partito da una famiglia di enzimi, le trascrittasi inverse. Di solito l’informazione genetica passa dal DNA all’RNA, mentre questi enzimi fanno il contrario e copiano l’RNA in DNA. Sono note soprattutto per il ruolo che hanno nei retrovirus come l’HIV, ma negli ultimi anni nei batteri e nei batteriofagi se ne sono scoperte molte nuove famiglie, spesso coinvolte in sistemi di difesa ancora poco caratterizzati. Per capire a cosa serve una trascrittasi inversa sconosciuta se ne analizza il contesto genomico, perché nei genomi di batteri e fagi i geni che lavorano insieme tendono a trovarsi vicini.
È il lavoro che è stato affidato a Claude. Circa 950 agenti hanno passato 21 ore a esplorare un enorme archivio di DNA, partendo, secondo il New York Times, da cinque esempi forniti dagli scienziati e da un prompt che non è stato reso pubblico. Hanno raccolto oltre 200.000 trascrittasi inverse e hanno selezionato i venti sistemi più promettenti. In uno di questi, nella trascrittasi inversa di un jumbo fago – un virus batterico dal genoma particolarmente grande – un agente ha notato accanto al gene una breve sequenza di DNA ripetuta molte volte a intervalli regolari.
Per chi si occupa di biologia molecolare è un indizio preciso, perché è la firma di CRISPR, il sistema immunitario con cui molti batteri si difendono dai virus. Quando sopravvive a un’infezione, il batterio conserva nel proprio genoma un frammento del DNA virale, inserendolo tra una ripetizione e l’altra. Si forma così un archivio delle infezioni passate, che il batterio trascrive in piccoli RNA. Ciascuno funziona come una foto segnaletica, che guida l’enzima Cas9 a riconoscere e tagliare il DNA del virus corrispondente. Cambiando la foto, i ricercatori hanno imparato a indirizzare Cas9 su qualsiasi gene, ed è così che CRISPR è diventato lo strumento di editing genetico valso nel 2020 il Nobel per la chimica a Jennifer Doudna ed Emmanuelle Charpentier.
Il sistema individuato da Claude, battezzato ART (da array-associated reverse transcriptases), comprende la trascrittasi inversa, la fila di ripetizioni e un terzo gene che codifica una proteina di funzione sconosciuta. I primi esperimenti del laboratorio mostrano che, come l’archivio di CRISPR, anche le ripetizioni di ART vengono trascritte in tanti piccoli RNA distinti.
Le analogie però finiscono qui. Come sottolinea Nature, ci sono pochi indizi che questo sistema abbia una funzione simile a quella di CRISPR. Lo stesso articolo di Anthropic, inoltre, riconosce che la trascrittasi inversa era già stata descritta in studi precedenti, e rivendica come novità unicamente le ripetizioni e la proteina associata.
Perché tutto questo importa
Per capire perché una fila di ripetizioni in un genoma riesca a muovere i mercati bisogna guardare allo stato attuale dell’editing genomico. Cas9 funziona benissimo per piccole modifiche, ma diventa poco efficiente con tratti lunghi di DNA e lavora male nelle cellule che non si dividono, come i neuroni. Per questo molti gruppi cercano nuovi sistemi capaci di inserire o sostituire interi geni, e alcuni lo fanno già con l’aiuto dell’intelligenza artificiale. Ogni sistema nuovo che somigli anche solo vagamente a CRISPR è un potenziale strumento.
Eugene Koonin, biologo evoluzionista del National Center for Biotechnology Information statunitense, ha fatto notare a Nature che ripetizioni di questo tipo erano già state individuate con altri metodi. Secondo lui il contributo dei modelli linguistici sta nella scala, perché banche dati ormai nell’ordine dei petabyte non si possono esplorare in modo efficiente con gli strumenti tradizionali. Lo stesso 23 settembre, del resto, un altro gruppo di ricerca ha pubblicato su bioRxiv un preprint che descrive altre file di ripetizioni, diverse da quelle di ART ma anch’esse vicine a geni di trascrittasi inverse, individuate con modelli addestrati su sequenze di DNA e proteine. Il territorio, insomma, è affollato.
Il compagno di banco un po’ copione
All’entusiasmo dei primi giorni si sono presto affiancati i dubbi. Gli esperti hanno definito il risultato interessante ma preliminare, perché non dimostra alcun editing genetico né chiarisce il meccanismo. Feng Zhang, uno dei pionieri di CRISPR, interpellato dalla stessa Anthropic, lo ha giudicato degno di ulteriori indagini.
Poi è arrivata una questione di paternità.
Qualche giorno dopo la notizia, Mario Rodríguez Mestre ha raccontato al New York Times di aver trovato queste trascrittasi inverse nei jumbo fagi nel 2022, mentre cercava enzimi di questo tipo ancora sconosciuti. Per un breve periodo ha lavorato come consulente per ReNAgade Therapeutics, un’azienda che nel 2023 ha depositato un brevetto su diverse trascrittasi inverse, comprese quelle trovate da lui, e il suo nome compare tra gli inventori. In seguito, ha deciso di studiarle più a fondo all’Università di Copenaghen, dove con i colleghi le ha soprannominate jumbotron, e oggi sostiene che sono gli stessi sistemi che Anthropic ha chiamato ART. I risultati non sono ancora stati pubblicati, ma da tre anni il gruppo usa Claude per scrivere codice e preparare articoli, e nelle conversazioni con il modello Mestre ha condiviso anche la bozza della sua tesi di dottorato e un manoscritto dedicato proprio ai jumbotron.
Anthropic ha risposto di non essere a conoscenza di lavori pubblicati che descrivano il sistema ART. Ha aggiunto che Claude non è stato addestrato sulle conversazioni degli utenti e che il suo team di biologia molecolare non ha accesso a quelle conversazioni.
Alla CNN lo stesso Mestre ha precisato di non accusare l’azienda di aver preso deliberatamente il suo lavoro, cosa che non può dimostrare. Tra le spiegazioni possibili ritiene più plausibile che dietro la ricerca ci fossero molte più conoscenze pregresse e molta più direzione umana di quanto lasci intendere l’idea di una scoperta autonoma. Ilya Finkelstein, biologo dell’Università del Texas ad Austin, ha fatto notare che il primo autore del preprint di Anthropic, Peter Yoon, viene dal laboratorio di Jennifer Doudna e che quattro dei sei autori sono biologi molecolari esperti. Gli agenti, in altre parole, erano guidati da persone ai vertici del campo.
Il dubbio è se fidarsi o meno
La domanda che resta al mondo della ricerca va chiaramente oltre questo caso, ed è quanto sia prudente affidare i propri dati a un’intelligenza artificiale.
Il sospetto non è irragionevole. Come ha spiegato a Nature Marinka Zitnik, della Harvard Medical School, i dati prodotti in laboratorio sono preziosi per le aziende di IA proprio perché i modelli non li hanno mai visti, e servono a misurarne le prestazioni. Del resto, in un campo dove tutti seguono strade simili le coincidenze possono capitare e – utopicamente parlando – rendere pubblici i prompt e i registri di lavoro degli agenti sarebbe il modo più diretto per fare chiarezza.
Intanto ART resta quello che era il 23 settembre, un sistema interessante in attesa di una funzione. Per scoprire a cosa serve ci vorranno altri esperimenti, cioè proprio il lavoro lento che nessun agente può ancora fare al posto di un ricercatore.
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
