Pesquisadores usam IA para projetar vírus inéditos: avanços e riscos à segurança biológica

Por Riccardo Neri — Um estudo norte-americano, relatado pelo New York Times e publicado na revista Science, documenta pela primeira vez que pesquisadores treinaram um modelo de inteligência artificial para gerar sequências de DNA que deram origem a vírus nunca observados na natureza. O trabalho, conduzido no Arc Institute em Palo Alto, coloca em evidência tanto o potencial científico quanto os dilemas de segurança biológica associados às camadas de inteligência que hoje habitam o ecossistema de pesquisa.

Construir vírus em laboratório não é novidade: décadas de biologia molecular já permitem sintetizar genomas para testar vacinas, fármacos e compreender mecanismos patogênicos. O elemento inovador do novo estudo é o uso de um modelo chamado Evo, uma arquitetura de IA análoga, em princípios, a sistemas de linguagem como o ChatGPT, mas treinada não em textos, e sim em sequências genéticas. Em vez de aprender a gramática de uma língua, Evo aprendeu padrões e “regras” do código biológico a partir de um corpus de cerca de 9 trilhões de nucleotídeos provenientes de milhões de espécies — animais, plantas, micróbios e vírus.

Os pesquisadores pediram ao modelo que gerasse novas “receitas” genômicas. Essas sequências foram sintetizadas como moléculas de DNA e introduzidas em bactérias. As bactérias, por sua vez, produziram partículas virais nunca encontradas na natureza, capazes de infectar outros bactérias. Do ponto de vista de risco imediato à saúde humana, os autores enfatizam que os vírus gerados são semelhantes ao Phi X-174, um bacteriófago que infecta apenas bactérias, não humanos. Ainda assim, a demonstração abre questão sobre o potencial de aplicações indevidas — a chamada preocupação com uso dual, que abrange desde experimentos legítimos até a possibilidade de desenvolvimento de agentes danosos.

Os cientistas envolvidos adotaram medidas de contenção: fecharam o acesso a dados que poderiam permitir ao modelo gerar vírus de animais, plantas, fungos ou humanos. Contudo, a arquitetura de IA e a disponibilidade crescente de ferramentas de síntese genética reduzem a distância entre um experimento de bancada e um risco operacional. Em termos sistêmicos, é como se criássemos um novo elo no sistema nervoso das cidades científicas: mais conectividade e rendimento, mas também maior necessidade de segmentação, autenticação e circuit breakers para evitar falhas em cascata.

Da perspectiva de políticas públicas e governança, o caso reforça a urgência de estabelecer padrões similares aos que regem infraestruturas críticas: autenticação robusta de pedidos de síntese, auditorias de código e sequências, protocolos de transparência e um registro europeu de modelos e bases de treino. Para países como Itália e blocos como a União Europeia, a lição é clara: as mesmas camadas de infraestrutura digital que aceleram a inovação exigem agora controles equivalentes para preservar a segurança coletiva.

Em vez do alarmismo, o desafio prático é técnico e regulatório. Precisamos traduzir o que a IA aprende sobre DNA em normas operacionais — firewalls, segmentação de rede científica, e limites éticos — que reduzam vetores de abuso sem travar pesquisas legítimas. A experiência do Arc Institute mostra que a ciência avança rapidamente; cabe às instituições, reguladores e aos próprios laboratórios desenhar os alicerces digitais e normativos que mantenham esse avanço alinhado ao interesse público.

Em suma: a capacidade de a inteligência artificial projetar sequências biológicas inéditas é uma demonstração poderosa de como o fluxo de dados está se integrando à biotecnologia. O próximo passo não é banir tecnologia, mas reforçar a arquitetura de segurança que a envolve — uma infraestrutura tanto digital quanto normativa, necessária para garantir que inovação e proteção andem juntas.