Ученые изменили каждую «букву» генома вируса — и проверили, где ошибается AI

Самый маленький «краш-тест» для большого обещания AI в биологии

Бактериофаг ΦX174 — почти идеальный испытательный полигон. Его геном содержит всего 5 386 нуклеотидов и кодирует 11 белков. Это первый геном, который полностью секвенировали, а позже один из первых, который полностью синтезировали химически. Казалось бы, если современные модели хорошо «понимают» биологические последовательности, именно здесь они должны выглядеть убедительно.

Команда Huijin Wei, Xianghua Li и Ben Lehner сделала радикально простую вещь: построила практически полную карту последствий изменения каждой буквы генома и каждой аминокислоты протеома. Всего исследователи измерили эффекты 44 195 вариантов — более 99% запланированного набора.

Половина однонуклеотидных изменений ухудшает жизнеспособность

Из 16 098 однонуклеотидных вариантов 8 229, или 51,2%, снижали fitness вируса. 5 065 из них уменьшали fitness более чем наполовину и в работе классифицировались как lethal variants. В целом 68,5% позиций генома оказались чувствительны хотя бы к одной замене.

На уровне белков картина еще жестче: 70% протестированных missense-изменений были вредными, а 44,6% — летальными по критериям эксперимента. Полезные мутации при этом встречались редко.

Самое интересное открытие — белки ломаются не только «изнутри»

Почти половина вредных аминокислотных изменений приходилась на интерфейсы взаимодействия белков. Примерно четверть повреждала внутренние core-структуры белков, а еще около четверти вредных эффектов авторы не смогли механистически объяснить даже для настолько классического модельного вируса.

Это важный урок для computational biology: функция живой системы определяется не только тем, правильно ли «сложен» отдельный белок, но и сетью его контактов с другими молекулами.

Современные AI-предикторы оказались лишь умеренно точными

Исследователи прогнали широкий набор современных variant-effect predictors: protein language models, эволюционные модели, sequence-structure подходы и предикторы стабильности. Результат получился отрезвляющим: большинство сложных моделей не превзошло простой структурный baseline, использующий доступность аминокислот в контексте белкового комплекса. Только отдельные методы показали стабильно более высокую корреляцию.

Это не означает, что AI «не работает в биологии». Напротив, модели помогают формировать механистические гипотезы и полезны вместе со structural modelling. Но работа показывает разницу между красивым benchmark score и реальной способностью предсказывать фенотип каждой мутации в живой системе.

Важное уточнение: это preprint

Полное исследование опубликовано на bioRxiv и по состоянию на 2 сентября еще не прошло журнальное peer review. Nature вынесла результаты в отдельную новость, но цифры стоит читать именно как данные preprint, которые могут уточняться после рецензирования.

Парадокс ΦX174: AI уже научился генерировать жизнеспособные геномы этого класса

У этой истории есть очень точный контраст. В августе 2026 года в Science вышла отдельная работа, где genome language models Evo 1 и Evo 2 использовали ΦX174 как design template. После генерации, фильтрации и wet-lab проверки исследователи получили 16 жизнеспособных bacteriophages с разными fitness-профилями; коктейль сгенерированных фагов смог преодолевать резистентность трёх штаммов E. coli к ΦX174.

Это не противоречит новому mutagenesis-исследованию. Наоборот, вместе они показывают важную разницу между генерацией и пониманием причинности. Модель может перебирать большой design space, использовать fine-tuning, constraints, predictive filters и лабораторный отбор, затем находить рабочие геномы — и одновременно другая система может плохо отвечать на более простой на вид вопрос: «что произойдёт, если изменить вот эту одну аминокислоту?»

То есть современный AI в биологии уже может быть сильным search engine по пространству возможных конструкций, не имея полной mechanistic model того, почему конкретная конструкция работает.

Насколько именно AI проиграл простому structural baseline

В preprint авторы проверили большой набор современных variant-effect predictors: protein language models, evolutionary/MSA methods, sequence-structure hybrids, stability predictors и другие системы. Простой показатель relative solvent accessibility, рассчитанный не на отдельном белке, а на protein complex, дал median Spearman correlation ρ=0,41.

Среди проверенных VEP только два метода превзошли этот baseline: ESCOTT — median ρ=0,50 и GEMME — ρ=0,42. ProteoCast фактически сравнялся с baseline на 0,41. Авторы прямо называют результат «striking»: почти все state-of-the-art computational methods проиграли простой структурной характеристике, хорошо отражающей protein-interaction interfaces.

Это тем интереснее, что сам wet-lab dataset хорошо воспроизводился между биологическими репликами: авторы сообщают Pearson correlations примерно 0,988–0,992. Иными словами, слабая корреляция predictor-ов — не просто следствие хаотичного experimental noise.

И ещё одна важная деталь: «lethal» в работе — это операционный порог

В detailed analysis авторы называют lethal variants те замены, которые снижали measured fitness более чем на 50%. Это полезное внутреннее определение для карты, но его не стоит читать буквально как «этот вирус гарантированно вообще не способен реплицироваться». Для новостного текста точнее говорить о сильном падении fitness и отдельно объяснять, какой threshold использовала команда.

Вердикт RankPoint

Один из наиболее изученных маленьких геномов оказался сложнее, чем наши лучшие предикторы. Это сильный аргумент не против AI, а за большие независимые experimental datasets: без них мы рискуем оценивать модели только по тестам, которые не показывают, насколько хорошо они понимают реальную биологию.