The Pulse
Microsoft traccia un flusso di lavoro di IA ispezionabile per la terapia fagica
Microsoft afferma che la sua app Discovery ha aiutato i ricercatori a progettare una pipeline bioinformatica verificabile per individuare fagi che potrebbero colpire batteri resistenti ai farmaci. Il flusso di lavoro proposto classifica i c
AI.info Team · Scritto con l’IA ·
Microsoft afferma che la sua app Discovery ha aiutato un gruppo di ricerca a trasformare una domanda sulla terapia fagica in una pipeline bioinformatica proposta e ispezionabile, ma la dimostrazione non ha stabilito che alcun fago sia in grado di curare un’infezione. L’azienda ha pubblicato il resoconto il 30 settembre 2026, descrivendo un flusso di lavoro pensato per aiutare gli scienziati a individuare e selezionare in ordine di priorità virus che potrebbero attaccare batteri resistenti ai farmaci.
La distinzione è importante: il gruppo ha usato l’app per organizzare le attività di ricerca, realizzare un prototipo ed esaminarne gli output. La pipeline proposta indica candidati da sottoporre a test di laboratorio; non costituisce un risultato clinico né una prova dell’efficacia di un trattamento.
Dal genoma di un patogeno ai fagi candidati
Il flusso di lavoro parte dal genoma di un batterio bersaglio. Verifica la presenza di marcatori di resistenza agli antibiotici e di possibili difese antifagiche, poi cerca nei dati metagenomici ambientali fagi che potrebbero infettare il batterio. Microsoft afferma che il processo interroga NCBI e Europe PMC per reperire sequenze genomiche di fagi, letteratura pertinente e metadati selezionati.
La selezione dei candidati combina diversi tipi di evidenze anziché affidarsi a un’unica previsione: somiglianza del DNA, relazioni note tra fagi e batteri, interazione prevista con la superficie batterica e difese del batterio. La pipeline è progettata per eliminare le opzioni incomplete o potenzialmente non sicure e classificare i candidati rimanenti in base all’efficacia prevista, alla sicurezza e alla praticità della produzione. Esclude i fagi temperati o lisogenici, che possono integrarsi nei genomi batterici.
Il sistema può anche suggerire interventi ingegneristici limitati se nessun fago naturale soddisfa i requisiti, ma Microsoft afferma che un candidato ingegnerizzato richiederebbe verifiche di sicurezza, stabilità ed effetti indesiderati. Il flusso di lavoro raccomanda ulteriori esperimenti, tra cui test sull’infezione, sulla resistenza batterica, sulle combinazioni con antibiotici, sulla sicurezza e sulla produzione.
Gli scienziati possono esaminare il lavoro dell’agente
Microsoft presenta l’ispezionabilità come una caratteristica progettuale: l’app Discovery trasforma una richiesta scientifica in un albero di attività, con metodi, evidenze, input e output che i ricercatori possono esaminare e modificare. Il gruppo ha inoltre organizzato la letteratura scientifica e le fonti di dati, poi ha ampliato l’accesso degli agenti a strumenti e database tramite adattatori Model Context Protocol.
Secondo il post, il progetto è partito da una raccolta selezionata di 170 articoli. Sei server MCP locali hanno collegato gli agenti a risorse tra cui PubMed, Europe PMC, NCBI BLAST, Semantic Scholar, ClinicalTrials.gov e AlphaFold. Microsoft afferma che gli agenti hanno rivisto il loro approccio alla ricerca man mano che arrivavano nuove evidenze e riscontri degli esperti, mentre gli scienziati approvavano le modifiche prima che le attività interessate proseguissero.
La revisione da parte degli esperti è stata essenziale per distinguere i risultati scientificamente fondati dagli output dell’IA plausibili ma privi di riscontri, e per individuare gli aspetti da perfezionare prima che la pipeline potesse essere considerata affidabile e riutilizzata.
Christine Caggiano, Microsoft Discovery Blog
Quattro ore per una bozza, non per una terapia
Microsoft afferma che si è passati dalla generazione di un albero di attività a una bozza di rapporto in meno di quattro ore, compreso il tempo impiegato per reperire riferimenti genomici ed eseguire flussi di lavoro bioinformatici. L’app ha proposto un’architettura a sei moduli con input e output definiti, controlli di qualità e sicurezza, approcci alternativi, dataset di controllo e un piano di validazione in laboratorio.
Il gruppo ha anche usato un prototipo API per verificare che la pipeline computazionale funzionasse come previsto. Esperti di bioinformatica ne hanno esaminato le fasi e verificato che le informazioni passassero in modo coerente dall’una all’altra. Questa verifica riguarda il flusso di lavoro software; non dimostra che i fagi previsti infettino o uccidano un batterio bersaglio.
I test in laboratorio restano il prossimo passaggio decisivo
Microsoft descrive il risultato come una pipeline di ricerca pronta per l’implementazione e afferma che il giudizio degli esperti è rimasto coinvolto nelle decisioni rilevanti. Il post dell’azienda indica la necessità di esperimenti di laboratorio per confermare se un candidato sia in grado di infettare e uccidere il bersaglio, valutare la resistenza e verificare sicurezza, stabilità e produzione. Propone inoltre di usare i risultati sperimentali per migliorare le previsioni future.
La dimostrazione offre quindi un piano per restringere la ricerca, non una scorciatoia per evitare i test biologici. Microsoft non riporta, per questo esercizio, alcun fago candidato confermato sperimentalmente, alcun risultato sull’infezione né alcun trattamento di pazienti.