L’idea che il DNA possa essere scritto come un programma informatico appartiene da anni all’immaginario della biologia sintetica. Oggi, tuttavia, questa metafora sta assumendo contorni molto più concreti. L’Arc Institute, il centro di ricerca non profit che ha già attirato l’attenzione globale con il modello generativo Evo, ha presentato Proto, un nuovo linguaggio di programmazione concepito per progettare sistemi biologici complessi attraverso astrazioni software ad alto livello. Se il lavoro manterrà le promesse iniziali, potremmo trovarci di fronte a un cambiamento concettuale paragonabile all’introduzione dei linguaggi di alto livello nell’informatica degli anni Sessanta.
Proto nasce da un problema strutturale della biologia computazionale contemporanea. Gli strumenti di progettazione generativa esistenti sono estremamente specializzati: alcuni generano proteine, altri RNA, altri ancora ottimizzano promotori genetici o interazioni molecolari. Ciascun sistema opera quasi sempre in isolamento, richiedendo competenze molto verticali e workflow difficili da integrare. Il risultato è che progettare un sistema biologico articolato rimane un’attività frammentata, lenta e riservata a gruppi altamente specializzati.
La proposta dell’Arc Institute è radicale nella sua semplicità: trattare DNA, RNA, proteine, ligandi e interazioni cellulari come componenti componibili, analogamente ai moduli software utilizzati nello sviluppo applicativo moderno. Proto introduce un insieme limitato di primitive astratte che possono essere combinate per costruire programmi biologici strutturati. In altre parole, invece di operare direttamente sulla sequenza nucleotidica base per base, il ricercatore descrive obiettivi, vincoli e logiche regolatorie; il sistema genera quindi le strutture biologiche candidate.
Il parallelismo con lo sviluppo software non è casuale. La ricerca descrive un ambiente nativamente multi-obiettivo, capace di incorporare modelli predittivi all’interno dei flussi generativi. Questo approccio è già stato utilizzato dagli autori per progettare introni alternativamente splicati, successivamente validati sperimentalmente in linee cellulari umane, oltre a coppie promotore repressore con tassi di successo sperimentale ai vertici dello stato dell’arte nella progettazione sintetica proteina DNA.
Ancora più interessante, dal punto di vista strategico, è l’integrazione con agenti di intelligenza artificiale. Proto consente di specificare pathway biologici complessi e logiche regolatorie direttamente tramite linguaggio naturale. La traiettoria tecnologica appare evidente: l’utente descrive il comportamento biologico desiderato e un agente AI traduce tale intenzione in un programma eseguibile di progettazione molecolare.
La visione ricorda da vicino quanto accaduto nell’informatica negli ultimi cinquant’anni. Prima si scriveva codice macchina, poi sono arrivati linguaggi ad alto livello, framework, librerie, ambienti visuali e infine l’AI generativa che scrive codice per conto degli sviluppatori. La biologia sintetica sembra percorrere la stessa strada, con almeno un ordine di complessità aggiuntivo.
Conviene però evitare entusiasmi eccessivi. Gli autori stessi sottolineano che il lavoro è attualmente disponibile come preprint e non rappresenta un prodotto industriale maturo. Soprattutto, la biologia non obbedisce alle stesse regole dell’informatica. Un software mal progettato produce un errore di compilazione; un circuito genetico mal progettato può funzionare inaspettatamente, degradarsi, interagire con il contesto cellulare in modi imprevedibili oppure non funzionare affatto. Le cellule non sono macchine deterministiche. Sono sistemi adattativi evolutisi per miliardi di anni e dotati di livelli di complessità emergente che continuano a sorprendere persino i biologi più esperti.
Questa distinzione è cruciale. La Silicon Valley tende spesso a considerare qualsiasi sistema complesso come un problema software in attesa di essere risolto. La storia della biotecnologia suggerisce maggiore prudenza. Numerose startup della biologia sintetica nate durante l’ultimo decennio hanno raccolto capitali enormi promettendo una programmabilità quasi illimitata della vita; molte hanno successivamente incontrato ostacoli scientifici, industriali e regolatori assai più resistenti delle presentazioni agli investitori.
Ciò non riduce tuttavia la portata del risultato. L’elemento realmente dirompente non consiste nella possibilità di generare singole sequenze genetiche, pratica già diffusa da anni, bensì nella democratizzazione dell’intero processo progettuale. Rendere open source infrastruttura, interfacce e linguaggio potrebbe abbassare drasticamente la soglia d’accesso alla biologia generativa, ampliando il numero di ricercatori in grado di progettare sistemi viventi complessi.
Quando gli stessi ricercatori che hanno insegnato ai modelli AI a leggere il DNA decidono di costruire strumenti affinché chiunque possa iniziare a scriverlo, il settore entra inevitabilmente in una nuova fase. La biologia sta progressivamente evolvendo da disciplina osservazionale a disciplina ingegneristica. Se questa trasformazione avrà successo, il genoma potrebbe diventare nel XXI secolo ciò che il software è stato per il XX: una piattaforma programmabile sulla quale costruire nuove industrie, nuove terapie e, inevitabilmente, nuove forme di rischio tecnologico. La vera domanda non è più se riusciremo a programmare la biologia, ma quanto velocemente impareremo a governarne le conseguenze.