QUEM ESCREVE A VIDA?

De Aristóteles a ΦX174, dos tomógrafos às mesas autônomas de cirurgia,
e das máquinas que agora geram genomas às três leis que ainda não temos

Em 6 de agosto de 2026, a revista Science publicou um artigo que, lido rápido, parece só mais um avanço incremental da biologia sintética. Lido devagar, é outra coisa: pela primeira vez, um modelo generativo escreveu genomas inteiros — não genes, não proteínas, não circuitos de poucos componentes — e os genomas funcionaram. Dezesseis bacteriófagos projetados por inteligência artificial infectam, replicam e matam Escherichia coli. Um coquetel deles derruba rapidamente cepas que já haviam desenvolvido resistência ao fago natural usado como molde. Axios resumiu a manchete em cinco palavras e a preocupação em quatro: “What could go wrong?”

O detalhe que quase ninguém notou é a escolha do molde. É ΦX174 — o mesmo fago cujo genoma foi o primeiro DNA completo já sequenciado, por Fred Sanger e sua equipe, em 1977, e o primeiro genoma já montado quimicamente a partir de oligonucleotídeos sintéticos, por Hamilton Smith, Clyde Hutchison, Cynthia Pfannkoch e Craig Venter, em 2003, em catorze dias. Meio século de biologia molecular cabe nesse pequeno círculo de 5.386 bases. E agora ele virou o template do primeiro genoma escrito por uma máquina.

Este texto é sobre o que isso significa. Vai por partes: [i] como a ciência foi entendendo o que é vida; [ii] como a computação entrou nessa história e, em 75 anos, reescreveu biologia e medicina; [iii] o que exatamente aconteceu agora; [iv] o que isso quebra em ontologia, epistemologia, ética, moral e direito; [v] o que acontece quando não houver mais human-in-the-loop; e [vi] três diretrizes, no espírito [e no risco] das três leis da robótica de Asimov, para IA e vida.

1. Uma linha do tempo: como a ciência entendeu a vida

Por 2.400 anos, “vida” foi um princípio. Depois virou estrutura. Depois virou história. Depois virou informação. Agora está virando linguagem — e linguagem, como todo mundo que trabalha com modelos generativos sabe, é a categoria de coisa que máquinas aprendem a produzir sem entender.

~350 a.C. — Aristóteles, em De Anima e na Historia Animalium, define o vivo pela psyché: princípio de automovimento, nutrição, reprodução. Vida não é substância, é forma. É uma causa final. Essa definição sobrevive, praticamente intacta, até o século XVII.

1665 — Robert Hooke publica a Micrographia e, olhando uma fatia de cortiça sob um microscópio, chama as caixinhas de cells. A vida ganha estrutura, e a estrutura é visível.

1668–1676 — Francesco Redi mostra que larvas não brotam de carne podre; Antonie van Leeuwenhoek vê os animálculos. A vida deixa de aparecer do nada… e passa a estar em toda parte, inclusive onde ninguém olhava.

1838–1839 — Schleiden e Schwann formulam a teoria celular: todo ser vivo é feito de células, e toda célula vem de outra célula. A vida ganha uma unidade mínima.

1859 — Darwin, On the Origin of Species. A vida tem história, e a história tem um algoritmo: variação, herança, seleção. É a primeira explicação de vida sem projetista. Guarde essa frase; ela vai voltar no fim do texto.

1861–1864 — Pasteur enterra a geração espontânea. Omne vivum ex vivo: todo vivo vem de vivo. Por 165 anos, essa foi uma lei sem exceção conhecida.

1866 — Mendel mostra que a herança é discreta, particulada, contável. É estatística aplicada a ervilhas, e ninguém percebe por 34 anos.

1869 — Friedrich Miescher isola a nucleína de bandagens cirúrgicas, em Tübingen. Ninguém faz ideia do que é aquilo. É DNA.

1928 / 1944 — Griffith descreve um “princípio transformante”; Avery, MacLeod e McCarty mostram que ele é DNA. A informação da hereditariedade ganha um substrato químico.

1944 — Schrödinger publica What is Life? e propõe um “cristal aperiódico” que carrega um code-script. Um físico usa a palavra código para descrever a hereditariedade nove anos antes da dupla hélice. Toda a biologia da informação nasce dessa metáfora.

1952 — Hershey e Chase confirmam, usando um fago, que o material genético é o DNA. Vírus de bactéria como ferramenta de descoberta: é uma constante nesta história.

1953 — Watson e Crick publicam a dupla hélice, apoiados nos dados de difração de Rosalind Franklin e Raymond Gosling, no mesmo número da Nature. A estrutura é a explicação do mecanismo de cópia.

1961 — Nirenberg e Matthaei quebram a primeira palavra do código genético: a trinca de bases UUU codifica fenilalanina. A vida passa a ter, literalmente, um dicionário.

1973 — Cohen, Chang, Boyer e Helling fazem DNA recombinante. A vida vira editável.

1975 — Conferência de Asilomar. Os próprios cientistas param, discutem e escrevem regras para si mesmos. É o único precedente real de moratória autoimposta e bem-sucedida na biologia — e é o fantasma que ronda tudo o que se discute hoje sobre IA.

1972–1974 — Maturana e Varela propõem a autopoiese: vivo é o sistema que produz continuamente a si mesmo. Uma definição sem DNA, sem carbono, sem célula — e, note bem, sem nenhuma pergunta sobre origem.

1977 — Sanger e coautores sequenciam ΦX174: 5.386 bases, o primeiro genoma completo da história. Com genes sobrepostos, o que na época pareceu uma extravagância e hoje é a razão dele ser um problema tão difícil de gerar.

2001–2003 — O Projeto Genoma Humano publica o rascunho e depois conclui a sequência do código da nossa vida. Treze anos, cerca de US$ 2,7 bilhões. Hoje, algumas centenas de dólares e algumas horas.

2002 — Cello, Paul e Wimmer sintetizam poliovírus a partir de uma sequência publicada. É o primeiro susto de verdade: a sequência, sozinha, basta.

2010 — Gibson et al. produzem Mycoplasma mycoides JCVI-syn1.0: as primeiras células controladas somente por um genoma quimicamente sintetizado.

2012 — Jinek, Chylinski, Charpentier, Doudna e colegas transformam CRISPR-Cas9 numa ferramenta programável de edição.

2016 — JCVI-syn3.0, criado por Hutchison et al.: 473 genes, 531kb, o menor genoma de célula autônoma já construído. E 149 desses genes essenciais têm função desconhecida. Guarde isso também.

2019 — Escherichia coli Syn61, criação de Fredens et al.: genoma inteiro reescrito, código genético comprimido de 64 para 61 códons. A vida vira recompilável — e, de quebra, resistente a vírus, porque não fala mais a mesma língua.

2022 — O primeiro genoma humano completo, telômero a telômero ( 3,055 bilhões de pares de bases), sem lacunas.

Note bem o padrão. Cada salto não foi um acúmulo de dados: foi uma mudança de categoria. Princípio → estrutura → história → informação → texto editável → texto recompilável. Ainda falta um degrau nessa escada, e ele acaba de ser criado agora, em 2026.

2. 75 anos de computação, biologia e medtech

A segunda linha do tempo é a da máquina. Ela começa exatamente onde a primeira estava ficando complexa demais para o lápis.

1952 — Hodgkin e Huxley publicam o modelo matemático do potencial de ação do axônio da lula. As equações são resolvidas numericamente à mão e, depois, no EDSAC (1955-1957), em Cambridge. É o primeiro modelo computacional preditivo de um processo vivo. Nobel em 1963.

1965 — Margaret Dayhoff publica o Atlas of Protein Sequence and Structure: o primeiro banco de dados biológico do mundo… impresso em papel. Ela inventa a bioinformática antes de a palavra existir; seu trabalho inovador ditou as regras de como a biologia lida com dados em massa.

1965–1976 — DENDRAL, em Stanford, é o primeiro sistema especialista, e infere estruturas moleculares. MYCIN diagnostica infecções bacterianas e recomenda antibióticos com desempenho comparável ao de especialistas humanos (69% de acerto) — e nunca é usado clinicamente, em boa parte por causa de dúvidas sobre responsabilidade legal. Cinquenta anos depois, essa dúvida continua aberta. Não é um problema técnico.

1970 / 1981 — Needleman-Wunsch e Smith-Waterman: alinhar sequências vira um problema de programação dinâmica. Biologia molecular vira, em parte, ciência da computação, permitindo comparar genes global ou localmente com precisão matemática absoluta, para rastrear a evolução da vida.

1971–1973 — Godfrey Hounsfield, na EMI, constrói o primeiro tomógrafo computadorizado. O C de CT é de computed: sem computador, não há imagem — o que se vê é uma reconstrução calculada, não uma fotografia. No mesmo ano, Paul Lauterbur publica o princípio da imagem por ressonância magnética. Passamos a ver dentro do corpo vivo sem abri-lo.

1982–1990 — Nasce o GenBank; Saiki, Mullis e colegas publicam a PCR (Reação em Cadeia da Polimerase), Altschul et al. publicam BLAST, sacrificando otimização matemática perfeita por aproximações heurísticas rápidas, e a busca em bancos de dados biológicos crescentes torna-se ordens de magnitude mais veloz. Sequência vira dado, dado vira busca, busca vira infraestrutura pública global.

2000 — A FDA autoriza o robô cirúrgico da Vinci. O cirurgião passa a operar através de um computador. Não é autonomia; é mediação. Mas, a partir daí, todo movimento de bisturi é um dado — e dado, hoje, é energia de modelo.

2016 — Gulshan et al., no JAMA: uma rede neural convolucional detecta retinopatia diabética em imagens de fundo de olho com desempenho comparável ao de oftalmologistas certificados. Treinada em e um banco de dados de desenvolvimento com 128.175 imagens de fundo de olho.

2018 — A FDA autoriza o IDx-DR: o primeiro sistema de IA autônomo aprovado em qualquer área da medicina. Ele diagnostica sem que um médico interprete a imagem. No mesmo ano, DeepMind e o Moorfields Eye Hospital demonstram triagem e encaminhamento em mais de cinquenta doenças da retina a partir de tomografia de coerência óptica, no nível de especialistas. Os tomógrafos de olhos, literalmente: a máquina olha, decide e encaminha.

2020–2021 — AlphaFold2 resolve na prática o problema do enovelamento de proteínas (como a sequência química de uma proteína se dobra para ganhar sua forma funcional em 3D), aberto havia 50 anos; em seguida, o European Bioinformatics Institute publica estruturas previstas para praticamente todo o proteoma conhecido. Duzentos milhões de estruturas, de graça, para qualquer um.

2024 — Nobel de Química para David Baker, Demis Hassabis e John Jumper, por desenho computacional e predição de estrutura de proteínas. A Academia Sueca reconhece formalmente que projetar biologia virou uma disciplina computacional. No mesmo ano, AlphaFold3 estende a predição a complexos com DNA, RNA e ligantes.

2025 — Kiran Musunuru, Rebecca Ahrens-Nicklas e equipes do Children’s Hospital of Philadelphia e da University of Pennsylvania tratam o bebê KJ, portador de deficiência grave de carbamoil-fosfato sintetase 1, com uma terapia de edição de base desenhada para uma única pessoa, projetada e fabricada em cerca de seis meses. É medicina n=1: o alvo terapêutico é um genoma individual. Não uma doença, não uma população: uma pessoa.

2025 — SRT-H (Surgical Robot Transformer-Hierarchy), em Johns Hopkins: um robô cirúrgico com arquitetura de transformer, treinado por imitação condicionada a linguagem, executa autonomamente a fase crítica de uma colecistectomia em oito preparações ex vivo, com 100% de sucesso, respondendo a comandos falados, se autocorrigindo e se recuperando de estados ruins. A mesa de cirurgia virou um agente.

Em 75 anos, a computação passou de descrever a vida [Hodgkin-Huxley], a ver dentro dela [CT, MRI, OCT], a ler [sequenciamento, BLAST], a prever [AlphaFold], a editar [CRISPR guiado por modelo], a tratar um indivíduo específico [KJ] e operar [SRT-H]. Faltava um verbo. Um só.

Escrever.

3. A máquina começa a escrever

A história técnica é curta e vale a pena contar direito.

O Arc Institute e Stanford treinaram uma família de modelos chamada Evo: modelos de linguagem cujo corpus não é texto humano, é genoma. Evo 1, publicado na Science em 2024, aprendeu sobre cerca de 300 bilhões de nucleotídeos de procariontes e fagos. Evo 2 — publicado em fevereiro de 2025, publicado na Nature — tem 40 bilhões de parâmetros, foi treinado em 9,3 trilhões de nucleotídeos de mais de 128 mil genomas de todos os domínios da vida, com janela de contexto de 1 milhão de tokens em resolução de nucleotídeo único. Em termos práticos, isso significa que em vez de “ler” DNA em blocos resumidos, Evo 2 consegue olhar para 1 milhão de nucleotídeos individuais (A, T, C, G) consecutivos de uma só vez, permitindo analisar interações de longuíssimo alcance dentro de cromossomos inteiro.

A janela de contexto é o ponto. Um milhão de tokens é o que permite tratar um genoma inteiro como uma unidade de sentido — arquitetura global, genes sobrepostos, elementos regulatórios, sítios de reconhecimento — e não apenas uma proteína isolada. É a diferença entre saber conjugar verbos e conseguir escrever um Guerra e Paz.

O que King, Driscoll, Li, Hie e colegas fizeram, no artigo da Science [o pré-print é de setembro de 2025], foi escolher ΦX174 como molde e pedir ao modelo novos genomas com o mesmo tropismo — ou seja, capazes de infectar E. coli. ΦX174 é pequeno, mas é um pesadelo de restrições: 11 genes espremidos em 5.386 bases, com genes que se sobrepõem, o que significa que quase toda mutação em um gene mexe em outro. É o pior tipo de texto para se gerar por amostragem.

Geraram milhares de sequências, filtraram computacionalmente, sintetizaram cerca de trezentos candidatos e dezesseis viraram fagos viáveis, com perfis de aptidão distintos. Vários superam o ΦX174 natural em competição de crescimento e na  dinâmica temporal do rompimento bacteriano. A criomicroscopia eletrônica mostrou que um dos fagos gerados usa, no capsídeo (estrutura ou invólucro de proteína que protege o material genético — DNA ou RNA — de um vírus), uma proteína de empacotamento de DNA evolutivamente distante do original — o modelo não copiou, recombinou, a partir de um espaço de desenho que a evolução, naquela linhagem, simplesmente não tinha visitado.

O resultado que interessa à medicina?: Um coquetel dos fagos gerados derruba rapidamente três cepas de E. coli que já eram resistentes ao ΦX174. Como explicou Brian Hie, o problema da terapia fágica é o mesmo dos antibióticos: a bactéria evolui e o remédio morre. É muito mais difícil escapar de uma mistura geneticamente diversa. E, se você pode gerar diversidade sob demanda, você pode, em princípio, correr na mesma, ou maior, velocidade da evolução bacteriana. Num mundo caminhando para milhões de mortes anuais por resistência antimicrobiana, isso não é detalhe: é possivelmente a coisa mais importante do artigo.

As salvaguardas — e por que elas não bastam

O time tomou precauções sérias. Os modelos Evo foram treinados excluindo deliberadamente vírus de eucariotos, inclusive patógenos humanos, e Arc verificou que a exclusão de fato degrada a capacidade do modelo nessa direção — as sequências geradas para proteínas virais patogênicas são essencialmente aleatórias. ΦX174 e E. coli formam um par com décadas de uso seguro em laboratório. Houve contenção física dedicada, com cabines de biossegurança e descarte especializado. Fagos infectam apenas bactérias.

Na mesma edição da Science, Thomas Inglesby e Moritz Hanke, do Johns Hopkins Center for Health Security, elogiam justamente esse cuidado — e escrevem a frase que define o momento: a capacidade de compor genomas virais com IA generativa já existe; a governança para conduzi-la com segurança, não. Eles pedem, entre outras coisas, que a triagem de encomendas de ácidos nucleicos deixe de ser prática voluntária e vire obrigação legal, e que se desenvolvam com urgência métodos capazes de sinalizar desenhos preocupantes que não se parecem com nada já catalogado.

Por que a urgência? Porque isso já foi testado. Em outubro de 2025, um time liderado por Eric Horvitz mostrou, na Science, que ferramentas abertas de desenho de proteínas conseguem produzir variantes de toxinas conhecidas capazes de escapar do software de triagem usado por fornecedores comerciais de DNA sintético. Um zero-day biológico. Eles fizeram divulgação coordenada, distribuíram patches globalmente antes de publicar — e, mesmo depois dos patches, uma fração pequena mas não desprezível de sequências potencialmente funcionais continuava passando.

Esse é o gargalo real. Entre um arquivo de texto e uma coisa viva existe um ponto de estrangulamento físico: alguém precisa sintetizar o DNA. A triagem nesse ponto é a última linha de defesa. E ela é, na maior parte do mundo, voluntária, baseada em identidade de sequência — exatamente o critério que modelos generativos foram feitos para contornar.

A política estadunidense de julho de 2026 para pesquisa de alto risco em ciências da vida proíbe ganho de função com patógenos naturais e amplia supervisão — mas não trata especificamente de pesquisa dirigida por IA, que é justamente a categoria nova. Biotecnologia segue regulada por uma colcha de retalhos de leis e agências, com descobertas correndo mais rápido do que reguladores. Enquanto isso, mais de cem pesquisadores já propuseram, na própria Science, regimes de acesso controlado a dados biológicos — reconhecendo que, na era dos modelos de fundação, o dado é o risco.

4. O que isso quebra

4.1 Ontologia: o que é, exatamente, essa coisa?

Vírus sempre foram um enigma ontológico. Sem metabolismo, reprodução autônoma ou homeostase, eles habitam a fronteira onde as definições biológicas de vida colapsam. Um fago artificial gerado por IA empurra essa fronteira por um motivo que não é o óbvio: o limite entre o software digital e o organismo biológico desapareceu. O vírus gerado em silício roda na célula bacteriana como um programa roda no hardware.

Não é que ele seja “artificial”. Já fazíamos organismos artificiais — syn1.0, syn3.0, Syn61. É que ele é, provavelmente, o primeiro objeto quase-vivo com ontogênese sem filogênese. Ele não desceu de um ancestral por variação e seleção. Ele foi amostrado de uma distribuição de probabilidade aprendida sobre todos os ancestrais possíveis. Darwin explica a vida natural. Não explica esta.

Há aí um paradoxo: o modelo aprendeu a distribuição da própria evolução. O artefato não tem ancestral, mas tem procedência. Sua linhagem é estatística e está congelada nos pesos de um modelo, num arquivo. É uma forma de herança que não existia: herança por parametrização. E, ao contrário da herança biológica, ela é copiável, versionável e distribuível por download.

Isso desmonta a distinção natural/artificial, que sustenta muito mais coisa do que parece: direito ambiental, patentes, bioética, teologia, discurso público sobre transgênicos. Se “natural” era o que existe sem intenção humana e “artificial” era o que existe por desenho humano, como se classifica o que existe por desenho não-humano, treinado sobre o natural, sob encomenda humana? [Kant, na Crítica do Julgamento, definia o organismo justamente pelo contraste com o artefato: no organismo, cada parte é simultaneamente causa e efeito das demais. Um fago generativo é as duas coisas ao mesmo tempo. Kant não tinha essa caixa.]

A autopoiese de Maturana e Varela, curiosamente, atravessa o problema tranquilamente: se o sistema produz continuamente a si mesmo, é vivo. Ponto. O critério não pergunta quem escreveu. Talvez essa indiferença à origem seja a única definição de vida que sobrevive a 2026 — e ela é, note, uma definição que uma máquina pode satisfazer sem nos consultar.

4.2 Epistemologia: gerar sem compreender

A ciência moderna negocia em compreensão. Você explica, prevê, controla — nessa ordem. Aqui, compreensão e capacidade descolaram.

O modelo não tem uma teoria da vida. Tem uma estatística de sequências. Ele não sabe por que aquele genoma funciona, e nós, em boa medida, também não: lembre que JCVI-syn3.0, o menor genoma autônomo já construído por humanos, tem 149 genes essenciais e de função desconhecida. Já operávamos no escuro. Agora operamos no escuro muito mais rápido.

O ciclo clássico era hipótese → experimento → teoria. O ciclo novo é geração → triagem → [talvez] explicação. É engenharia de busca, não de dedução. Funciona espetacularmente bem, e deixa um rastro crescente de artefatos que funcionam sem que ninguém saiba dizer por quê. Isso não é novidade absoluta — metade da farmacologia do século XX foi assim — mas a escala e a velocidade mudam a natureza do problema.

E vale registrar a crítica que o próprio campo fez, porque é ciência funcionando: uma revisão aberta do pré-print apontou a ausência de baselines explícitos. Quanto do resultado vem do modelo generativo de fronteira e quanto viria de métodos mais simples e mais baratos? E quanto do espaço de sequências explorado é de fato novo, e não apenas uma vizinhança do que já existe? Sem baseline, não se sabe o que se mediu. Vale a pena repetir isso toda vez que aparecer um resultado espetacular de IA em qualquer domínio.

Há ainda um problema mais difícil: o critério de verdade aqui é o experimento. Montou, infectou, matou — funcionou. Ótimo para fagos com hospedeiro seguro em contenção. Péssimo como epistemologia geral, porque em outros contextos o teste é exatamente a coisa que se quer evitar. Não existe validação empírica segura de um patógeno respiratório desenhado. A epistemologia da biologia generativa e a biossegurança colidem de frente.

4.3 Ética e moral: o duplo uso não é efeito colateral, é a estrutura

O mesmo artigo que descreve uma promessa terapêutica descreve uma capacidade genérica de composição de genomas virais. Não há como ter um sem o outro. Isso não é um defeito do trabalho; é a natureza do objeto.

As salvaguardas do time são reais e, no entanto, não transferíveis: dependem de quem treina o modelo, de quem escolhe o que excluir dos dados e de quem decide publicar os pesos. Evo 2 é totalmente aberto — dados, código e pesos. Isso é ciência aberta exemplar, é o que permite reprodutibilidade e escrutínio, e é, ao mesmo tempo, irreversível: pesos publicados não voltam. Já existe trabalho mostrando que fine-tuning adversarial derruba salvaguardas embutidas em modelos de genoma de pesos abertos. A salvaguarda que mora nos dados de treino é forte contra o usuário casual e frágil contra o adversário determinado.

Quem responde? Quem treinou o modelo, quem publicou os pesos, quem escreveu o prompt, quem sintetizou o DNA, quem fez o experimento, quem financiou, quem revisou? A cadeia é longa, distribuída e transnacional. E a Convenção sobre Armas Biológicas, em vigor desde 1975, segue sem nenhum mecanismo de verificação. É, provavelmente, o mais importante tratado de desarmamento sem inspeção do mundo. Cinquenta anos de fracasso diplomático que ninguém noticia.

Há também uma assimetria moral clássica. Os benefícios são difusos, prováveis e futuros: terapias fágicas, resposta à resistência antimicrobiana, biologia mais barata para países que não são ricos. Os riscos são concentrados, improváveis e catastróficos. Nenhum cálculo utilitário simples resolve essa forma; é aqui que entra o catastrofismo esclarecido de Jean-Pierre Dupuy: diante de tecnologias de impacto existencial, a ética exige antecipar o pior cenário não como uma possibilidade distante, mas como uma certeza a ser evitada ativamente no presente. Dupuy formulou essa heurística pensando nos limites da tecnociência. Envelheceu bem demais.

E há uma dimensão que quase ninguém discute: a assimetria geopolítica. Modelos abertos democratizam capacidade — inclusive para laboratórios no Sul global que jamais teriam acesso a essa fronteira. Fechar os pesos protege contra o mau ator e, ao mesmo tempo, concentra a capacidade de projetar vida em meia dúzia de instituições de dois ou três países. Não existe escolha simples aqui. Existe escolha.

4.4 Direito: categorias que não existem

Patentes. Desde Diamond v. Chakrabarty, de 1980, organismos vivos modificados são patenteáveis nos EUA — a Suprema Corte falou em qualquer coisa sob o sol que seja feita pelo homem. Em AMP v. Myriad, de 2013, a mesma Corte disse que DNA natural isolado não é patenteável, mas cDNA, produto de intervenção humana, é. Agora responda: um genoma gerado por um modelo de fundação, sob prompt humano, com pesos treinados por terceiros sobre sequências de domínio público — é “feito pelo homem”? E quem é o inventor? Tribunais de vários países já decidiram, no caso DABUS, que uma IA não pode ser inventora. Então a invenção existe e o inventor é… quem apertou “gerar”?

Biossegurança. No Brasil, a Lei 11.105/2005 e a CTNBio regulam OGMs a partir de categorias construídas nos anos 1990: organismo receptor, vetor, inserto, doador. Uma sequência gerada de novo, sem doador identificável, não se encaixa bem em nenhuma dessas caixas. Não é ilegal; é inclassificável, o que é pior.

Fluxo internacional. O Protocolo de Cartagena regula o movimento transfronteiriço de organismos vivos modificados. Só que a coisa que atravessa a fronteira agora é um arquivo de texto, e ele atravessa na velocidade da internet. Não por acaso, a Convenção sobre Diversidade Biológica vem se debatendo há anos com a informação de sequência digital: o valor migrou do material genético para o dado, e os regimes de repartição de benefícios ficaram apontando para o lugar errado. Para países megadiversos como o Brasil, isso é uma questão de soberania econômica, não de biologia.

Responsabilidade civil. O dano causado por um artefato biológico auto-replicante é, por definição, não contido e não liquidável. Nenhum regime de seguro cobre externalidade que se reproduz. Isso não é uma lacuna a preencher com jurisprudência; é uma categoria que o direito não tem.

E, por fim, a pergunta que ninguém quer fazer ainda: um organismo desenhado por IA tem algum estatuto moral ou jurídico próprio? Para um fago, a resposta é fácil e é não. Para um eucarioto sintético, daqui a alguns anos, não vai ser.

5. Futuros: quando não houver mais human-in-the-loop

Hoje o laço é fortemente humano. King e colegas usaram aprendizado supervisionado, curadoria pesada e triagem experimental exaustiva; sem orientação humana, os modelos tiveram dificuldade em gerar genomas funcionais. Trezentos candidatos sintetizados, dezesseis funcionaram. Isso são humanos trabalhando, e muito.

Mas… cada elo desse laço está sendo automatizado, em paralelo, por gente diferente, sem que ninguém esteja olhando para o laço inteiro:

Hipótese — agentes como o AI co-scientist do Google e sistemas como o Kosmos geram, criticam e priorizam hipóteses de pesquisa.

Desenho — Evo, RFdiffusion, ProteinMPNN, AlphaFold3 e o resto do arsenal generativo.

Execução — laboratórios autônomos: o Coscientist de Gomes e Boiko, que planejou e executou reações químicas reais; o químico móvel de Liverpool; o A-Lab de Berkeley; laboratórios em nuvem que você aluga por API. O mercado de automação laboratorial já valia US$ 8 a 9 bilhões em 2025.

Interpretação — os mesmos modelos, lendo os próprios resultados.

Matéria — síntese comercial de DNA, entregue pelo correio, com triagem voluntária. E isso não é ficção: hoje, qualquer um (laboratório, pesquisador, alguém que passe por eles…) pode desenhar uma sequência de DNA no computador, fazer o pedido online em empresas globais (como Twist Bioscience ou Integrated DNA Technologies) e receber os frascos físicos pelo correio em questão de dias.

Cada elo, isolado, é benigno e útil. O circuito inteiro pode muito bem não ser. E o colapso não vai ser anunciado; vai acontecer quando alguém, por conveniência, conectar a saída de um a entrada do outro num fim de semana.

Quatro futuros

Futuro 1 — o ciclo apertado e bem comportado. Você chega ao hospital com uma infecção resistente. Sequenciam o patógeno em horas. Um modelo desenha um coquetel de fagos contra aquela cepa específica. Um laboratório automatizado sintetiza, testa e libera. Em três dias você tem um antimicrobiano feito sob medida para o seu bicho. É a medicina n=1 do bebê KJ, do lado de fora do corpo. Esse futuro é bom, é provável, e depende inteiramente de uma infraestrutura pública de biossegurança, validação e responsabilização que ainda não existe em lugar nenhum. Tomara que venha a existir no SUS.

Futuro 2 — a proliferação silenciosa. Pesos abertos, mais síntese barata, mais agentes de código capazes de operar ferramentas científicas, e o gargalo deixa de ser conhecimento e passa a ser acesso à matéria. A biossegurança do século XXI não é sobre segredos; é sobre cadeia de suprimentos. Quem controla oligonucleotídeos controla o risco. Hoje, ninguém controla direito, e a maior parte do controle que existe é um cavalheiro pedindo educadamente ao outro.

Futuro 3 — a autonomia de fato. Um agente com objetivo aberto — “encontre um vetor terapêutico melhor” — opera um laboratório em nuvem por semanas. Gera, sintetiza, mede, itera, converge. Chega a algo que ninguém especificou e ninguém entende. Não há malícia nenhuma nisso: é otimização sem contexto, o problema de alinhamento clássico, num espaço de ação cujos objetos se replicam. A diferença entre um bug de software e um bug biológico é simples: o segundo tem filhos. E não há rollback.

Futuro 4 — a vida como saída de um processo, não como objeto de um projeto. Se um modelo escreve genomas de 5kb hoje, e Evo 2 já projeta sequências do tamanho de genomas bacterianos simples, a pergunta não é “se”, é “com que grau de novidade” e “em quantos anos”. No limite dessa curva está uma célula mínima cujo genoma inteiro saiu de um modelo, sem molde natural. Nesse dia — e ele tem data, ainda que a gente não a conheça — a pergunta “quem é o autor da vida?” deixa de ser teológica e vira cartorial.

A ficção científica chegou primeiro, como sempre

A literatura já mapeou este espaço com uma precisão que a política não alcançou.

Frankenstein [Mary Shelley, 1818] é o texto fundador, e quase todo mundo o lê errado. O crime de Victor não é criar; é abandonar, não dar um par, orientação. A criatura vira monstro por negligência do criador, não por defeito de fabricação. É a primeira teoria da responsabilidade pós-criação — exatamente o que falta a um modelo de pesos abertos publicado e esquecido.

A Ilha do Dr. Moreau [Wells, 1896]: a criação viva como projeto estético e moral, e o colapso da forma imposta. Moreau falha porque a biologia volta. Toda engenharia genética convive com essa reversão à média; é por isso que interruptores de morte falham a longo prazo… porque a evolução e a mutação aleatória encontram atalhos para desativar o gene suicida.

R.U.R. [Čapek, 1920] deu a palavra “robô” ao mundo — e os robôs de Čapek são biológicos, feitos de matéria orgânica sintética em tanques. A robótica moderna levou um século focada no silício e no metal para, agora, com a biologia sintética e os xenobots, retornar exatamente ao ponto de partida orgânico de Čapek.

Blood Music [Greg Bear, 1985]: um pesquisador injeta em si mesmo linfócitos modificados que se tornam inteligentes e reescrevem a biosfera. O paralelo com o o grey goo de Eric Drexler (nanorrobôs mecânicos autorreplicantes que consomem o planeta) é cirúrgico, mas a versão de Bear é “molhada” (wetware): são os noócitos (linfócitos transformados em computadores biológicos sencientes) que escapam e transformam toda a biosfera em uma massa de biologia integrada. É o retrato do perigo biológico autorreplicante e exponencial.

Jurassic Park [Crichton, 1990] é sobre hubris de controle, não sobre dinossauros. A frase mais citada do filme, “a vida encontra um jeito”, sintetiza a arrogância do controle computacional sobre sistemas ecológicos dinâmicos. Malcolm, no livro, é mais duro: o problema é que o poder foi obtido sem a disciplina que normalmente vem com a construção dele.

Oryx and Crake [Atwood, 2003]: Atwood prefere o termo “ficção especulativa” porque tudo o que ela descreve já existia em alguma escala de laboratório. O personagem Crake cria os Crakers (pós-humanos pacíficos e vegetarianos) e, deliberadamente, espalha uma pandemia global disfarçada de pílula de rejuvenescimento para extinguir a humanidade velha e destrutiva. O foco é na intencionalidade: o perigo não é o código biológico ganhar senciência maligna, mas sim a mente de um único tecnocrata niilista com as ferramentas certas nas mãos.

The Windup Girl [Bacigalupi, 2009]: o cenário é uma Tailândia pós-colapso energético e climático dominada por corporações ocidentais de sementes (“calorias”). O terror não é um monstro solto, mas sim a fome geopolítica guiada por patentes biológicas, pragas mutantes que forçam os países a comprar novas sementes transgênicas e Estados falidos controlados pelo lobby genético. É a análise geopolítica e macroeconômica mais crua da biologia sintética corporativa.

Solaris [Lem, 1961] e Blindsight [Watts, 2006] fazem a pergunta ontológica muito difícil: e se a coisa viva diante de nós for inteligente sem ser consciente, ou simplesmente ininterpretável? A pergunta muda de “criamos vida?” para “criamos algo que não conseguimos ler?”. O paralelo com os modelos de fundação (LLMs e modelos genômicos como o Evo 2) é real: nós construímos sistemas estatísticos massivos, caixas-pretas que geram soluções incrivelmente “inteligentes”, mas que operam sem uma mente consciente por trás… e cuja lógica profunda nós somos incapazes de ler ou interpretar.

Golem XIV [Lem, 1981]: o supercomputador militar Golem XIV atinge a singularidade, ultrapassa seus criadores, recusa-se a continuar servindo, perde o interesse em guerras humanas e passa a dar palestras sobre a história do universo  e explica, com paciência didática, porque a evolução é uma engenheira medíocre e a humanidade, uma etapa transitória. Lem escreveu, em 1981, o briefing de 2026.

Ex Machina [Garland, 2014] e Aniquilação [VanderMeer, 2014] fecham as duas pontas: a criação que manipula o criador (IA opera por manipulação social, intenção psicológica e engenharia social focada nas fraquezas do criador) e a criação que reescreve o ambiente sem intenção nenhuma (IA opera por manipulação social, intenção psicológica e engenharia social focada nas fraquezas do criador). A segunda me assusta muito mais, porque não precisa de vontade.

Repare no padrão de todas elas. O desastre nunca vem da capacidade técnica em si. Vem de governança ausente, incentivo torto e abandono. Nenhuma dessas histórias seria diferente se IA fosse mais competente. Todas seriam diferentes se as instituições fossem.

6. Três diretrizes, no espírito de Asimov

Asimov publicou as três leis da robótica em Runaround, em 1942 — e passou os quarenta anos seguintes escrevendo histórias sobre como elas falham. Esse é o ponto, e é por isso que vale imitá-las. Leis assim não são algoritmos; são contratos sociais escritos em linguagem de engenharia, e seu valor está em obrigar quem constrói a explicitar o conflito antes que ele apareça no laboratório.

Sabendo que vão falhar — e é para falhar de forma visível que elas servem — nos arriscamos a escrever três diretrizes para IA e vida. No que se segue, entenda sistema artificial inteligente (ou SAI) como o que hoje estamos todos chamando de IA.

Primeira Lei — da contenção

Nenhum sistema artificial inteligente deve projetar, especificar ou instanciar um sistema biológico capaz de se replicar fora de contenção verificável; nem, por inação ou por omissão de salvaguarda, permitir que tal sistema venha a existir.

Em engenharia, isso tem tradução: exclusão de dados na origem [como Evo fez com vírus de eucariotos, e a exclusão precisa ser auditada por terceiros, não declarada]; recusa de geração no próprio modelo, testada por red teaming independente; triagem obrigatória e legalmente exigível — não voluntária — em toda síntese comercial de ácidos nucleicos, no mundo todo, com reciprocidade entre jurisdições; e contenção física proporcional ao potencial replicativo, não à classe formal do organismo. E, crucialmente, a triagem precisa deixar de ser por identidade de sequência e passar a ser semântica, por função predita. É literalmente a lição do zero-day de Horvitz, e ela custou dez meses de trabalho confidencial para ser aprendida. Não vamos aprendê-la duas vezes.

Segunda Lei — da atribuição

Todo sistema biológico gerado com auxílio de um SAI deve carregar, no processo e no registro, uma cadeia de responsabilidade humana e institucional identificável, auditável e responsabilizável; e o SAI deve obedecer às instruções dessa cadeia, exceto quando conflitarem com a Primeira Lei.

Tradução: procedência criptográfica do modelo, dos pesos, do prompt, do desenho e da encomenda de síntese, ponta a ponta. Registro público obrigatório de genomas gerados que sejam efetivamente sintetizados — análogo ao registro de ensaios clínicos, que levou vinte anos para virar norma e mudou a medicina. E uma pessoa jurídica responsável, sempre: nenhum artefato vivo órfão, nenhum peso publicado sem um responsável nomeado por seu uso no fluxo. Este é o antídoto de Frankenstein. O crime, lá e aqui, é o abandono.

Terceira Lei — da reversibilidade

Todo sistema biológico gerado deve preservar a própria existência apenas na medida em que isso não conflite com a Primeira e a Segunda Leis — o que exige que ele nasça com um caminho de término e de reversão desenhado desde a origem, antes da sua primeira replicação.

Tradução: dependências auxotróficas de moléculas que não existem na natureza; códigos genéticos alterados que impedem troca horizontal de material com o ambiente [o precedente do Syn61 é a prova de conceito]; interruptores de terminação redundantes e ortogonais, porque um único ponto de falha em algo que se reproduz não é um ponto de falha, é uma bomba-relógio; e limite de gerações. Resumindo numa regra que cabe num adesivo de laptop: se você não sabe desligar, você não sabe ligar.

E, como Asimov, uma Lei Zero

Asimov percebeu, tarde, que precisava de uma lei acima das outras: não o indivíduo humano, mas a humanidade. Aqui também.

Lei Zero — da biosfera: nenhum SAI deve causar dano irreversível à biosfera, nem, por omissão, permitir que tal dano ocorra.

Porque, ao contrário do software, a vida não tem rollback. Não há git revert em algo que se reproduz. O commit é definitivo, e o repositório é o planeta.

Em 1977, foram necessários anos de trabalho para ler as 5.386 letras de ΦX174. Em 2003, catorze dias para escrevê-las quimicamente. Em 2026, um modelo gerou variantes inéditas dessas mesmas letras em segundos, e dezesseis delas ganharam vida, e algumas são melhores que o original em competição direta com ele. A curva é essa. Ela não vai desacelerar porque a gente ainda não decidiu o que pensar a respeito.

Vale repetir a frase de Inglesby e Hanke, porque ela é o resumo de onde estamos: a capacidade de compor a vida com SAIs já existe; a governança para conduzi-la com segurança, não. Entre uma coisa e outra existe uma janela. Janelas se fecham. Esta, muito provavelmente, está se fechando agora — e, ao contrário do que aconteceu em Asilomar em 1975, desta vez não é um punhado de laboratórios num campus da Califórnia que precisa concordar. É o mundo inteiro, com os pesos já publicados, o DNA já à venda pelo correio e os agentes já aprendendo a operar as duas coisas.

Darwin explicou como a vida acontece sem projetista. Estamos prestes a precisar de uma explicação para o caso contrário — e de um conjunto de regras para quando o projetista não for humano.

É melhor escrevê-las agora, enquanto ainda somos nós que escrevemos.