La cellula virtuale di Arc Institute: un miliardo di esperimenti, e per ora il modello indovina una volta su cinque

La domanda che nessuno ha ancora chiuso

Quasi tutti conoscono la scena, e quasi nessuno la chiama malattia mentre la vive: il nonno, la vicina di casa, un genitore che nel giro di dieci minuti fa tre volte la stessa domanda. Non è distrazione, e chi ascolta lo capisce dal fatto che la domanda arriva identica, con lo stesso tono, come se fosse la prima.

Verso il 2008, in un'università svizzera, una studentessa di biologia e neuroscienze segue una lezione su quella cosa lì. La lezione fa il suo mestiere: elenca tutto quello che si vede nel cervello di una persona malata di Alzheimer, un cambiamento dopo l'altro, con precisione. Poi finisce. E finisce dicendo due frasi che non si accordano con tutte le altre: non abbiamo idea di come cominci, e non abbiamo una terapia.

«Mi è rimasta addosso», racconta oggi quella studentessa, Silvana Konermann, «perché la sensazione era: come mai non abbiamo capito come inizia?».

La ragione ha un nome tecnico, e per una volta il nome tecnico serve davvero, perché divide la medicina in due metà con due storie opposte. Da una parte ci sono le malattie infettive: c'è un colpevole, uno solo, un batterio o un virus, e se lo arresti il problema finisce. È il terreno su cui la medicina ha vinto quasi tutte le sue battaglie. Dall'altra parte ci sono le malattie complesse — l'Alzheimer, l'infarto, buona parte dei tumori. Lì i colpevoli sono decine, e la banda non è la stessa per due persone diverse. «Praticamente ogni paziente», dice Konermann, «ha una combinazione unica di fattori di rischio».

Prendi due cartelle cliniche con la stessa diagnosi scritta in cima e leggi che cosa c'è sotto: due storie che non si somigliano. Quella è la definizione operativa di malattia complessa — non una definizione da manuale, ma la cosa che vede davvero chi le cura.

Un'immagine aiuta, purché si sappia dove smette di funzionare. L'infezione è un ladro: lo prendi e la faccenda è chiusa. La malattia complessa è un quartiere che si degrada: venti cause insieme, ognuna piccola, e nessun singolo arresto la ferma. Il paragone regge finché spiega perché una medicina ha vinto e l'altra no. Poi si rompe, e si rompe in un punto preciso: il degrado urbano fa pensare a un accumulo lento e in qualche modo reversibile, mentre nell'Alzheimer esiste un momento d'inizio, esiste per davvero — ed è esattamente quello che nessuno ha mai visto.

Un'infezione ha un colpevole. Una malattia complessa ha una banda, diversa per ogni paziente: è per questo che non esiste «la» cura.

Chi si è fermata su quella frase

Silvana Konermann è nata il 18 maggio 1988 a Baden, in Svizzera, da genitori estranei alla scienza. Da adolescente voleva entrare in un laboratorio, e non aveva nessun titolo per farlo: nessuno apre una porta di quel tipo a una ragazza di quindici anni di una cittadina svizzera. Ha risolto per via sociale. «È stato piuttosto complicato», dice, «ma alla fine ho convinto uno dei miei insegnanti di scienze a convincere un suo collega a lasciarmi entrare in laboratorio.»

Dentro quel laboratorio ha lavorato su una cosa spiacevole e quotidianissima: le infezioni urinarie che vengono a chi porta un catetere in ospedale. Ha costruito un sistema per prevenirle, e nel 2005, a diciassette anni, l'ha portato a Mosca al Concorso dell'Unione Europea per Giovani Scienziati, dove ha vinto l'unico primo premio individuale assegnato quell'anno. L'anno dopo, secondo premio in medicina alla Intel ISEF; per quel risultato le hanno intitolato un pianetino, il 21546 Konermann. Due volte vincitrice di Schweizer Jugend forscht.

L'intervistatore, sul palco, le mette davanti il rovescio della medaglia: c'è uno svantaggio nell'essere stati dei prodigi, ed è che poi ci si sente in obbligo di farne qualcosa. Lei non lo nega. Da lì viene, dice, il ragionamento che si è fatta per il resto della vita: quali sono i problemi più grandi su cui potrei lavorare.

Vale la pena notare la mossa, perché è sempre la stessa e tornerà alla fine di questa storia: davanti a una porta chiusa, convincere qualcuno ad aprirla. Oggi Konermann fa scienza da più di vent'anni, quasi tutti passati — parole sue — «dietro le quinte»: quell'intervista è la sua prima vera apparizione in pubblico.

Quarantamila caselle e una clessidra

Perché diciassette anni non sono bastati a nessuno per trovare l'inizio dell'Alzheimer? Non per mancanza di intelligenza o di soldi. Per aritmetica.

Il metodo classico per cercare un bersaglio terapeutico si chiama, con una certa autoironia, guess and check: indovina e verifica. Scegli un gene fra quelli che ti sembrano promettenti, lo studi, lo spegni negli animali, ci costruisci sopra degli esperimenti, e dopo qualche anno sai se avevi scelto quello giusto. Se non lo era, ricominci.

Adesso il numero. Nel genoma umano ci sono circa 20.000 geni. E per ciascuno le mosse possibili sono due, non una: si può spegnere, e si può accendere di più. Fanno 40.000 caselle.

Fermati un secondo e fai il conto tu, perché è tutto lì: 40.000 caselle, qualche anno per casella, un laboratorio alla volta.

«Se hai 40.000 cose fra cui scegliere», dice Konermann, «anche se devi sceglierne una sola, ci vuole un'eternità. Ed è per questo che queste malattie non le abbiamo ancora curate.»

È una frase brutale detta da dentro il mestiere, e non dice che nessuno ci abbia provato: dice che provando una casella per volta non si arriva in fondo, mai, per ragioni che non dipendono dalla bravura di chi prova. Il che porta a una conclusione scomoda: se il metodo non può finire, il problema non è la fatica, è il metodo.

Il rovesciamento è questo. Invece di scegliere l'ipotesi e poi verificarla, misurare tutto — tutte le caselle, in una volta — e lasciare che sia una macchina, guardando quella montagna di misure, a proporre l'ipotesi.

Per fare una cosa del genere serve un posto costruito apposta. Arc Institute nasce il 15 dicembre 2021 con 650 milioni di dollari e tre fondatori: due biologi che vengono dal mondo CRISPR, Patrick Hsu e Silvana Konermann, e un imprenditore tecnologico, Patrick Collison, fondatore di Stripe. È legato a Stanford, Berkeley e UCSF, ma i soldi sono privati, e questo è già una dichiarazione di metodo: tempi lunghi, nessuna domanda di finanziamento da rinnovare ogni tre anni, nessun bisogno di un risultato pubblicabile a scadenza fissa.

Da una manciata di persone l'istituto è passato a più di cento e poi a oltre trecento — che si chiamano fra loro «Arconauts», perché un vocabolario interno serve a costruire un'appartenenza, ed è la stessa mossa delle aziende della valle in cui l'istituto sta fisicamente. Oggi sono due iniziative, nove laboratori e cinque Technology Centers. Quei centri sono il punto: nell'università ogni gruppo si costruisce in casa i propri esperimenti, qui la produzione degli esperimenti è centralizzata come in una fabbrica, e i ricercatori la usano.

La lingua che la cellula sta parlando adesso

Prima di misurare tutto bisogna decidere che cosa si misura. E qui c'è una domanda che la maggior parte delle persone non si è mai posta, pur avendone tutti gli elementi.

Tutte le cellule del tuo corpo hanno lo stesso DNA. Identico: quello di un neurone e quello di una cellula della pelle sono la stessa sequenza. Allora perché una fa il neurone e l'altra fa la pelle?

Perché il DNA non è quello che la cellula sta facendo: è quello che la cellula potrebbe fare. È l'archivio, uguale in ogni stanza dell'edificio e fermo lì. Quello che cambia da cellula a cellula è quali pagine dell'archivio vengono lette, in questo momento, e quante volte. E la copia di lavoro di quelle pagine — la pagina tirata giù dallo scaffale e letta ad alta voce — è l'RNA.

«L'RNA è come la lingua della cellula», dice Konermann, «soprattutto la lingua dinamica: riflette quello che sta succedendo alla cellula, e insieme riflette la sua genetica.» Cambia di continuo, e proprio perché cambia racconta due cose insieme: che cosa quella cellula sta facendo, e che cosa le è appena successo.

L'immagine della biblioteca è utile e va usata sapendo dove tradisce. Suggerisce una lettura ordinata e passiva, una pagina alla volta. In realtà l'RNA viene tagliato, ricucito, degradato, e la stessa pagina può produrre proteine diverse a seconda di come la si ricuce. Non è un libro letto: è un libro riscritto mentre lo si legge.

Poi c'è il come si legge. Per anni il sequenziamento si faceva macinando un pezzo di tessuto e leggendo tutto insieme: un milione di cellule mescolate, e in uscita una media. Era come ascoltare uno stadio e verbalizzare «il pubblico ha detto ah». Da qualche anno si legge una cellula alla volta — «si guarda una cellula per volta e le si fa un'istantanea» — e si sente una voce sola.

Il guadagno non è estetico. La media cancella proprio le cellule rare, e le cellule rare sono spesso quelle che ammalano: in uno stadio di centomila persone, la persona che sta male non cambia il boato di una virgola. Anche qui, però, l'immagine ha il suo bordo: allo stadio le voci sono indipendenti, mentre le cellule si parlano fra loro senza smettere mai, e isolarle una per una per leggerle spezza quella conversazione. Si guadagna la singola voce e si perde il coro.

Toccare non è guardare

Adesso il passaggio decisivo, quello che separa un atlante da una scienza.

Guardare mille cellule che si fanno gli affari loro ti dice come sono fatte, e ti dice che cosa succede insieme a che cosa. Non ti dice mai che cosa causa che cosa. Per quello devi toccare: togli un pezzo e guardi che cosa smette di funzionare. È il metodo del meccanico, ed è il metodo del bambino che smonta la sveglia — portato su scala industriale, un gene alla volta, una cellula alla volta. In laboratorio si chiama perturbazione: si perturba la cellula, e poi si misura l'uscita, cioè l'RNA.

Se sposti un gene e la cellula cambia, sai che è stata colpa tua. È questa la differenza fra osservare e sapere.

Lo strumento per toccare è CRISPR, e conviene sapere da dove viene, perché la sua origine spiega la sua precisione: CRISPR non è stato inventato, è stato trovato. È il sistema immunitario dei batteri — il modo in cui un batterio conserva il ricordo dei virus che l'hanno attaccato, per riconoscerne la sequenza e tagliarla la volta dopo. Nelle mani di un laboratorio diventa un paio di forbici che taglia una riga precisa di testo genetico. Konermann ci lavora da quindici anni: la tecnologia con cui oggi si costruisce il miliardo è la stessa su cui lavora da metà della sua vita adulta.

Ci sono due modi diversi di toccare una cellula, e nei conteggi sembrano la stessa cosa mentre non lo sono. Spegnere un gene con CRISPR è strappare una pagina dal libro: netto, mirato, definitivo. Bagnare la cellula con un farmaco è versarci sopra un liquido e guardare come reagisce l'inchiostro: il farmaco tocca decine di bersagli insieme, in modo graduale e reversibile. Il farmaco non è una versione sfumata del taglio — è un altro tipo di domanda, e produce un altro tipo di sapere.

Resta un problema fisico, banale e non piccolo: le forbici sono grosse e la cellula è chiusa. Come si fa a metterle dentro senza ammazzarla?

Con l'elettroporazione. È lo stesso genere di stupore della calamita che tiene sul frigo senza toccare niente: un lampo di corrente, la porta della cellula si socchiude da sola, quello che deve entrare entra, e poi la porta si richiude.

L'apparecchio che lo fa non è una cattedrale. Pesa 4,6 chili e misura 257 per 193 per 257 millimetri; la stazione che gli pipetta dentro i campioni, un canale alla volta, sta in 168 per 127 per 168 millimetri. È una scatola grigia che si porta sotto il braccio. Il miliardo di esperimenti comincia lì.

Il codice a barre, ovvero come si fa un miliardo senza un miliardo di provette

Sul palco l'intervistatore fa l'obiezione giusta, quella che verrebbe a chiunque: non stai parlando di software, stai parlando di un miliardo di esperimenti biologici veri.

Ha ragione, ed è materialmente impossibile. Nessun laboratorio al mondo può fare un miliardo di reazioni separate in quattro anni: non è una questione di soldi, sono le provette, le pipette, le mani, il tempo.

La risposta è rinunciare a tenerle separate. «Usiamo diverse tecnologie di barcoding», spiega Konermann, «per fare questi esperimenti in pool più grandi, e poi risalire a che cosa avevamo fatto a quelle cellule.»

Il gesto è quello della cassa del supermercato. Ogni cellula riceve un'etichetta molecolare — una breve sequenza unica, un codice a barre scritto in lettere di DNA — che dice che cosa le è stato fatto. Poi si butta tutto insieme nello stesso tubo: migliaia di condizioni diverse mescolate. Si legge il tubo in un colpo solo. E alla fine, per ogni cellula letta, il codice a barre dice a ritroso chi era e che cosa aveva subito.

Chi ha vissuto il 2020 conosce già il principio: il tampone che finisce in un pool con altri novantanove, e da cui si risale comunque al singolo positivo.

Anche qui il cartello del limite va messo prima, non dopo: alla cassa il codice è stampato e affidabile, qui no. Un'etichetta molecolare può staccarsi, può duplicarsi, e due cellule possono finire dentro la stessa gocciolina e ritrovarsi con la stessa etichetta. Quando succede, il conto risulta perfettamente in ordine e il dato è sbagliato — ed è il modo più insidioso di sbagliare che esista, perché non lascia tracce.

C'è poi una domanda che davanti a un numero grande non fa quasi nessuno, e che decide tutto: quando fai un esperimento, che cosa conti esattamente come uno? Una cellula? Una condizione sperimentale, provata su mille cellule? Un pozzetto? A seconda della risposta, «un miliardo» significa cose che differiscono fra loro di ordini di grandezza — e Arc non ha mai messo per iscritto quale delle tre stia contando.

Le grandezze di riferimento sono queste. Il più grande esperimento di questo tipo pubblicato dal mondo accademico, nel 2022, misura 2,5 milioni di cellule: contro un miliardo di cellule, il fattore è 400. Lo stato dell'arte industriale nel 2026 — uno screen sull'intero genoma con la tecnologia Illumina/Scale Biosciences — sta attorno al milione di cellule: siamo ancora nell'ordine del milione, non della decina di milioni. E Nianzhen Li, che ad Arc dirige lo sviluppo delle tecnologie di misura e cioè è la persona che il miliardo deve materialmente farlo esistere, dichiara un orizzonte molto più corto e molto più concreto di quello dell'istituto: oltre cento milioni di singole cellule entro fine anno. È la voce dell'officina accanto alla voce del proclama.

Sul palco Konermann dice che di esperimenti ne hanno già fatti «circa 60 milioni», e che quindi si sentono abbastanza tranquilli di poter continuare. È una cifra detta a voce, e non è appoggiata a nessun documento pubblico.

Un numero grande non vuol dire niente finché non sai che cosa conta come uno.

La scommessa: puntare il correttore automatico su una lingua che nessuno sa leggere

Tutto quello che c'è scritto fin qui serve a produrre dati. Ma i dati, da soli, sono un archivio. La scommessa di Arc è un'altra, e viene da fuori dalla biologia.

Quando scrivi mezza frase sul telefono e compare in grigio la parola dopo, e tu l'accetti perché era proprio quella, stai usando una macchina addestrata a un compito solo: indovinare il pezzo che manca, avendone visti moltissimi. È lo stesso identico meccanismo dei modelli linguistici che oggi tutti hanno provato almeno una volta.

Vale la pena ricordarsi quanto sembrasse poco promettente. «Anche solo sei anni fa», dice Konermann, «non era affatto chiaro: la gente non era sicura che questi modelli linguistici si potessero davvero scalare.» Indovinare la parola successiva sembrava un trucco statistico senza futuro. Invece, a forza di indovinare la parola successiva su abbastanza testo, ne è uscito qualcosa che assomiglia a un'idea del mondo. Quello, dice, è stato l'intuizione chiave degli ultimi sei anni.

Il salto di Arc è prendere quella macchina di peso e puntarla su un'altra lingua: l'RNA. Con una differenza che è il cuore di tutta la faccenda, e che Konermann dice nella frase più bella dell'intervista:

«"Essere o non essere": la parte sinistra la sappiamo completare. Sappiamo che è Shakespeare. La parte destra, invece, nessun essere umano potrebbe completarla.»

E poi: «La lingua umana l'hanno generata gli umani, giusto? Per questo la capiamo. La lingua dell'RNA si è evoluta. Per noi è sostanzialmente impenetrabile… ma all'intelligenza artificiale non gliene importa niente.»

Qui l'ultimo passo lo può fare chi legge, ed è quello che fa girare tutto: la macchina non ha bisogno di capire la lingua. Ha bisogno di averne vista abbastanza.

Il modello si chiama STATE, è uscito il 23 giugno 2025 come preprint, ed è stato addestrato su due diete diverse: 167 milioni di cellule soltanto osservate e oltre 100 milioni di cellule toccate — queste ultime in larga parte con farmaci, non con le forbici di CRISPR. Vale la pena tenerlo a mente: questa cellula virtuale ha guardato molto più di quanto abbia toccato. E i contesti cellulari su cui ha imparato sono 70, contro le centinaia di tipi di cellule di un corpo umano.

Perché quel «70 contro centinaia» conta, e non è pignoleria? Perché un modello che indovina soltanto sulle cellule che ha già visto non serve a niente: sarebbe un archivio ben indicizzato. Serve che, messo davanti a un tipo di cellula mai incontrato, sappia dire lo stesso che cosa succederà. Si chiama generalizzare, ed è la parte difficile. È un navigatore che ha imparato le strade di Milano e che viene acceso a Palermo. Con un'aggravante, ed è il punto in cui l'immagine si rompe: le strade di Palermo esistono già e stanno su una mappa che si può consultare, mentre il comportamento di un tipo cellulare mai misurato non sta in nessuna mappa. Non c'è modo di verificare l'indicazione se non tornando al bancone a fare l'esperimento.

Da qui viene una conseguenza che spiega perché il miliardo non è solo una gara di quantità: se il punto è generalizzare, bisogna scegliere quali esperimenti fare, non soltanto farne tanti.

E c'è la mossa finale, quella che trasforma il progetto da curiosità a promessa medica. Il modello impara come cambiano le cellule quando le tocchi. Poi lo si gira al contrario: gli si mostra una cellula malata e una sana, e gli si chiede quale intervento riporta la prima a somigliare alla seconda. Si smette di chiedere «che cosa succede se» e si comincia a chiedere «che cosa devo fare perché». È il passaggio da simulatore a progettista, ed è tutto ciò che questa storia promette di essere.

Quanto ci prende, adesso

La cosa più utile che dice Konermann sul palco riguarda il suo stesso modello, e non è pubblicità: «Non è granché. Cioè, per essere chiari: è lo stato dell'arte. Ma ha ancora una strada lunghissima davanti.» E poco dopo, sul metodo di lavoro: «Metteremo dei paletti: questo non è molto accurato, oppure questo sarà accurato al 20 per cento, ma nei prossimi quattro anni continueremo a iterare.»

Venti per cento. Al momento dell'intervista il modello ha otto mesi.

Adesso arriva la parte che vale la pena portarsi via da tutto questo numero, perché non riguarda la biologia: riguarda come si giudica qualunque cosa che pretenda di prevedere.

Prima di dichiarare che il tuo apparecchio è bravo, devi batterlo contro la cosa più stupida che si possa fare. Quella cosa stupida ha un nome, si chiama baseline, e qui è di una semplicità disarmante: se so l'effetto del gene A da solo, e so l'effetto del gene B da solo, per prevedere A+B li sommo. Non c'è nessuna intelligenza: è una somma.

Il 18 giugno 2026 esce VCBench, un benchmark che mette a confronto i modelli fondazionali di biologia su 71 perturbazioni condivise. Il risultato è questo:

Gli autori lo scrivono senza giri di parole: la baseline additiva supera nettamente ogni modello fondazionale.

L'immagine è il salto in alto con l'asticella messa a venti centimetri: se non superi quella, la spettacolarità della rincorsa non conta. E anche qui il cartello del limite: nel salto in alto l'asticella è una sola e uguale per tutti, mentre ogni benchmark biologico misura una cosa diversa, e un modello può passare un'asticella e fallirne un'altra restando perfettamente onesto. Non esiste una classifica unica.

Ma la domanda vera è: perché ci teniamo tanto a battere una somma? Che cosa c'è di sbagliato nel sommare?

C'è che due geni, insieme, possono fare una cosa che non è la somma di quello che fanno separati — a volte è l'opposto. Si chiama sinergia, ed è il fenomeno che la somma non può vedere per costruzione. Ed è, non per caso, il punto esatto in cui una cellula virtuale servirebbe a qualcosa: se bastasse sommare, non ci sarebbe bisogno di nessun modello.

Su questo c'è una piccola storia da laboratorio che vale più di dieci grafici. Analizzando le previsioni di modelli diversi, costruiti da gruppi diversi, un team si accorge che una coppia di geni dell'emoglobina — HBG2 e HBZ — continua a comparire in cima alle interazioni previste. Sempre lei. Una coincidenza troppo insistente per essere una coincidenza.

Vanno a guardare i numeri sotto, e capiscono di non aver trovato una scoperta ma un sintomo: quasi tutti i modelli attribuiscono un effetto quasi nullo alla doppia perturbazione, benché ciascuno dei due geni, da solo, picchi fortissimo. Il pattern non diceva niente sui geni. Diceva qualcosa sui modelli: messi davanti alla sinergia, si spengono.

Se la somma vince, il modello non ha ancora imparato l'unica cosa per cui lo stavamo costruendo.

Il metro di casa e il metro di tutti

C'è un motivo per cui una prova come VCBench è più preziosa di dieci annunci, e lo ha formulato meglio di chiunque altro la Chan Zuckerberg Initiative, che in questo campo ci lavora: «Il benchmarking può creare l'illusione del progresso, mentre blocca l'impatto reale.»

Il meccanismo è semplice e non riguarda la disonestà di nessuno. Se ogni squadra costruisce il proprio metro e poi misura sé stessa, tutte risultano le più alte — e ci credono. Un metro condiviso è meno lusinghiero e infinitamente più utile. Va aggiunto che nemmeno il metro condiviso è tutto: un benchmark confronta previsioni, non è una replica. Nessuno, misurando un punteggio, ha rifatto l'esperimento.

La frase più scomoda su questo punto arriva da dentro casa Arc. La dice Hani Goodarzi, che all'istituto ci lavora: «Ogni volta che appare un nuovo modello, è sempre il migliore.» Nel frattempo la stampa specializzata raccoglie entusiasmi generici da voci autorevoli del campo — entusiasmi senza una valutazione delle prestazioni: il consenso di facciata che accompagna qualunque lancio. E nell'aprile 2026 compare su bioRxiv il preprint di un lavoro il cui titolo è già la domanda intera: «I modelli di cellula virtuale basati su IA sono utili per la scoperta scientifica?». Il dubbio non sta in un commento a margine: sta nel titolo di un lavoro scientifico.

Arc, va detto, ha fatto una cosa che non era obbligata a fare: ha messo il problema in mano a chiunque. La Virtual Cell Challenge dà a tutti gli stessi dati — un tipo di cellula staminale, la H1 — e la stessa domanda, e chiede di prevedere. Oltre cinquemila iscritti da 114 paesi.

Tre quarti si fermano per strada, e questo è a suo modo un dato sulla difficoltà del problema, forse il più sincero di tutti. Vince BioMap, con un modello chiamato xTrimoSCPerturb, e si porta a casa centomila dollari; il premio per il modello più generalista va ad Altos Labs. La premiazione si tiene a NeurIPS, nel dicembre 2025 — cioè a un congresso di informatici, non di biologi. Anche questo dice qualcosa su dove si è spostato il baricentro del problema.

Il pozzetto e il corpo

Supponiamo che tutto vada bene. Che il miliardo si faccia, che il modello impari la sinergia, che batta la somma. Che cosa mancherebbe ancora, per arrivare a una persona?

Manca la distanza fra un pozzetto di plastica e un essere umano, e non è una distanza retorica.

Nel pozzetto c'è un liquido, delle cellule, e qualche giorno di tempo. In una persona c'è il fegato, che fa un mestiere preciso e antipatico: smontare le molecole estranee. È il motivo per cui una sostanza che riporta magnificamente una cellula malata verso lo stato sano, dentro una piastra, può non arrivare mai dove serve dentro un corpo. C'è un sistema immunitario, che a un intervento genetico può reagire. C'è il tempo lungo: una malattia complessa si costruisce in decenni, un esperimento dura giorni. E c'è la variabilità individuale — cioè, di nuovo, la cosa da cui siamo partiti: ogni paziente ha la sua banda personale.

Nessuna delle metriche in campo — né quelle della gara, né quelle di VCBench, né quelle dichiarate da Arc — misura un esito terapeutico. Non è un'accusa: è una descrizione. Un punteggio alto in una di quelle prove significa «ha previsto bene l'RNA di una cellula in coltura». Fra quello e «ha curato qualcuno» c'è uno spazio bianco che nessuno, oggi, sta misurando.

C'è infine una linea che vale la pena guardare, perché è tracciata a mano. Konermann dichiara un orizzonte di quattro o cinque anni, e la data che l'istituto si è dato è il 2029. Sulla pericolosità, la posizione dell'istituto distingue: modellare virus è un terreno da non toccare, modellare cellule umane no. La distinzione può anche essere ragionevole; il fatto rilevante è chi l'ha fatta. L'ha fatta l'istituto, su sé stesso. Nessun regolatore ha tracciato quella linea.

Dove tutto questo ti tocca già

Niente di quello che c'è in questa storia è fantascienza, e quasi tutti i pezzi li hai già in mano.

Il modello che indovina il pezzo successivo è la parola grigia che il telefono ti propone: stesso principio, altra lingua. CRISPR non è più solo un attrezzo da laboratorio: le prime terapie geniche approvate per malattie del sangue — l'anemia falciforme fra le prime — funzionano prendendo le cellule di una persona, correggendole fuori dal corpo e rimettendole dentro. L'elettroporazione, la scatola grigia da 4,6 chili, è la stessa fisica che in clinica si usa per far entrare farmaci nei tumori e per produrre le cellule CAR-T. Il barcoding molecolare è il pooling dei tamponi del 2020. Il sequenziamento a cellula singola è diventato una cosa che si consulta: il Virtual Cell Atlas contiene oltre 600 milioni di cellule e si interroga da una pagina web come si interroga un orario dei treni.

E i dati vengono messi fuori davvero. Tahoe-100M è stato scaricato più di 250.000 volte entro l'inizio del 2026, ed è la base su cui sono cresciuti STATE, Tahoe-x1 e TranscriptFormer. Il 12 gennaio 2026 l'accordo fra Tahoe, Arc e il Biohub ha messo in circolazione 120 milioni di punti dati e 225.000 interazioni fra farmaci e cellule, in rilascio aperto. Quella montagna serve anche a una cosa molto pratica, che si chiama repurposing: cercare, fra le molecole già approvate e già in farmacia per altro, quale sposta una cellula malata verso lo stato sano.

Guarda la distanza fra la seconda tacca e la terza: tredici anni fra una frase sentita a lezione e un istituto costruito per risponderle.

Adesso, se qualcuno ti chiedesse a cena che cos'è questa storia della cellula virtuale, sapresti dirla per intero. Che le malattie complesse hanno resistito non perché siano misteriose ma perché hanno molte cause insieme, e cercarle una alla volta fra quarantamila caselle non finisce. Che si legge l'RNA e non il DNA perché il DNA è l'archivio e l'RNA è quello che la cellula sta facendo adesso. Che osservare dà correlazioni e toccare dà cause, e che per toccare servono le forbici dei batteri e una scarica di corrente. Che un miliardo di esperimenti sta in piedi solo se rinunci a tenerli separati e li marchi con un codice a barre — e che «un miliardo» non significa niente finché non sai che cosa conta come uno. Che prima di credere a un modello devi vederlo battere la somma. E che, per ora, la somma vince.

Resta aperta la cosa da cui siamo partiti, e resta aperta per davvero: nessuno ha ancora visto il momento in cui l'Alzheimer comincia. È il posto dove la scienza sta ancora lavorando, ed è il motivo per cui vale la pena guardare. La scommessa di Arc è che quel momento si possa trovare misurando tutto insieme, invece di indovinare un pezzo per volta. Se abbia ragione non è deciso, e il suo stesso modello è la prima prova che la strada è lunga. Ma la domanda che una studentessa si è portata dietro per diciassette anni, oggi, ha un edificio pieno di gente puntato addosso.