☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
斯坦福大学与 Arc Institute 的科研团队借助基因组语言模型 Evo，批量生成了约 70 万个病毒基因组候选序列；经评估筛选后，共合成 285 条 DNA 序列，最终有 16 种成功在实验中展现出完整生命功能——即能自主复制、侵染并裂解大肠杆菌的活性噬菌体。
该成果于 8 月 6 日刊登于国际顶级期刊《科学》，标志着生成式 AI 在合成生物学领域实现关键跃迁：由过去仅能设计单个蛋白或孤立基因，正式迈入可从头构建整套协同运作的病毒基因组阶段。需强调的是，模型本身并不产出具感染能力的活病毒，而仅输出理论 DNA 序列；后续的序列优选、化学合成及宿主验证均由研究人员完成。多数测试未见明显效应，仅个别培养皿出现透明噬菌斑，表明目标细菌已被新生成的噬菌体特异性裂解。
研究以 Phi X-174 噬菌体为设计蓝本，主要因其安全性高（仅靶向细菌）、基因组精简（约 5400 个碱基对）、含 11 个重叠编码区，且拥有长期详实的研究积累，十分适合作为全流程验证的基准系统。Evo 模型首先基于约 9 万亿核苷酸的广泛生物数据完成基础训练，随后针对微小病毒科进行精细化微调，使用了近 1.5 万个与 Phi X-174 高度同源的天然基因组作为专项训练集。值得注意的是，这 16 种 AI 设计噬菌体并非低效“勉强存活”，部分个体在竞争性生长实验及裂解动力学指标上已优于野生型 Phi X-174。进一步地，当研究人员将多种 AI 噬菌体混合传代时，其在 1–5 轮演化中便突破了三种原本对天然 Phi X-174 具抗性的大肠杆菌菌株，凸显该策略在应对细菌耐药进化方面的动态适应潜力，也为下一代精准噬菌体疗法提供了全新范式。
安全边界与治理挑战
然而，“人工设计”不等于“脱离自然”。牛津大学学者 Oliver Crook 指出，这些新型噬菌体虽在序列层面属原创，但整体架构与功能逻辑仍高度嵌入既有生物学框架，所依赖的仍是自然界早已存在的分子机制。今年 6 月一项独立复现分析亦证实：Evo 所优先打分的序列，普遍与已知天然病毒高度相似，说明当前模型实质是在自然演化可行域内加速探索，而非真正跳出生物物理约束另起炉灶。
为筑牢安全底线，研究团队在模型训练阶段主动剔除所有人类致病病毒及其动植物近缘种序列，实验全程采用非致病性 K-12 大肠杆菌株系，明确声明该版本 Evo 不具备生成人源病原体序列的能力。但这一防护机制高度依赖训练数据构成——若未来换用不同数据集，风险边界或将重构。约翰斯·霍普金斯大学健康安全中心研究员 Moritz Hanke 提出警示：下一代基因组模型可能被导向增强流感等高关注病原体的传播力或致病性。尽管美国政府已于 7 月底出台新规，禁止联邦资金支持旨在提升生物制剂危害性的研究，但对于一段完全新颖却未经自然选择检验的 AI 生成序列，监管机构尚缺乏统一的风险识别标准与评估工具。从数字序列到真实病原体之间，虽仍需跨越基因合成、载体组装、宿主适配及环境释放等多重技术门槛，但本次突破无疑提前将生物安全治理的焦点，从“能否造出来”转向“应否允许造、由谁来审、依何而判”的深层制度命题。
