AI首次从零设计出完整病毒基因组：16个AI噬菌体成功杀菌，Science同期发文警示生物安全
2026年8月6日，顶级学术期刊《Science》发表了一项里程碑式研究：斯坦福大学助理教授、Arc Institute 创新研究员 Brian Hie 领导的团队，使用基因组语言模型 Evo1 和 Evo2，从零生成了完整的噬菌体（感染细菌的病毒）基因组。在实验室验证中，16个AI设计的噬菌体成功感染大肠杆菌并繁殖——这是人类历史上首次用AI设计出完整功能的病毒基因组。
从"读DNA"到"写DNA"
基因组语言模型的原理和大语言模型类似：后者在海量文本上学习语言的统计规律，前者则在数百万个基因组DNA序列上学习进化的"语法"。Evo1 和 Evo2 正是这样训练出来的——它们学会了DNA序列中哪些模式是进化允许的，哪些组合能产生有功能的生物体。
这次研究的突破在于：不是修改现有基因，也不是设计单个蛋白质，而是让AI从零"写"出包含数十个基因、数千碱基对的完整噬菌体基因组。曼彻斯特大学合成基因组学讲席教授 Patrick Cai 评价："这是AI首次从预测生物序列跨越到生成完整功能基因组。"
关键数据：数千候选，16个成功
研究团队用 Evo 模型生成了数千个候选噬菌体基因组序列，经过筛选后选取了近300个设计进行实验验证：
- 285个设计被成功合成并在大肠杆菌细胞中组装
- 16个产出了有活性的噬菌体，能够繁殖并杀死细菌
- 部分AI设计噬菌体在直接竞争实验中，杀菌效果优于天然噬菌体 phiX174
- AI噬菌体混合物对已对 phiX174 产生抗性的大肠杆菌株仍然有效，暗示了AI设计噬菌体疗法的潜力
成功率虽然不高，但考虑到这是从零设计完整基因组而非微调现有序列，这一结果已经足够令人振奋。庞培法布拉大学系统生物学教授 Jordi García Ojalvo 指出，这种低效率让人联想到山中伸弥的干细胞重编程——2012年获诺贝尔奖的工作，至今14年效率仍在逐步提升中。
为什么重要？
对抗抗生素耐药性的新路径。 全球抗生素耐药性问题日益严峻，噬菌体疗法被视为重要替代方案。但传统方法依赖从自然界"寻找"噬菌体（生物勘探），而这项研究证明：我们可以用AI"设计"噬菌体，针对特定耐药菌株定制治疗方案。
合成生物学的新范式。 庞培法布拉大学合成生物学教授 Marc Güell 指出："直到现在，我们能读DNA、能改写DNA，但不能生成全新的合成内容。AI让我们开始摆脱对生物勘探的依赖。"此前AI已经能设计单个蛋白质（合成结合蛋白、Cas9、转座酶等），而这次跨越到了设计包含十多个蛋白质的完整噬菌体。
生物安全：能力已到，治理未到
同一期《Science》配发了约翰霍普金斯大学 Thomas Inglesby 和 Moritz Hanke 的评论文章，标题直指核心："AI生成病毒基因组的能力已经存在，安全引导它的治理框架还没有。"
他们呼吁建立法律强制的合成基因材料订单筛查制度，而非依赖目前的自愿性安全措施。不过也有专家认为风险相对可控：巴塞罗那的 García Ojalvo 教授指出，设计出的基因组必须逐个在实验室验证，且效率很低，"很难想象这些模型能自动生成可用基因组"。
局限与展望
- 成功率低：数千候选中仅16个成功，大量生成序列可视为"模型幻觉"
- 不理解机制：模型能生成可行基因组，但不能解释为什么某些基因组可行而其他不行——理解仍是人类独有的能力
- 规模有限：目前仅针对较小的噬菌体基因组（数千碱基），扩展到更大更复杂的基因组仍是挑战
- 安全治理缺口：技术能力跑在了监管框架前面
这项研究为AI驱动的基因组设计打开了大门，同时也给生物安全政策敲响了警钟。正如研究者所言：能力已经到来，治理必须跟上。
---
基于 Science 论文及多家媒体转述整理。 论文原文：King, S. H. et al., "Generative design of bacteriophages with genome language models," *Science* 393, eaec2657 (2026). DOI: 10.1126/science.aec2657