AREX Feed Article
Evo 基因组语言模型首次从零设计完整噬菌体：16 种 AI 病毒杀死细菌，部分快过天然株
2026 年 8 月 6 日，斯坦福大学与 Arc 研究所的研究团队在《Science》发表了一项没有先例的实验结果：他们让 AI 从零写出完整的病毒基因组，然后在实验室里把这些「数字蓝图」合成为真正的病毒——其中 16 个成功复制并杀死了培养皿中的大肠杆菌。这不是改进自然的噬菌体，而是自然界从未出现过的全新基因组。部分 AI 设计的病毒复制速度甚至超过了它们的天然「模板」φX174。
论文通讯作者、斯坦福大学计算生物学家 Brian Hie 描述了整个过程的核心：「我们让模型在一次从左到右的生成中端到端地写出整个基因组，没有添加任何东西。」
Brian Hie（中）与 Aditi Merchant 查看 Evo 2 模型生成的蛋白质结构。来源：Stanford University / Andrew Brodhead，引自 ABC News。
论文信息
论文标题：Generative design of bacteriophages with genome language models
论文链接：
开源地址：
核心成绩：首次使用基因组语言模型 Evo 1 和 Evo 2 从零设计出完整、功能性噬菌体基因组，285 个合成设计中 16 个在实验室成功复制并杀死宿主细菌。
从 9 万亿核苷酸中学会基因组「语法」
Evo 系列模型的工作原理与大语言模型类似，只不过它预测的不是下一个词，而是基因组序列中的下一个核苷酸。Evo 2 的训练数据跨越了整个生命之树——约 9 万亿个 DNA 碱基对，来自数百万种动物、植物、微生物和病毒的基因组。
但要让模型精准生成 φX174 风格的噬菌体基因组，仅靠基础训练远远不够。研究团队采用了有监督微调（supervised fine-tuning）：在 14,466 条经 99% 同一性聚类去重后的 Microviridae 科病毒序列上继续训练 Evo 模型，使其专门学习与 φX174 密切相关的序列变异模式。这一步还使得模型能够直接接受「序列提示」（prompt）来定向生成 φX174 类基因组。研究第一作者、博士生 Samuel King 将这一步称为「显而易见的下一步」。
一个被低估的难题是基因注释。φX174 仅有 5,386 个核苷酸、11 个基因，但由于其基因组中存在大量重叠阅读框，标准基因预测工具最多只能识别其中 7 个基因。团队不得不自己动手，开发了结合开放阅读框扫描与噬菌体蛋白数据库同源搜索的定制注释管线，最终成功识别了全部 11 个基因（部分预测了基因 A*）。这套工具后来成为筛选数千条生成序列的关键质量关卡：团队要求每条候选基因组至少预测到 7 个与天然 φX174 蛋白匹配的命中，以确保其保留了噬菌体功能所需的基本基因工具包。
经过微调和筛选，Evo 提出了约 700,000 个候选基因组方案。团队没有全部测试，而是用一套严格的筛选标准——序列质量、宿主特异性（要求保留与 φX174 相似的刺突蛋白以维持对大肠杆菌 C 株的感染能力）、进化多样性——从中挑出了最有希望的 285 个设计进行化学合成。
285 个设计中诞生 16 种功能性噬菌体，部分跑赢天然株
合成的 285 条 DNA 通过 Gibson 组装法拼接后，被转化到感受态大肠杆菌 C 中。团队开发了一套基于 φX174 裂解周期的生长抑制检测法，在 96 孔板中监测菌液 OD₆₀₀ 的变化——真正的噬菌体会在 2-3 小时内让细菌浑浊度急剧下降。
最终，16 个候选设计导致生长抑制并完成了序列验证，成功率约 5.6%。每一个设计都是一条从零写出的、长达数千碱基的完整基因组——其中任何一个核苷酸出错都可能导致整个病毒无法组装。曼彻斯特大学合成生物学家 Patrick Cai 将这项工作称为「合成基因组学的重要里程碑」，并指出「AI 正在从预测生物序列迈向生成在实验室中真正可用的完整功能基因组」。
这些 AI 设计的病毒并非天然 φX174 的拙劣仿制品。牛津大学蛋白质化学家 Oliver Crook（未参与研究）表示：「它们不只是已有东西的病弱版本。」 事实上，部分 AI 设计的噬菌体复制速度超过了天然 φX174。另外，16 种功能性噬菌体全部展现了对大肠杆菌 C 和近缘株大肠杆菌 W 的严格宿主特异性，在另外 6 种受试菌株上完全无法生长——这意味着 AI 在学习「写基因组」的同时，也保留了控制宿主范围的精确能力。
每个功能性基因组与其最近缘天然基因组之间携带了 67 至 392 个全新突变。其中，Evo-Φ2147 携带 392 个突变，与噬菌体 NC51 的平均核苷酸同一性仅为 93.0%，按照某些分类学标准已足以被划为一个新物种。13 个基因组中包含的突变在任何已知天然序列中都找不到——Evo 用到了自然进化从未探索过的序列空间。
庞培法布拉大学系统生物学教授 Jordi García Ojalvo 在肯定突破的同时指出了效率问题：「在数千个生成基因组中，只有 16 个产生了活病毒——可以说其余都是模型的『幻觉』。」他将其与山中伸弥的干细胞重编程相比较：2006 年这项后来获得诺贝尔奖的工作效率同样极低，14 年后改善依然有限。「效率能否实现质的飞跃，尚不确定，因为这些基因组语言模型可用的数据是（也将继续是）有限的。」
AI 设计的噬菌体攻克了天然病毒无法战胜的耐药菌
这 16 种噬菌体的关键测试发生在细菌进化出耐药性之后。
研究团队通过实验室进化培育了 3 株对 φX174 耐药的大肠杆菌。这些耐药菌在 waa 操纵子中积累了突变——该操纵子负责修饰细菌表面受体，让天然 φX174 无法再识别和附着。
但 AI 设计的噬菌体鸡尾酒（cocktail）在全部 3 株耐药菌上奏效了：在 1 至 5 代传代内，噬菌体恢复了杀伤能力，而单独的天然 φX174 则彻底失败。序列分析揭示了原因：成功突破耐药性的噬菌体是「嵌合基因组」——由 2 至 3 个不同 AI 设计的基因组通过重组拼接而成，突变集中在与细菌受体互作的表面暴露区域。AI 生成的设计多样性为病毒提供了多条进化路径来绕过细菌的防御。
新西兰怀卡托大学噬菌体治疗研究组负责人 Simon Jackson 评价道：「AI 方法在克服细菌耐药性方面似乎比通常的『鸡尾酒』策略有效得多。」 梅西大学教授 Jasna Rakonjac 进一步指出：「生成式 AI 的优势在于，它比自然条件下可能发生的重组和进化更有效地获取生物学解决方案——因为在自然条件下，噬菌体及其基因的有用变体可能因地理或时间距离太远而无法相遇。」
另一个难以忽视的发现来自 Evo-Φ36。这个 AI 设计的噬菌体成功整合了远缘噬菌体 G4 的 DNA 包装蛋白 J，而此前的人类理性工程尝试——试图将 G4 的 J 蛋白（25 个氨基酸，比 φX174 的 38 个氨基酸更短）装入 φX174 衣壳——全部失败了。团队通过冷冻电镜（cryo-EM）揭示了原因：较短的 G4 J 蛋白在衣壳结构内采取了不同的取向，AI 同时协调了多个代偿性突变，使这种新型蛋白组合得以运作。
监管框架落后于科研速度：「我没见过的东西，风险是什么？」
在研究推进的同时，一个已经存在的监管盲区变得更加显眼。
2026 年 7 月底，美国国立卫生研究院（NIH）发布了关于高风险生命科学研究的政策，禁止使病原体变得更危险的实验。但纯计算工作——即在计算机上设计病毒 DNA——不在覆盖范围之内，「除非涉及受关注实体」。约翰斯·霍普金斯大学健康安全中心的 Moritz Hanke 直指问题的核心：「对于我从未见过的东西，风险是什么？」他描述了这样一个滥用场景：「你可以说，『嘿，基因组语言模型，给我造一个流感基因组，让它更具传播性、更致命。』」
Hanke 与同中心的 Thomas Inglesby 在《Science》同期发表了一篇观点文章。他们在文中写道：「使用生成式 AI 撰写病毒基因组的能力已经存在；安全驾驭它的治理体系还不存在。」 他们同时提出了一个根本性的框架问题：「问题不再是生成式病毒基因组设计是否会出现，而是社会能否建立既能释放其益处、又能阻止其造成严重伤害的监管。」
研究团队自己设置的安全措施超出了任何官方要求。Evo 的训练数据中刻意排除了所有能感染人类的病毒，以及来自动物、植物和真菌的相关病原体。这意味着模型从根本上就无法生成这些基因组。Brian Hie 说：「我们只是想格外小心。」Hanke 称这一做法「相当值得赞赏」，恰恰因为「没有任何地方告诉他们应该怎么做。」
庞培法布拉大学转化合成生物学研究组协调人 Marc Güell 认为，目前的实际风险低于传统大语言模型：「设计的基因组必须一个一个在实验室中测试，正如论文所做的那样，而效率又很低。很难想象这些模型能『开箱即用』地自动生成活病毒。」但他同时强调，这项研究标志着生物学能力的一个转折点：「有史以来第一次，我们开始在计算机上设计生物学。在此之前，我们能读、能重写，但无法生成新的合成内容。」
研究团队在论文中明确建议：「未来从事全基因组设计工作的团队应在整个项目生命周期中咨询安全和安保专业人员。」他们认为现有的安全框架可以适配生成式基因组学，而模型层面的保护——例如从训练数据中排除敏感病毒序列——可以提供额外的风险缓解层。
Hanke 点出的核心矛盾仍然存在：科研在以模型迭代的速度前进，而规则还在用行政流程的节奏追赶。Hanke 将这种状态称为「巨大的脱节」。
参考链接
- *