AI 首次从零写出完整病毒基因组：16 种全新噬菌体在实验室活了过来

Brian Hie 与 Aditi Merchant 查看 Evo 2 生成的蛋白质结构。图片来源：Andrew Brodhead / Stanford University

2026 年 8 月 6 日，一个 AI 模型写出了 16 个自然界中从未存在过的病毒基因组，研究人员在实验室里将这些设计变成 DNA，放进大肠杆菌，看着它们在培养皿里制造出一片片空洞。这是 AI 系统首次创造出全新的功能性病毒。

这项研究发表在《科学》期刊上，来自斯坦福大学和 Arc Institute 的团队首次证明：生成式 AI 有能力从零设计出完整的、能自我复制并杀死细菌的功能性病毒。此前，AI 能设计单个蛋白质或基因片段，但设计一整套能运转的基因组仍是未竟之事——目标噬菌体 ΦX174 仅有 11 个基因、约 5400 个核苷酸，但哪怕一个核苷酸放错，整个基因组就可能失效。

"700,000 个设计，16 个活了下来"

研究团队使用的 AI 模型名叫 Evo 2，由斯坦福大学化学工程助理教授 Brian Hie 主导开发。它属于"基因组语言模型"，工作原理与 ChatGPT 这类大语言模型相似，只不过它预测的不是下一个词，而是 DNA 序列中的下一个核苷酸。

研究人员给了 Evo 2 一个明确的任务：以 ΦX174 噬菌体为参照，设计出能够感染并杀死大肠杆菌的全新噬菌体基因组。ΦX174（读作"fai-ex-1-7-4"）是科学界研究最透彻的噬菌体之一，基因组仅有约 5400 个核苷酸、11 个基因，却足以致命地攻击大肠杆菌。

Evo 2 生成了大约 70 万个候选基因组。研究团队中的博士生 Samuel H. King 开发了一套计算框架来筛掉绝大多数。他在斯坦福大学的新闻稿中解释，这套框架涉及几个关键步骤：用 Evo 2 生成基因组、根据设计标准评估选项、选出最优候选、化学合成、然后在实验室测试哪些能真正工作。合成 DNA 的成本仍然很高，Hie 说，"Samuel 的框架帮我们把焦点锁定在最有可能成功的那一小部分上。"

最终，他们化学合成了约 300 个 AI 设计的基因组，将其植入大肠杆菌。其中 16 个成功地复制了自己，产生出具有感染力的子代噬菌体。有些设计甚至比天然的 ΦX174 复制得更快、杀菌效率更高。

King 回忆起第一次看到培养皿中出现透明斑点的时刻。那些清亮的小圈意味着噬菌体正在吞噬细菌。发现是在凌晨。"我们开始看到那些清亮的斑点，那种兴奋简直无法形容。"Hie 补充说，当结果分享给整个团队时，"房间里自发地爆发出掌声。"

"9 万亿个核苷酸，教会了 AI 一种新语言"

Evo 2 的能力来自两阶段训练。

第一阶段，模型从大约 9 万亿个核苷酸中学习。这些 DNA 数据来自数以百万计的物种，包括动物、植物、微生物和病毒。在这个阶段，Evo 2 学会了"进化的语法"：基因序列中哪些模式被自然选择反复保留，哪些组合在生物学上是合理的，哪些纯属噪声。

"可能的核苷酸组合数量是天文数字，"Hie 在接受 C&EN 采访时解释，"但只有一小部分序列在生物学上是可行的，或者说能够融入生物世界。"

第二阶段，模型在 ΦX174 噬菌体家族上进行了精调。训练数据包含大约 15000 个近亲属物种的基因组，外加 ΦX174 自身的 11 个基因。就像 LLM 在特定语料上微调后能模仿某种文风，Evo 2 在噬菌体数据上精调后，学会了"写"噬菌体基因组。

但写出来的基因组能不能用，取决于每一个核苷酸对不对。Hie 的要求是"端到端、从左到右一次性生成完整基因组，不加任何人工干预"。Evo 2 做到了。

牛津大学的蛋白质化学家 Oliver Crook 提醒说不要过度解读。他在接受采访时指出，这些 AI 设计的病毒与天然物种非常相似，依赖的是同样的生物学机制。"AI 并没有发明什么根本性的新东西。它是否能对其他病毒家族同样有效，仍然是一个开放的问题。"

"我们没有往里面加任何东西，包括人类病毒的数据"

论文的 8 位作者中，除了 Hie 和 King，还包括斯坦福的研究生 Claudia L. Driscoll、David B. Li、Daniel Guo、Aditi T. Merchant、Garyk Brixi，以及来自 Broad Institute 和纪念斯隆-凯特琳癌症中心的 Max E. Wilkinson。Arc Institute 是一个位于加州 Palo Alto 的非营利研究机构，以支持"高风险、高回报"项目著称。

项目资金来自 Arc Institute、美国国家科学基金会、Knight-Hennessy 研究生奖学金、Fannie and John Hertz 基金会，以及斯坦福以人为本 AI 研究院（Stanford HAI）。

比资金更值得关注的是团队主动采取的安全措施。他们在训练 Evo 2 时，故意排除了所有能感染人类、动物、植物和真菌的病毒数据。这意味着模型从根本上就不具备生成人类病原体基因组的能力。"我们只是想格外小心，"Hie 在接受采访时说。

这些措施完全出于自愿。没有任何法律或监管规定要求他们这样做。

此外，实验全程在安全的实验室中进行，操作对象仅限于噬菌体。这类病毒只感染细菌，对人体无害。研究团队还将 Evo 2 以开源形式公开发布。Hie 的理由是，开放获取可以加速医学研究和实际应用。他认为现有的自然病原体比任何 AI 设计更危险，因为它们更容易获取和制造，并且不像 AI 那样可以在过程中内建安全检查。

"生成病毒基因组的能力已经存在，安全治理还没有"

这种乐观评估并非人人都买账。

在《科学》期刊随论文一并发表的评论文章中，约翰·霍普金斯大学健康安全中心的 Thomas Inglesby 和 Moritz Hanke 写下了措辞严厉的警告。他们指出，这项研究提出了"紧迫的生物安全和生物安保问题"。团队排除人类病毒数据的做法是"值得赞扬的"，但"可以通过在病原体数据上进行精调来部分绕过"。

"问题已经不再是生成式病毒基因组设计会不会存在，"他们写道，"而是社会能否建立监管，使其益处得以发挥，同时防止它造成严重伤害。"

最令人不安的，是监管的时间线。

2026 年 7 月底，美国国立卫生研究院（NIH）发布了一项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。但政策明确表示，纯粹的计算工作不在管控范围内，"除非涉及受关注实体"。换句话说，在电脑上设计病毒 DNA，不在 NIH 新政策的覆盖范围内。

NIH 的政策在论文发表的不到一周前出台，但完全不覆盖这项研究中最关键的环节：用 AI 设计病毒基因组。

Hanke 在接受《纽约时报》采访时直言，科学进步的速度与监管之间的"脱节是巨大的"。"因为他们从任何地方都得不到关于该做什么不该做什么的指导。"他构想了一种滥用场景："你可以说，'嘿，基因组语言模型，给我做一个流感病毒基因组，让它更容易传播，或者更致命。'"

庞培法布拉大学合成生物学实验室的 Marc Güell 教授称这项研究是"一个非常重要的转折点"，因为"人类历史上第一次，我们开始在计算机上设计生物学"。曼彻斯特大学的合成生物学家 Patrick Cai则称之为"重要的里程碑"。他认为意义远不止噬菌体，"它表明基因组语言模型正在开始学习进化编码的设计原理，为 AI 辅助的基因组编写打开了大门。"

16 个噬菌体之后

斯坦福团队计划继续推进这项技术，下一步可能尝试设计更长、更复杂的 DNA 序列，甚至是小型细菌的基因组，以制造能生产有用化学物质、药物和燃料的工程微生物。Hie 列出了两个最核心的开放问题："如何获得更大的基因新颖性，以及如何对结果施加更强的控制。"

但眼前真正的问题比这更直接。

这 16 个噬菌体之所以没有危险，是因为一群在 Palo Alto 的研究人员自己决定要小心。排除人类病毒数据、只做噬菌体、在安全实验室操作——这些安全护栏全部是自愿的。他们还可以选择不做这些。下一间实验室也可以选择不做这些。

AI 写出了一个自然的副本，展示了它理解进化语言的能力。但写出副本的能力与写出毁灭性武器的能力，在底层技术上是同一件事。

"生成病毒基因组的能力已经存在，"Inglesby 和 Hanke 在评论中写道，"安全引导它的治理还没有。"

参考链接

• Scientists Used AI to Create 16 New Viruses — Wired
• Generative design of bacteriophages with genome language models — Science
• Artificial Intelligence used to design brand new viruses — BBC
• AI creates 16 new viruses from scratch — CNN
• This A.I. Just Created Viruses Not Found in Nature — The New York Times
• Safety fears as scientists make first viruses designed by AI — The Guardian
• Stanford researchers create viruses not found in nature — ABC News
• AI program designs new bacteriophages — C&EN
• AI just created a virus not found in nature, and scientists are worried — Scientific American
• AI designs a novel E. coli killer — Stanford Report (via EurekAlert)
• Stanford and Arc Institute scientists used AI to design new viruses — The Decoder