AI 写出了一个完整的病毒基因组——16 个新噬菌体从零诞生，其中 3 个跑赢了自然进化

2026 年 8 月 6 日，《科学》（Science）发表了一项没有先例的研究：斯坦福大学与 Arc 研究所的团队使用 AI 基因组语言模型 Evo，从零设计出了 16 种自然界中从未存在过的功能性噬菌体，其中 3 个变体的感染效率跑赢了天然亲本病毒。更关键的是，这 16 种新噬菌体的混合"鸡尾酒"击穿了两株大肠杆菌已经进化出的耐药性——而天然 ΦX174 噬菌体对此束手无策。

这是生成式 AI 首次完成可复制完整基因组的设计。但同期《科学》配发的一篇评论也发出了一个无法回避的警告："用生成式 AI 组合病毒基因组的能力已经存在；安全引导这项能力的治理体系还没有。"

论文标题： Generative design of bacteriophages with genome language models
论文链接： https://www.science.org/doi/10.1126/science.aec2657
开源地址： Evo 2 已开源（Arc Institute / Stanford）
核心成绩： 首次使用 AI 基因组语言模型从零设计出 16 种功能性噬菌体，其中 3 种性能超越天然病毒，混合制剂可突破大肠杆菌已进化的耐药性。

数千个候选，16 个活了下来

这项研究的核心工具是 Evo 1 和 Evo 2——斯坦福团队此前开发的两个基因组语言模型。与 ChatGPT 预测下一个词的方式类似，Evo 模型学习的是 DNA 序列的"语法"：它在来自病毒、细菌、植物和人类的数百万个基因组序列上训练，学会了区分哪些序列组合在生物学上是可行的。

团队选择了一个已被充分研究的实验对象：ΦX174 噬菌体——一种专门感染大肠杆菌的病毒，完整基因组不到 6,000 个碱基对，已被安全研究了数十年。论文第一作者 Samuel King 是 Brian Hie 实验室的博士生，他构建了一套计算框架来驾驭 Evo 2 的生成能力。

设计的起点是提取所有 ΦX174 噬菌体在训练数据中共有的"共识序列"作为模板。Evo 2 随后在约束条件下生成完整基因组——从第一个核苷酸到最后一个，一次从左到右的通路完成。"我们没有添加任何东西，"Hie 说。模型共生成了数千个候选基因组。

真正的瓶颈不在生成，而在筛选与验证。DNA 合成的成本仍然很高。King 的框架从数千个候选中挑出了约 300 个最可能成功的方案，在实验室中化学合成并导入大肠杆菌。最终，16 个证明了自身的功能——能够成功感染大肠杆菌并复制。

"我们是在凌晨看到结果的，"King 回忆。培养皿上覆盖着一层细菌，新病毒的感染会在菌层上留下透明的空洞。"我们开始看到这些清晰的斑点，那一刻极其令人兴奋。"当结果分享给整个团队时，Hie 说："实验室里自发地响起了掌声。"

三个变体跑赢了自然进化

这 16 个 AI 设计的噬菌体不是对天然 ΦX174 的简单复制。它们的基因组序列与自然界中任何已知病毒都截然不同。

在实验室适应度测试中，3 个变体表现出了高于天然亲本 ΦX174 的感染效率。冷冻电镜（Cryo-EM）进一步揭示了一个意外：其中一个 AI 设计的噬菌体，在其衣壳中使用了一种"进化上远离"天然 ΦX174 的 DNA 包装蛋白——这意味着 AI 促成的变化，可能需要数百万年自然演化才能显现。

但论文中最有临床潜力的发现来自混合实验。研究人员将多种 AI 设计的噬菌体配制成鸡尾酒，攻击两株已经对天然 ΦX174 产生耐药性的大肠杆菌。结果：混合制剂迅速克服了耐药性。

"如果在论文中只展示了一点——那就是我们证明，这 16 个噬菌体的鸡尾酒能够快速克服对天然 ΦX174 免疫的大肠杆菌的耐药性，"Hie 在斯坦福新闻稿中说。作为对比，一组"由天然来源噬菌体组成的可比混合物"无法做到这一点。论文作者由此提出，这项技术为"生成具有适应性和韧性的噬菌体疗法以应对快速进化的病原体"铺平了道路。

当抗生素失效，噬菌体是另一条路

当细菌进化出对抗生素的免疫力，曾经可以治愈的感染——如某些大肠杆菌引发的血液感染——会重新变得致命。抗生素耐药性被科学界视为最紧迫的公共卫生挑战之一，而噬菌体疗法正是被寄予厚望的替代方案。

噬菌体疗法本身不是新概念。早在抗生素被发现之前，科学家就用过专门感染细菌的病毒来治疗。但传统噬菌体疗法有一个根本缺陷：细菌同样会对噬菌体进化出耐药性。"如果细菌对单一噬菌体产生耐药性，药物就失效了，"Hie 说。"但如果你的混合剂中有多个在基因上彼此不同的噬菌体，细菌就很难对整个鸡尾酒都产生耐药性。"

这正是 AI 设计带来优势的地方。传统噬菌体工程一次只能修改一个基因，效率低下。而 Evo 2 可以一次性生成数百个基因上完全不同但功能完整的噬菌体基因组。

曼彻斯特生物技术研究所合成基因组学主席 Patrick Cai 称这项研究是"一个重要里程碑"："其意义远不止于噬菌体——它表明基因组语言模型正在开始学习演化编码的设计原理，为 AI 辅助基因组编写打开了大门。"

治理没跟上能力

同期《科学》评论由约翰·霍普金斯大学健康安全中心的 Thomas Inglesby 和 Moritz Hanke 撰写。核心判断浓缩为一句话："The ability to compose viral genomes using generative AI now exists; the governance to safely steer it does not."

两位作者划定了一条明确的红线：能够感染真核生物（包括人类、动物和植物）的病原体"不应被尝试"。原因很直接——"此类基因组可能编码出能够以现有对策无法遏制的方式感染人类、动物或植物的新病原体。"

研究人员自身确实采取了多项安全措施：从训练数据和设计约束中排除能够感染复杂生物的病毒序列，研究对象仅限于细菌感染性噬菌体，所有实验室工作在安全设施中完成。Hie 认为，现有防护措施"在确保技术被用于善意方面已经走了很长的路"。

但独立专家的反应显示出更复杂的判断。英国雷丁大学细胞微生物学副教授 Simon Clarke 称这项研究是"一篇非常重要的论文，有出色的数据支撑"，但他随即补充："虽然这些科学家展示了进一步的克制并提供了重要的护栏，但不能保证每一个尝试做类似事情的其他科学家都会如此谨慎。"

巴塞罗那庞培法布拉大学系统生物学教授 Jordi García Ojalvo 通过科学媒体中心评论说，这项研究的生物安全风险低于其他一些 AI 工具——因为生成后的基因组仍需逐个在实验室测试，且成功率极低。"很难想象这些模型能'开箱即用'地自动生成有活力的基因组。"

但同样来自庞培法布拉大学的合成生物学教授 Marc Güell 给出了更宏观的判断：这是"一个非常重要的转折点"，因为"历史上第一次，我们开始在计算机上设计生物学"。

开源之后，下一个问题是可控

Evo 2 是开源的。任何人现在都可以下载这个模型，设计自己的新基因组。Hie 对此的解释是：开放获取对加速研究和产生实际成果至关重要。他还提出，AI 工具其实为人类提供了对抗自然大流行病的有力优势，以及针对人造生物威胁的改进防御选项。

但这项研究也暴露了一个基本张力：当设计完整病毒基因组的能力以开源形式向外扩散时，现有的治理框架仍主要针对物理实验室——针对病原体本身——而非针对能够在计算机上生成病毒蓝图的语言模型。正如 Inglesby 和 Hanke 在评论中所写："问题不再是生成式病毒基因组设计是否会存在，而是社会能否建立起这样的监督——既能允许其益处展开，又能防止它造成严重伤害。"

Hie 对 BBC 说："这是生成式 AI 可设计复杂性的一个进阶——这是生成式 AI 首次被用来设计完整的基因组，一种能够在细胞内复制并执行其他功能的东西……这对我们来说是全新的领域。"

论文发表后，他已经开始思考两个关键问题："如何获得更大的基因新颖性？如何获得对结果更强的可控性？"团队正在将 Evo 2 推向更长、更复杂的 DNA 序列——可能是小型细菌基因组——目标之一是设计出能够生产有用化学品、药物或燃料的工程微生物。

这项研究由 Arc 研究所、美国国家科学基金会、Knight-Hennessy 研究生奖学金基金、Fannie and John Hertz 基金会以及斯坦福人本 AI 研究所资助。共同作者还包括 Stanford 研究生 Claudia L. Driscoll、David B. Li、Daniel Guo、Aditi T. Merchant、Garyk Brixi，以及 Broad 研究所和纪念斯隆·凯特琳癌症中心的 Max E. Wilkinson。

参考链接

1. Science — Generative design of bacteriophages with genome language models（King, S. H. et al., 2026 年 8 月 6 日）
2. Science — AI-designed viral genomes（同期评论）（Inglesby, T. V. & Hanke, M. S., 2026 年 8 月 6 日）
3. Stanford News / EurekAlert — AI designs a novel E. coli killer（2026 年 8 月 6 日）
4. CNN — AI creates 16 new viruses from scratch, showing promise for drug resistance and drawing warnings（Deidre McPhillips, 2026 年 8 月 6 日）
5. Scripps News — AI creates 16 new viruses from scratch（Deidre McPhillips, 2026 年 8 月 7 日）
6. BBC / Yahoo News — Artificial Intelligence used to design brand new viruses（James Gallagher, 2026 年 8 月 6 日）
7. C&EN — AI program designs new bacteriophages（2026 年 8 月 6 日）
8. University of Reading — Expert comment on generative design of bacteriophages（Dr. Simon Clarke, 2026 年 8 月 6 日）
9. PubMed — Generative design of bacteriophages with genome language models（摘要）