AI第一次＂写出＂了完整病毒:斯坦福团队用 genome 语言模型造出16种能复制的噬菌体

一、从"设计零件"到"设计整机"，难在哪？

过去几年，AI设计生物分子的新闻屡见报端：设计一个蛋白质、一条启动子、一种基因编辑酶，都已实现。但这些本质上都是"零件"。

一个生命系统的功能，不是单个基因的产物，而是整个基因组编码的复杂相互作用。以病毒为例，完成一次感染需要宿主识别、DNA复制、蛋白表达时序、衣壳组装、基因组包装等十多个环节精密配合。更棘手的是，病毒基因组里大量基因是重叠排列的——一个核苷酸的改动，可能同时打乱两三个基因。

这就是为什么过去的病毒工程只能在天然基因组上做"局部装修"，没人敢从零画整张图纸。设计空间大到离谱：一个5000碱基的基因组，理论上有 4 的 5000 次方种写法——比宇宙原子总数还要多得多。

AI的出现，第一次让"整机设计"成为可能。

二、Evo：一个读过200万个病毒基因组的"母语者"

这项工作的核心武器，是斯坦福 Brian Hie 团队此前开发的基因组语言模型 Evo（包括 Evo 1 和 Evo 2 两代）。

语言模型的逻辑大家都熟悉：ChatGPT 读了海量文本，学会了"什么样的词后面跟什么样的词"。Evo 干的是同一件事，只不过语料换成了 DNA——它从超过200万个噬菌体基因组中学习生命序列的"语法"：哪些位点必须保守、哪些可以自由变化、哪些组合必须成对出现。

选好模板后，团队用 ΦX174噬菌体作为设计起点。这是生物学史上的"明星病毒"：感染大肠杆菌的单链DNA噬菌体，基因组只有5386个核苷酸、11个基因，每个基因的功能都被研究得清清楚楚——非常适合当"阅卷标准"。

研究人员又用14466条微病毒科序列对模型进行微调，让它专门掌握 ΦX174 家族的"方言"。然后，只需给模型一个基因组开头的短序列作为"提示词"，它就能自动续写出整套基因组。

三、70万次生成、285次合成、16个"活"的病毒

接下来的流程，像极了药物筛选：

1. 生成
   ：模型一口气产出约 70万个候选基因组；
2. 筛选
   ：用生物信息学规则层层过滤——长度不对的、结构不完整的、与天然序列过于雷同的、关键刺突蛋白明显异常的，统统淘汰；
3. 合成
   ：302个通过机选的候选中，化学合成了 285个，转入大肠杆菌；
4. 验证
   ：16个基因组成功"点亮"——它们感染细菌、形成噬菌斑、产生后代。成功率约5.6%。

别小看这个5.6%。团队算过一笔账：如果是随机突变，一个蛋白改动超过25个氨基酸的病毒，能活下来的概率几乎为零；而AI设计的候选中，改动超过25个氨基酸的约有四分之一是有功能的，甚至有两个改动超过50处。AI学到的是"约束"，不是乱改。

更有意思的是，这些噬菌体并非天然模板的复读机：

• 有的丢了一个蛋白，却用其他变化补偿了回来；
• 有的给自己"加装"了新基因；
• 冷冻电镜显示，明星选手 Evo-Φ36的衣壳竟然使用了来自进化距离很远的 G4 噬菌体的DNA包装蛋白——这种"跨物种混搭"，是天然进化中几乎不可能出现的组合。

四、实战检验：AI噬菌体"鸡尾酒"攻克耐药菌

设计出来只是第一步，好不好用才是关键。团队做了一个硬核实验：让大肠杆菌进化出对天然 ΦX174 的抗性，然后分别用"天然噬菌体鸡尾酒"和"AI噬菌体鸡尾酒"去对付它。

结果：天然组合败下阵来，AI组合迅速攻破了耐药菌。

原因不难理解——耐药菌封锁的是天然病毒的"套路"，而AI生成的噬菌体序列多样、组合新奇，细菌的防御系统根本没见过这些"陌生面孔"。

这指向一个巨大的应用场景：噬菌体疗法。在抗生素耐药日益严重的今天，用噬菌体精准杀灭致病菌是公认的后备方案，但天然噬菌体库有限、筛选慢。如果AI可以针对特定耐药菌"按需生成"噬菌体武器库，局面将完全不同。

五、硬币的另一面：当AI学会造病毒

这项研究的作者们自己也很清醒。论文和同期评论都明确讨论了生物安全问题：

• 生成式基因组技术是把双刃剑——能造噬菌体，理论上也能触及更危险的序列；
• 好消息是，现有基因合成的安全筛查框架经过调整，可以延伸到生成式基因组学；
• 模型层面也可以设防，比如把敏感病毒序列从训练数据中剔除；
• 团队呼吁：未来做全基因组设计的项目，应在全周期引入生物安全专业人士。

同期评论专家的话值得引用："问题已经不是这类技术会不会出现，而是社会能否建立有效的监督机制，让益处落地、让伤害被拦住。"

从读懂一段基因，到设计一个蛋白，
再到今天写出整套病毒基因组——
AI正在沿着"生命语言"的阶梯逐级而上。

生命的源代码，
第一次有了人类之外的"程序员"。