ARTICLE · 1229553

【前沿进展】全球首次!AI设计的噬菌体,注射到人体内,治疗耐药菌感染

发布时间：2026-10-22 17:34:42 最近访问：2026-10-22 17:34:27

关注我们，获取更多相关资讯

抗生素彻底改变了医学，使过去致命的细菌感染变得可以常规治疗。但细菌会不断进化，通过突变和获得耐药基因而产生抗药性。多重耐药细菌正日益削弱抗生素的效果。2021 年，全球约有 470 万人的死亡与抗生素耐药性相关。预计在 2025-2050 年间，因抗生素耐药导致的死亡人数将接近 4000 万。

当抗生素失效时，噬菌体疗法提供了一种有前景的替代方案，但寻找能够靶向患者细菌感染的噬菌体，仍是一项重大挑战。

2026 年 10 月 20 日，AI 公司 Radical Numerics 推出了多模态基因组语言模型——Omnii-1，这是一款可跨 DNA、RNA、蛋白质及其他分子数据进行学习的生物学 AI 模型。他们利用该模型设计了一种噬菌体，并将其通过同情用药方式用于一名耐药性细菌感染的人类患者，这是全球首次将 AI 设计的噬菌体应用于人类患者，也标志着迈向针对耐药感染的个性化、AI 设计疗法的重要里程碑。

噬菌体疗法的原理看起来并不复杂：找到能够杀死感染患者的细菌的噬菌体，并将其作为治疗手段。由于噬菌体只感染细菌而不感染人体细胞，因此噬菌体疗法通常被认为是安全的。与广谱抗生素不同，噬菌体能以极高的特异性靶向特定细菌，从而保护肠道中有助于消化的有益菌群。这种特异性既是噬菌体疗法的希望所在，也是其面临的挑战——治疗可以高度精准，但必须为每种感染找到或设计合适的噬菌体。

裂解性噬菌体的生命周期。噬菌体附着在细菌上，将其 DNA（橙色）注入细菌内，并产生新的噬菌体，当细菌细胞破裂时，这些噬菌体释放出来，并继续感染细菌。

目前，个性化噬菌体疗法在很大程度上依赖于经验性筛选，因为许多临床相关病原体所涉及的噬菌体-宿主特异性生物学机制尚未完全明确。研究人员从患者感染部位采集细菌样本，然后在现有的噬菌体库中筛选有效的候选噬菌体；若无合适者，则会进一步从其他噬菌体库、环境样本中寻找，或通过基因工程手段进行设计。对于感染严重且治疗选择所剩无几的患者而言，这些延误可能危及生命。因此，人类需要高效的方法，为那些已没有时间等待的患者开发个性化的噬菌体疗法。

Radical Numerics 公司的目标是利用人工智能（AI）来理解并改造生物学，从而推动新型治疗方案的设计。为了弥补有效噬菌体疗法方面的不足，研究团队训练了一种多模态基因组语言模型——Omnii-1，以帮助识别和设计靶向特定细菌菌株的噬菌体，从而为那些感染已无其他有效治疗手段的耐药菌的患者开发合适的噬菌体疗法。

Omnii-1 在多种基因组序列和多组学数据上进行预训练，随后进一步在噬菌体基因组上训练，以使其知识适应这些生物学系统。需要指出的是，Omnii-1 并非从零开始设计出一个地球上不存在的全新病毒，而是在大肠杆菌 T7 噬菌体的基础上进行设计，主要重新设计其 gp17 蛋白，即 T7 噬菌体的受体结合尾丝蛋白。该蛋白相当于噬菌体的“抓手”，通过抓住细菌表面受体来帮助入侵。

为了在保持噬菌体存活能力的同时实现特定生物学功能的改造，Omnii-1 能够根据所选设计区域两侧的上下文信息生成 DNA 序列，并考虑其周围基因组序列的影响。在通过噬菌体-细菌互作数据，预测哪些变体可能对目标细菌有活性，最后，通过 DNA 合成、重装噬菌体并进行湿实验验证。

个性化噬菌体疗法开发流程

在实验室测试中，含有 Omnii-1 设计的噬菌体变体的混合物在体外成功清除了一名人类患者感染的耐抗生素菌株。随后，该噬菌体混合物通过由医生主导的同情用药途径应用于该患者的临床治疗。

同情用药途径允许患有严重疾病的患者在缺乏满意替代疗法的情况下，于临床试验之外接受实验性治疗，但需遵守相关政府监管机构制定的监督和安全要求。为保护患者隐私，Radical Numerics 公司并未披露其临床病程或治疗结果的具体细节。此外，这项研究性疗法尚未获得监管机构批准用于更广泛的临床应用，且单一患者的观察结果也无法确定其普遍的安全性或有效性。

从AI设计到临床应用，Omnii-1 设计的噬菌体成功用于人类患者治疗，标志着 AI 设计生物学从计算预测和实验室验证迈向临床应用的重要里程碑。要让更多患者获得个性化的噬菌体治疗，需要一种可靠且可扩展的方法。每种新的细菌感染都带来独特的挑战，要求我们对噬菌体生物学有更深入的理解，并采用更精准的噬菌体工程手段。

Radical Numerics 公司表示，公司的目标是建立一套系统化流程，针对个体细菌感染来设计噬菌体，更精确的噬菌体-宿主相互作用模型有助于识别有潜力的起始噬菌体，并指导设计靶向特定细菌菌株；而更高效的实验流程则可用于验证设计方案、发现新的生物学现象，并为后续研究提供依据。除了治疗应用之外，公司还对揭示噬菌体生物学的基本原理，并将这些认识转化为更精确的基因组设计充满期待。

Radical Numerics 是一家致力于构建通用生物学智能的 AI 研究实验室，旨在开发能够理解、预测并设计生命分子系统的 AI。具体方向包括生成式多组学模型、AI 辅助血液诊断癌症、AI 辅助罕见病诊断、AI 设计癌症疫苗、AI 设计噬菌体疗法、AI 设计抗体、AI 设计分离稀土元素的蛋白质、AI 生物防御等。

该公司由生物学 AI 模型 Evo 和 Evo2 开发团队的核心成员创立，专注于前沿的生物学 AI 模型研发，并肩负双重使命——推动生物学智能的发展，同时加强保护其安全所需的生物安全措施。2026 年 6 月 15 日，该公司宣布完成 5000 万美元种子轮融资‌。