美国科学家用 AI 制造了 16 种病毒

AI 居然可以造出自然界原本不存在的病毒？

近日，美国斯坦福大学在 Science 发表研究，利用 AI 设计出病毒基因组，并在实验室中将这些 DNA 合成出来。

最终，16 个 AI 设计的基因组成功变成能够感染、复制并杀死细菌的噬菌体。

这是全球首次由 AI 设计出可存活的完整病毒基因组。不过，目前这些噬菌体只感染细菌，不具备感染人类的能力。

AI 是怎么「制造」出病毒的？

研究使用 Evo 1 和 Evo 2 两个基因组语言模型，可以简单理解为「DNA 版的大语言模型」。

就像 ChatGPT 从海量文本中学习语言规律，Evo 学习的则是由 A、T、C、G 组成的海量基因组序列。其中，Evo 2 的训练数据约包含 9 万亿个 DNA 碱基。

简单说，就是让 AI 阅读海量 DNA 序列，从中学习基因组是如何「写」出来的。

接下来，研究团队选择大肠杆菌噬菌体 ΦX174 作为设计参照。

这种病毒的基因组很小，只有 5386 个碱基、11 个基因，是结构相对简单的病毒之一。

因此很适合用来验证一个问题，AI 能不能从头设计出一套完整、能够正常运行的病毒基因组？

ΦX174 在基因组学史上也很特殊。1977 年，它成为第一个被完整测序的基因组；2003 年，又成为第一个被化学方法完整合成的基因组。

随后，AI 开始批量生成完整的候选基因组。

但电脑里生成一串 DNA，不意味着它真的能够变成病毒。

研究团队先进行计算筛选，再从大量结果中挑出 285 条候选基因组进行实验。

他们把这些 DNA 化学合成后导入大肠杆菌，如果基因组能够正常工作，细菌就会读取其中的遗传信息，制造出新的病毒颗粒。

结果，285 个候选中，有 16 个成功复制，抑制了大肠杆菌生长。

图源：Science

而且，这些病毒不是天然 ΦX174 的简单复制品。

与最接近的天然噬菌体相比，它们出现了 67～392 个新突变，其中多数还包含此前未在已知天然序列中发现过的突变组合。

换句话说，AI 不只是照着自然界已有的病毒「抄答案」，而是设计出了新的基因组组合。

图源：Nature

不过，这项研究真正想解决的问题，其实是耐药菌。

噬菌体能够专门感染并杀死细菌，因此一直被视为抗生素之外的一种潜在治疗手段。但和使用抗生素一样，细菌也可能逐渐进化出对噬菌体的抗性。

研究团队发现，当多个 AI 设计的噬菌体组成「鸡尾酒」后，它们能够进化，并突破已经对天然 ΦX174 产生抗性的大肠杆菌。

过去，研究者需要到自然界中寻找「刚好」能攻击某种耐药菌的噬菌体。

未来，如果 AI 能快速生成大量遗传背景不同、却攻击同一种细菌的噬菌体，就可能把这种寻找过程从「碰运气」变成更加系统的设计。

当 AI 能设计病毒

安全边界在哪里？

这项研究带来的问题，不只有医学价值。

更敏感的是，今天 AI 设计的是感染大肠杆菌的病毒，未来它会不会设计出能感染人的病毒？

先说结论，这次实验中的 16 种噬菌体不会感染人类，研究使用的也是非致病性大肠杆菌。

研究团队还在训练 AI 时，特意排除了感染人类、动物和植物的病毒数据，尽量降低模型处理这类病毒的能力。

真正让生物安全专家警惕的，是 AI 已能够设计出具有功能的完整病毒基因组。

图源：The Guardian

Science 同期讨论中，约翰斯·霍普金斯大学健康安全中心的专家指出，这种能力已经出现，但相应的治理机制还没有跟上。

如果未来同样的方法被用于能够感染人类、动物或植物的病原体，AI 可能设计出自然界中原本不存在的新型病毒，甚至出现现有疫苗、药物等防御手段难以控制的情况。

不过，这也不等于「AI 已经能制造生物武器」。

一方面，这次研究用到的 ΦX174 本来就是一种结构非常简单的病毒。另一方面，285 个 AI 设计中，最后只有 16 个成功，也说明这项技术目前还不稳定。

至少现阶段，直接改造一种已知病原体，仍然比让 AI 从头设计一种新的危险病毒容易得多。

图源：Science

真正需要防范的是，AI 生成的危险设计，能不能被一步步变成现实。

这其中一个关键环节，就是 DNA 合成。

AI 在电脑里生成的基因组，本质上只是一串数字信息。只有当这些序列被真正合成为 DNA，进入实验室，才可能产生实际风险。

所以，生物安全不能只盯着 AI 模型本身，还要把后面的每一道关口都管住。

谁能使用模型、哪些研究可以开展、DNA 合成公司是否会筛查危险序列、实验室是否具备足够的安全条件。

当 AI 已经开始学会设计完整病毒基因组，我们该如何确保这种能力被用在安全的地方？