生成式AI实现了一个研究人员期待已久的里程碑。斯坦福大学和Arc研究所的科学家成功利用AI从零设计出完整的病毒基因组，其中16个设计被确认为具有完整生物学活性的功能性病毒，能够感染细菌。

根据2025年9月12日发布在bioRxiv上的预印本论文，这是生成式AI首次实现端到端生成功能性病毒基因组。这些病毒属于噬菌体——即以细菌为攻击目标而非人类的病毒。

AI设计的噬菌体如何构建

研究团队由斯坦福大学的Brian Hie主导，合作方包括Arc研究所、NVIDIA和加州大学伯克利分校，他们采用了名为Evo 1和Evo 2的基因组语言模型。与预测文本序列中下一个词不同，这些模型预测DNA序列中的下一个碱基对。该方法借鉴了驱动ChatGPT等大型语言模型的Transformer架构，但应用于DNA的四种碱基字母——A、C、G和T。

以ΦX174——一种天然存在的可感染大肠杆菌的噬菌体——的结构为基础，团队生成了302个候选噬菌体基因组。在这些候选基因组中，16个经实验验证能够组装成活性病毒，可成功感染并裂解大肠杆菌。

部分AI设计的变体与天然模板相比，复制优势高达65倍。研究人员还将这些噬菌体以鸡尾酒疗法的形式对耐药菌株进行了测试，结果表现出显著疗效。

抗生素耐药性作为驱动力

抗生素耐药性仍然是全球医疗领域最紧迫但最被忽视的危机之一。世界卫生组织已将抗微生物药物耐药性列为全球十大公共卫生威胁之一，耐药性感染每年导致数百万人死亡。噬菌体疗法利用病毒消灭特定细菌，其概念早在20世纪初就已提出，并在抗生素时代之前在苏联部分地区被广泛使用。然而，该方法在西方医学中始终未能实现广泛的临床应用，主要原因在于为特定菌株工程化设计合适的噬菌体是一个繁复且耗时的过程。少数噬菌体疗法案例已在FDA同情使用条款下接受治疗，但可规模化、按需设计的噬菌体方案一直难以实现。

Evo模型基于海量基因数据集进行训练，涵盖数万亿个DNA碱基对，建立在2024年发表的前期研究基础之上。天然ΦX174噬菌体的基因组约有5,386个碱基对——以生物学标准衡量极为微小。

生物安全考量

16个功能性噬菌体均在已知天然模板的参数范围内设计，专门针对大肠杆菌。研究人员强调，他们并未创造新型的大流行病原体。尽管如此，这种底层能力——一个能够构建功能性病毒机制的模型——随着技术的推进，引发了需要认真讨论的治理问题。基因组规模生成式模型的双用途性质使这项研究处于一个持续的政策讨论框架之中，即关于能够设计生物实体的AI系统的监督机制，这一议题已引起美国生物安全机构和国际治理组织的关注。

NVIDIA参与此次合作，对于关注AI基础设施投资趋势的人士而言也值得注意。这种规模的基因组建模需要大量的计算资源，生命科学领域已成为高性能GPU集群的重要应用领域。这项工作遵循了一条更广泛的发展轨迹——从DeepMind用于蛋白质结构预测的AlphaFold到全基因组语言模型——AI驱动的生物学研究已成为应用AI领域中计算最为密集且最具商业影响力的前沿方向之一。