AI设计生命第一步！斯坦福领衔人类史上第一次用AI完整设计并创造功能性基因组

斯坦福用AI造出全新生命，精准杀死病菌。

AI写代码，会画画，我们都见怪不怪了。但AI写出一套生命的“源代码”，并成功“编译”出新生命体，这事儿你敢信？

斯坦福大学和Arc Institute（弧光研究所）的研究团队宣布：我们用AI设计出了一种全新的、功能齐全的噬菌体病毒，它能精准地感染并杀死大肠杆菌。

这是人类历史上第一次，用AI完整地设计并创造出一个功能性基因组。AI设计生命的第一步，已经迈出去了。

AI的“新手村”任务

让AI从零开始设计生命，得找个简单的“小怪”练练手。

研究团队选中了一个老朋友：噬菌体ΦX174。

这是一种结构极其简单的单链DNA病毒。它的全部家当就是一条由5386个核苷酸组成的DNA链，里面包含了11个基因。麻雀虽小，五脏俱全，感染宿主、自我复制需要的所有遗传指令，它都备齐了。

选择ΦX174，既有技术上的考量，也充满了历史的仪式感。1977年，它是人类历史上第一个被完整测序的基因组。2003年，它又是第一个被人类用化学方法从无到有合成出来的基因组。到了2025年，它顺理成章地成了第一个由AI生成基因组的模板。

三代技术的里程碑，都刻在了这个小小的病毒身上。

给AI“喂”出个生物学博士

要完成这个任务，需要一个专门为生命科学定制的AI模型。研究团队亮出了他们的王牌：Evo 1和Evo 2。

你可以把Evo模型想象成一个生物学领域的ChatGPT。只不过，它读的不是人类的书籍和网页，而是生命的“天书”——DNA、RNA和蛋白质序列。

Evo 1的训练数据，是超过200万个噬菌体的基因组。

而Evo 2的胃口更大，它“吃”掉了来自生命三个领域的超过12.8万个基因组，总计超过9.3万亿个核苷酸。这个数据量，足以和世界上最强大的那些大型语言模型相媲美。

Evo 2最厉害的地方在于它超长的“阅读理解”能力，专业术语叫“上下文窗口”。它能一次性处理长达100万个核苷酸的遗传序列。

这是什么概念？Evo 2就像个能一眼看完百万字长篇小说的读者，能轻松理解基因组遥远部分之间的复杂关系。

有了这个底子，研究团队还给它开了“小灶”，用一种叫做“监督微调”的技术，让它专门学习了14466个与ΦX174亲缘关系很近的病毒序列。

经过这番特训，Evo模型学会了遗传密码的底层逻辑，知道了核苷酸序列的微小变化会如何影响整个生物的生存能力，并最终具备了生成全新、有效基因组序列的能力。

AI的作品能打几分？

设计一个完整的基因组，比设计一个蛋白质要难上几个数量级。基因组里有多个基因互相配合，还有各种调控开关，必须严丝合缝才能正常运转。

尤其是ΦX174，它的基因还玩“叠叠乐”，好几个基因的编码序列是重叠在一起的。这给AI的设计带来了第一个大难题。常规的基因预测工具在它面前基本抓瞎，11个基因最多只能认出7个。团队不得不自己开发了一套算法，才把11个基因都给揪了出来。

解决了识别问题，生成就开始了。

AI一口气设计了数千个序列，团队筛选出302个看起来最靠谱的候选者，然后用生物合成的方式把它们“打印”出来，放进培养皿里，看看它们会不会攻击大肠杆菌。

实验结果令人振奋。

302个AI设计的噬菌体中，有16个成功活了过来，它们能感染并杀死大肠杆菌。在培养皿上，这些病毒所到之处，细菌纷纷死亡，形成一个个清晰的噬菌斑。

这16个成功的作品，可不是对天然病毒的简单复制粘贴。每一个都包含了67到392个全新的突变。

其中一个叫Evo-Φ2147的噬菌体，和它最像的天然病毒相比，也有392个突变，基因组的平均相似度只有93%。按照某些生物分类标准，这已经算得上一个全新的物种了。

更绝的是一个叫Evo-Φ36的合成噬菌体。

它成功地将一个远亲噬菌体G4的DNA包装蛋白整合到了自己身上。这个操作，人类工程师之前尝试过，但都失败了。因为要换掉一个零件，周围很多其他零件都得跟着修改适配，这种复杂的补偿性突变，人脑很难算得过来，AI却能协调得明明白白。

冷冻电子显微镜的分析也证实，那个被换上来的、更短的蛋白质，在病毒衣壳里找到了一个全新的、但同样有效的位置。

这充分说明，AI不仅仅是在模仿，它在进行真正的、有逻辑的创造。

甚至，在和野生型ΦX174的直接对决中，好几个AI设计的噬菌体在生长速度和裂解效率上都更胜一筹。

杀死“超级细菌”也不在话下

这项研究最激动人心的应用场景，是解决抗生素耐药性问题。

细菌耐药性是现代医学头顶的一把利剑，每年导致数十万人死亡。细菌的进化速度极快，你用一种抗生素，它很快就能产生耐药性。

用噬菌体去攻击细菌，是一种古老而又前沿的思路，叫“噬菌体疗法”。但细菌同样能对噬菌体产生耐药性。

研究团队想看看，AI设计的噬菌体能不能魔高一丈。

他们先是在实验室里专门培养了三种对野生型ΦX174产生耐药性的大肠杆菌菌株。

然后，他们把AI生成的噬菌体混合在一起，组成一支“复仇者联军”，去攻击这些耐药菌株。

结果是压倒性的。

野生型ΦX174单独上场，完全拿这些耐药菌没辙。而AI噬菌体联军，只用了1到5代的时间，就攻破了所有三种耐药菌株的防线。

对这些“突破型”噬菌体的基因序列进行分析后，研究人员发现了更有趣的现象。

这些成功的噬菌体，居然是“混血儿”。它们通过基因重组，把2到3个不同AI设计的遗传元件拼接在了一起，形成了镶嵌基因组。这些突变，恰好集中在与细菌受体相互作用的病毒表面区域。

这就好比AI设计了一堆各有所长的特种兵，虽然单个可能无法完成任务，但它们在战场上自由组合，诞生了能够克敌制胜的“超级战士”。

这揭示了AI生成多样性的巨大优势。我们不再需要苦苦地去自然界寻找那个“天选之子”来对抗某种特定的耐药菌。我们可以直接生成一个多样化的噬菌体群体，它们集体呈现出多个攻击靶点，让细菌防不胜防，难以进化出全面的耐药性。

下面的表格清晰地展示了AI模型与传统方法的差异，以及AI噬菌体与野生型噬菌体的性能对比。

是创新还是潘多拉魔盒？

纽约大学的生物学家Jef Boeke就觉得AI的表现好得出人意料。

合成生物学界的泰斗，二十年前就领导创造了第一个“人造生命”的J. Craig Venter认为，AI的方法本质上是一种“更快版本的试错实验”。

但Venter话锋一转，发出了严厉的警告。

“在一个领域我敦促要极度谨慎，那就是任何有关病毒增强的研究，特别是当它是随机的时候，因为你不知道你会得到什么。”他直言，“如果有人用天花或者炭疽病毒来做这个，我会非常担心。”

研究团队当然也考虑到了这些安全和伦理风险。

领导这项研究的斯坦福大学助理教授Brian Hie和他的同事们，在训练Evo 2模型时，就刻意排除了所有能感染人类和其他复杂生物的病原体数据，并设置了安全护栏，确保模型不会响应有关这些病原体的查询。

但风险依然存在。没人能保证其他科学家不会出于好奇、善意甚至恶意，将这些方法应用到人类病原体上，去探索致命性的新维度。

正如研究团队所设想的，Evo 2就像一个生物学领域的“操作系统内核”，未来可以在上面构建出各种各样的应用程序。

AI设计生命的潘多拉魔盒已经打开。

参考资料：

https://www.biorxiv.org/content/10.1101/2025.09.12.675911v1

https://arcinstitute.org/news/hie-king-first-synthetic-phage

https://arcinstitute.org/news/evo2

END