2026年8月6日，Arc研究所与斯坦福大学Brain L. Hie团队在国际顶尖学术期刊《Science》发表题为”Generative design of bacteriophages with genome language models”的研究论文。团队利用自研AI模型Evo 1和Evo 2，首次成功设计出完整的病毒基因组，并在实验室中制造出16种可复制的新型噬菌体。这是AI从”理解生物序列”到”创造全新生命”的里程碑式突破，同时也引发了关于生物安全的深刻讨论。
一、研究核心成果
研究团队使用基因组语言模型Evo 1和Evo 2，从零设计出302个全新的噬菌体基因组。这些基因组序列在自然界中从未存在过。随后，研究团队将其中部分设计序列在实验室中合成并导入宿主细菌。结果显示，16种AI设计的噬菌体成功在培养皿中存活、复制，并能够精准猎杀大肠杆菌。
关键数据如下：
| 指标 | 数据 | 说明 |
|---|---|---|
| 设计基因组总数 | 302个 | 全部为全新序列 |
| 实验验证存活数 | 16个 | 成功复制并感染细菌 |
| 存活率 | 约5.3% | 高于自然随机突变的成功率 |
| 最大基因组长度 | 约57kb | 远超蛋白质设计的复杂度 |
| 使用模型 | Evo 1 + Evo 2 | 基因组语言模型 |
二、Evo模型：基因组层面的”ChatGPT”
Evo系列模型由Arc研究所开发，是专门针对DNA序列训练的大规模语言模型。与传统蛋白质设计工具（如AlphaFold、RFdiffusion）不同，Evo直接在基因组层面进行生成，而非单个蛋白质。
2.1 Evo 1：基础基因组理解
Evo 1拥有70亿参数，在超过3000亿个碱基对的基因组数据上训练。它能够理解DNA序列的语法规则、基因调控元件和编码区结构，类似于GPT理解自然语言的方式。
2.2 Evo 2：跨物种基因组生成
Evo 2参数量扩展至400亿，训练数据覆盖超过10万个物种的完整基因组。它不仅能理解单个基因的功能，还能捕捉基因间的相互作用和整体基因组架构，从而生成功能完整的基因组。
三、技术突破的意义
3.1 从蛋白质设计到基因组设计
此前AI在生物学领域的成就主要集中在蛋白质结构预测和设计。AlphaFold解决了”蛋白质如何折叠”的问题，RFdiffusion实现了”设计新蛋白质”。但蛋白质只是生命的基本零件，完整的生命体需要基因组层面的设计。Evo团队的突破将AI生物设计从”零件级”提升到”系统级”。
3.2 噬菌体疗法的潜力
抗生素耐药性已被WHO列为全球十大公共卫生威胁之一。噬菌体疗法——利用病毒特异性感染细菌——被视为对抗耐药菌的有力武器。但自然界噬菌体的发现和筛选效率极低，通常需要数年时间。AI设计可以将这一过程缩短至数周，并针对特定耐药菌定制噬菌体。
四、生物安全争议
这项研究也引发了学术界关于生物安全的激烈讨论。《Science》杂志在发表论文的同时，配发了编辑评论，称其为”非常重要的转折点”，但警告此举带来了”迫在眉睫的生物安全和生物安保问题”。
核心争议点包括：
- 双用途风险：能设计噬菌体的技术，理论上也可用于设计病原体
- 模型开源：Evo模型权重已开源，降低了技术获取门槛
- 验证成本低：DNA合成服务已商业化，合成一个57kb基因组成本仅约5000美元
- 监管空白：目前没有针对AI生成基因组的专门监管框架
研究团队对此的回应是：AI设计的噬菌体只能感染特定细菌，无法感染人类细胞；且16种成功设计的噬菌体在自然环境中很快失活，不具备环境传播能力。但批评者认为，随着模型能力提升，这些限制可能被突破。
五、AI+生物学的下一个前沿
Evo团队的突破开启了一条全新的技术路线。以下是AI在生物学领域的演进路径：
- 结构预测（2020）：AlphaFold 2预测蛋白质三维结构
- 蛋白质设计（2023）：RFdiffusion、ESM IF设计新蛋白质
- 基因组设计（2026）：Evo设计完整病毒基因组
- 多细胞系统设计（未来）：设计细胞群体行为、组织发育
- 完整生物体设计（远期）：从基因组到表型的全链路设计
每一步的复杂度都呈指数级增长。从蛋白质到基因组，序列长度增加了3-4个数量级；从基因组到完整生物体，还需要解决表观遗传、细胞分化、组织发育等多层次问题。
六、商业化前景与投资机会
Arc研究所已基于Evo模型成立了商业化公司，聚焦三个方向：
- 定制噬菌体疗法：针对耐药菌感染开发个性化噬菌体药物，预计2028年进入临床试验
- 工业微生物设计：为合成生物学公司设计高产菌株，缩短研发周期
- 农业生物设计：设计抗病微生物，减少农药使用
投资界对此反应热烈。2026年上半年，AI+生物学赛道融资总额达48亿美元，同比增长220%。a16z、Flagship Pioneering、ARCH Venture等顶级生物科技基金均已布局。
AI设计病毒的突破，既是技术的胜利，也是伦理的考验。当AI能够在电脑里”写出”活的生命体时，我们面对的不再只是”AI能做什么”的问题，而是”AI应该做什么”和”如何确保AI不做不该做的事”的问题。科学界、政策界和公众需要共同构建一套既能促进创新又能防范风险的治理框架。这可能是AI时代最重要的议题之一。
评论0