斯坦福大学/弧研究所 AI 设计的功能性噬菌体
TECH

斯坦福大学/弧研究所 AI 设计的功能性噬菌体

38+
Signals

战略概览

  • 01.
    斯坦福大学和弧研究所的研究人员使用基因组语言模型 Evo 1 和 Evo 2，以噬菌体 ΦX174 为设计模板，从头开始生成完整的噬菌体基因组，专门针对大肠杆菌 C（Escherichia coli C）[1][2]。
  • 02.
    在合成并测试的大约 285 至 300 个 AI 设计的噬菌体基因组候选者中，有 16 个产生了完全功能性的噬菌体，能够在实验室条件下复制并杀死大肠杆菌。
  • 03.
    这是首项经过同行评审的、展示生成式人工智能设计出完整功能性病毒基因组的研究，于 2026 年 8 月 6 日发表在《科学》期刊上。
  • 04.
    由 AI 生成的多种噬菌体组成的鸡尾酒疗法成功克服了对 ΦX174 具有抗性的大肠杆菌菌株，并且通过冷冻电子显微镜发现，其中一种设计的噬菌体整合了一种来自进化关系较远来源的 DNA 包装蛋白。
  • 05.
    研究团队刻意将感染人类和动物的病毒排除在训练数据之外，因此所生成的噬菌体只能感染大肠杆菌，无法感染人类。
  • 06.
    一些 AI 设计的噬菌体基因组具有高度新颖性，与任何已知噬菌体的序列相似性低于 95%。

深度分析

AI 如何从零开始编写一个可工作的病毒

斯坦福大学和弧研究所的研究人员使用两个基因组语言模型 Evo 1 和 Evo 2，以小型噬菌体 ΦX174 为设计模板，从头生成完整的噬菌体基因组，专门靶向大肠杆菌 C [1][2]。研究团队生成并筛选了数千个候选序列，最终筛选出大约 285 至 300 个实际在大肠杆菌细胞中合成和组装的设计，其中 16 个产生了完全功能性的噬菌体，能在实验室测试中复制并杀死细菌 [3][4]。该研究于 2026 年 8 月 6 日发表在《科学》期刊上，被描述为首项经过同行评审的、展示生成式 AI 编写完整功能性病毒基因组的成果 [5]。

超越模板：AI 发现了哪些复制无法实现的东西

AI 设计的噬菌体并非只是对 ΦX174 的微小调整——部分生成的基因组与任何已知噬菌体的序列相似性低于 95% [3]。由多个生成噬菌体组成的鸡尾酒疗法迅速克服了对原始模板 ΦX174 具有抗性的大肠杆菌菌株；对其中一个设计噬菌体进行的冷冻电镜分析显示，它整合了一种类似于来自进化距离遥远来源的 DNA 包装蛋白——研究人员将这一组合视为迈向 AI 生成噬菌体疗法以对抗快速进化的病原体的重要一步 [1][2]。

治理真空，还是人为制造恐慌？

这一成果在专家中引发了关于应有多担忧的分歧。约翰霍普金斯大学健康安全中心的生物安全研究员汤姆·英格尔斯比（Tom Inglesby）和莫里茨·汉克（Moritz Hanke）认为，围绕自然病原体‘功能增益’建立的监管体系从未设计用于捕捉纯计算性的基因组设计，而如今利用生成式 AI 编写病毒基因组的能力已经超过了旨在引导它的治理体系 [6][7]。伦敦帝国理工学院的汤姆·埃利斯（Tom Ellis）则提出反驳，指出 ΦX174 是‘实际上最小且最容易制造的基因组’，认为这一特定演示相比简单修改现有病原体，并未显著提升生物武器风险 [6]。

内置于模型本身的防护机制

研究人员从一开始就设置了限制因素：他们刻意将感染人类或动物的病毒排除在训练 Evo 模型的数据之外，因此所生成的噬菌体据称无法感染人类，仅能感染大肠杆菌 [7]。这种设计选择并未解决约翰霍普金斯研究人员提出的更广泛的双重用途问题——即该底层方法可能被应用于其他领域——但它确实意味着这 16 个特定基因组不构成直接的人类感染风险。

为何噬菌体疗法才是真正的目标

该项目背后的动机与抗生素耐药性密切相关：理论上，工程化噬菌体鸡尾酒疗法可以比细菌产生抗药性更快地被设计和迭代，这一点在耐药感染日益增多的背景下极具吸引力 [4]。首席研究员布莱恩·希（Brian Hie）将全基因组生成式设计视为超越单基因编辑的必要下一步：‘大多数生物功能并非由单一基因实现。如果我们希望工程化更复杂的功能，就必须跳出单基因范畴，设计完整的基因组’ [4]。第一作者塞缪尔·金（Samuel King）更简洁地描述了背后的核心科学问题，即检验生成式模型是否能够触及自然进化尚未探索过的基因组设计空间 [4]。

历史背景

Evo 这一最初的基因组基础模型发布，其训练基于约 270 万个原核生物和噬菌体基因组，能够泛化 DNA、RNA 和蛋白质。
Evo 2 发布，基于生命树中超过 12.8 万个物种的逾 9.3 万亿个核苷酸进行训练，采用新的 StripedHyena 2 架构，拥有 400 亿参数，上下文长度可达 100 万个核苷酸。
题为《利用基因组语言模型生成噬菌体设计》的研究发表于《科学》期刊，报告了 16 种由 AI 设计并通过实验验证的功能性噬菌体基因组。

关键关系图

关键玩家
主题

斯坦福大学/弧研究所 AI 设计的功能性噬菌体

ST

Stanford University

Lead academic institution; home of lead researcher Brian Hie and first author Samuel King (PhD candidate)

AR

Arc Institute

Co-lead research institute; developer of the Evo/Evo 2 genome language models used for the design work

BR

Brian Hie

Stanford University researcher, senior/lead author on the study

SA

Samuel King

PhD candidate, first author of the study

JO

Johns Hopkins Center for Health Security

Biosecurity watchdog; Tom Inglesby and Moritz Hanke publicly raised governance concerns about the technology

IM

Imperial College London

Tom Ellis offered a skeptical counterpoint, downplaying the biosecurity threat of this specific work

NV

NVIDIA

Collaborator on the underlying Evo 2 model, built on NVIDIA's DGX Cloud platform

事实来源

7 条引用
  1. [1] Generative design of bacteriophages with genome language models (Science)
  2. [2] Generative design of bacteriophages with genome language models (bioRxiv preprint)
  3. [3] Stanford AI Wrote Viruses No Evolution Ever Produced, Confirming Biosecurity Gap (Tech Times)
  4. [4] AI Designs Viable Bacteriophage Genomes, Combats Antibiotic Resistance (GEN)
  5. [5] Generative Design of Bacteriophages With Genome Language Models (Bacteriophage.news)
  6. [6] The Governance Does Not Exist: AI Just Designed 16 Viruses From Scratch (The Next Web)
  7. [7] AI Designs Novel Viruses, Sparking Bioweapon Fears (Newser)

来源文章

Top 5

THE SIGNAL.

Analysts

“大多数生物功能并非由单一基因实现。如果我们希望工程化更复杂的功能，就必须跳出单基因范畴，设计完整的基因组。”

Brian Hie (Stanford University)
支持者，认为这项工作是迈向工程化复杂多基因生物功能的一步

“想法是检验模型是否能够触及自然进化尚未探索过的基因组设计空间。”

Samuel King (Stanford, first author)
研究人员，阐述项目背后的科学问题

“利用生成式 AI 编写病毒基因组的能力现已存在，但安全引导它的治理体系却不存在。”

Tom Inglesby and Moritz Hanke (Johns Hopkins Center for Health Security)
关注生物安全，指出治理缺口

“实际上最小且最容易制造的基因组”

Tom Ellis (Imperial College London)
对该研究夸大生物安全风险持怀疑态度
The Crowd

“BREAKING: Gates Foundation Funds First-Ever Creation of 16 Synthetic Viruses Using AI For the first time ever, mad scientists used AI models to design entire viral genomes, physically manufacture them, and turn them into 16 new functional viruses capable of replicating. Project”

@@NicHulscher301

“BIG BREAKTHROUGH: For the first time, Scientists have used AI to design fully functional viruses that have never existed in nature "Researchers from Stanford University and the Arc Institute used genome language models called Evo 1 and Evo 2 to generate complete viral”

@@SciTechera78

“What could go wrong? “Stanford University researchers developed a generative AI programme called Evo 2 that writes new genomes — the genetic instructions for life encoded in DNA. They used it to design and make 16 synthetic phages, small viruses that infect bacteria.””

@@MauiBoyMacro69

“Safety fears as scientists make first viruses designed by AI”

@u/christianrojoisme5800
Broadcast
The first ever AI designed viruses are here. Created by scientists to combat bacteria resistance #ai

The first ever AI designed viruses are here. Created by scientists to combat bacteria resistance #ai

Could one scientist armed with AI kill a billion people?

Could one scientist armed with AI kill a billion people?

EVO-2: Genome language models. Generative Design of Novel Bacteriophages.

EVO-2: Genome language models. Generative Design of Novel Bacteriophages.

斯坦福大学/弧研究所 AI 设计的功能性噬菌体 — AI 新闻 | Agentic Brew