AI首次从零设计出活病毒——这既是突破也是警告

区块链文库报道：

斯坦福大学研究人员跨越了一个几年前还像科幻小说般的门槛：一个人工智能系统从零开始设计出了完整的、具有功能的病毒基因组，其中16个AI生成的设计在实验室中实际有效，成功感染并杀死了细菌。

这项突破本周发表在《科学》期刊上，标志着生成式人工智能首次端到端地制造出完整且可运行的病毒基因组。而这一成果恰逢同类技术——正在重塑聊天机器人和图像生成器的AI——如今直接触及生命代码本身。

AI 究竟是如何做到的

这项研究由斯坦福大学化学工程助理教授、Arc研究所创新研究员Brian Hie领导，与博士生Samuel King以及来自英伟达和加州大学伯克利分校的合作者共同完成。团队使用了两个名为Evo 1和Evo 2的基因组语言模型——这些AI系统在概念上类似于ChatGPT等工具背后的大型语言模型，只不过它们预测的不是句子中的下一个单词，而是DNA链中的下一个碱基对。

其中更先进的模型Evo 2，在大约9.3万亿个DNA碱基对上进行了训练，这些数据来自一个经过筛选的基因组数据集，涵盖细菌、植物及其他生物。关键的是，研究人员特意从训练数据中排除了能够感染人类、动物或植物的病毒遗传物质——这是一项安全措施，旨在降低模型被用于设计对人类有害物质的可能性。

研究团队从一种天然存在的噬菌体ΦX174的基因组出发——该病毒仅有不到6000个碱基对，与人类基因组约30亿个碱基对相比微不足道——AI生成了数千个前所未有的新基因组序列。研究人员从中筛选出302个最有希望的AI设计候选序列，并在实验室中实际合成，将AI编写的遗传代码插入细菌细胞，观察细胞是否能够将这些指令组装成活的、有功能的病毒。

结果：302个中有16个成功

这个过程效率并不高——在实验室合成的302个设计中，只有16个被证明是可行的。但这16个确实成功了：它们组装成了功能完整的噬菌体，能够感染并摧毁大肠杆菌。据报告，负责大部分实验工作的博士生Samuel King，在清晨检查培养皿时，发现这些AI设计的新病毒正在吞噬培养皿上生长的细菌菌落，从而确认了噬菌体的成功工作。

值得注意的是，当研究人员将几种成功的AI设计噬菌体混合成“鸡尾酒”时，这种混合物能够迅速克服两种不同大肠杆菌菌株的细菌耐药性——这一发现至关重要，因为抗生素和噬菌体耐药性一直是限制工程病毒作为医疗手段应用的核心挑战之一。

这对抗击超级细菌为何重要

噬菌体——专门攻击并杀死细菌而不影响人体细胞的病毒——长期以来一直被探索作为抗生素的潜在替代品或补充，尤其针对那些对常规治疗不再有效的耐药性“超级细菌”感染。核心挑战始终在于速度和精确性：针对特定耐药菌株的天然噬菌体并不总是可得，而从零开始工程化新噬菌体历来缓慢且困难。

研究人员在论文中写道，能够“快速设计”基因组并针对特定细菌目标进行调优，同时克服耐药性，这一能力可能“改变噬菌体疗法”，并显著“扩展医学可用的生物技术工具箱”。如果AI能够按需可靠地生成新的噬菌体——针对患者所面临的任何耐药性感染——那么针对现有药物不再有效的细菌，开发靶向治疗的时间线将大幅缩短。

突破背后的生物安全警告

伴随科学成就，研究人员自身也提出了严重关切。在《科学》论文中，他们明确指出这项工作引发了“重要的生物安全、生物防护和生物安保考虑”，并敦促任何从事类似全基因组AI设计工作的研究人员“在项目全程咨询安全和安保专业人士”。

这一警告在约翰霍普金斯大学健康安全中心的Tom Inglesby教授和Moritz Hanke博士随研究发表的评论中得到了加强。他们写道：“尽管这对生命科学应用前景广阔，但也引发了紧迫的生物安全和生物安保问题。利用生成式AI编写病毒基因组的能力已经存在，但安全引导它的治理机制尚未建立。”

这一治理空白可以说是这个故事中最具深远影响的部分。促成这项突破的模型Evo 2已作为开源工具发布——这意味着设计出16种可杀死细菌的病毒的同一底层AI能力，现在可供他人公开使用和进一步开发。

Hie承认，像Evo 2这样的工具的修改版本可能被滥用，但他认为开放获取的好处——包括让研究人员拥有研究危险天然病原体的新方法，并在设计过程中直接内置安全检查——超过了风险，尤其是因为该模型当前的训练数据故意排除了感染人类的病毒。

下一步是什么

Hie的团队表示，他们目前正在致力于生成更长、更复杂的DNA序列，包括小型细菌基因组——这比本研究中涉及的大约6000个碱基对的噬菌体基因组在复杂性上有了显著跃升。“对我来说最大的未解之谜，”Hie说，“是我们如何获得更大的遗传新颖性，以及如何获得对结果的更强可控性？”

这个问题——如何让AI设计的生物学既更强大又更可预测——很可能将定义这项研究的下一阶段。对于那些习惯于看到机器学习系统将数年工作压缩为几天的AI和加密货币受众来说，斯坦福大学的结果提醒我们：同样的加速曲线正在重塑代码、图像和金融市场，如今也明显在生物体的遗传密码中展开，并伴随着随之而来的所有希望与风险。