史丹佛研究團隊以 Evo 2 基因體模型創造首批 AI 設計的病毒

生成式基因體學的里程碑

在人工智慧與合成生物學交匯的最新突破中，史丹佛大學與 Arc Institute 的研究團隊利用生成式 AI 寫出全新噬菌體（bacteriophage）的基因體——這些病毒在自然界中從未存在——接著在實驗室中將其「活化」。這項由 Brian Hie 博士領導的研究，最初發表於預印本伺服器 bioRxiv，經同儕審查後正式出版，標誌著機器學習模型首次產出完整、具功能的病毒基因體，且這些基因體在導入活細胞後能成功複製。

團隊使用了兩個前沿的基因體語言模型 Evo 1 與 Evo 2。這些模型在大規模 DNA 序列資料上接受訓練。與 AlphaFold 或 ESMFold 等聚焦蛋白質結構的模型不同，Evo 系列在整個基因體層級運作，將 DNA 序列視為大型語言模型處理文字的方式——學習遺傳密碼的「文法」與「句法」，進而生成新穎且連貫的序列。研究人員讓模型設計新的噬菌體基因體，以研究透徹的噬菌體 ΦX174 為藍本。ΦX174 擁有緊湊的 5,386 個核苷酸基因體，數十年來一直是分子生物學的重要工具。

從數位序列到活體病毒

實驗流程的概念看似簡單，執行上卻極具野心。Evo 模型先生成數千個候選基因體序列，研究人員從中選出約 300 個最有潛力的設計。這些數位基因體接著被化學合成——在實驗室中逐個核苷酸建構出真正的 DNA 分子——然後將遺傳物質導入大腸桿菌（Escherichia coli）培養液中。

結果令人驚豔。在約 300 個合成的基因體中，有 16 個產生了能感染大腸桿菌、且能自我複製的存活噬菌體。成功率約 5–6%，以某些標準而言並不高，但對於首次嘗試來說已相當驚人。這些並非已知噬菌體的複製品，而是全新設計——它們與自然噬菌體共享結構與功能性質，但基因體序列在野外從未被觀察到。在某些案例中，AI 設計的噬菌體甚至對那些已對天然噬菌體產生抗性的大腸桿菌株仍然有效，顯示生成式方法能產出演化尚未探索到的解決方案。

為什麼選擇噬菌體？

噬菌體（簡稱 phage）是專門感染細菌的病毒，是地球上最豐富的生物實體，估計任何時刻全球存在約 10³¹ 個噬菌體。它們不會感染人類、動物或植物。這種專一性使它們成為「噬菌體療法」的有力候選——這個已有百年歷史的概念，隨著抗生素抗藥性蔓延而重新獲得關注。世界衛生組織多次警告，抗微生物藥物抗藥性是全球公共衛生的首要威脅之一，每年導致數百萬人死亡。

噬菌體療法提供了精準武器：針對特定細菌病原體的噬菌體可以將其消滅，同時不破壞微生物體系的其餘部分。問題始終在於「發現」。為特定感染找到合適的噬菌體，是一個耗時費力的分離與篩選過程。生成式 AI 有望大幅壓縮這個時程。臨床人員未來可能不再需要從自然界尋找恰好有效的噬菌體，而是依需求「設計」出一株，專門針對引起感染的特定細菌株——包括具有抗藥性的超級細菌。

Evo 模型家族

Evo 模型代表了 AI 發展的一個獨特分支。當大多數生成式 AI 的焦點集中在文字大型語言模型、影像生成模型以及蛋白質結構預測器時，基因體尺度的語言模型在完全不同的規模與限制下運作。DNA 由四個字母組成——A、C、G、T——但一個細菌基因體可包含數百萬個字母，而正確排列它們就是功能生物體與細胞殘骸之間的差異。

Evo 2 是本研究使用的兩個模型中較大的一個，在涵蓋整個生命樹的基因體資料上接受訓練，從細菌到人類無所不包。它學會了區分功能性基因體與隨機雜訊的統計模式。關鍵的是，在本研究中，研究人員刻意將人類、動物與植物病原體的序列從訓練資料中排除——這是一項安全措施，旨在限制模型生成可能威脅人類或重要農作物之基因體的能力。

生物安全成為焦點

儘管有這些預防措施，這項研究仍引發了激烈的生物安全辯論。《衛報》的標題道出了焦慮：「科學家以 AI 設計出首批病毒，引發安全疑慮。」擔憂的焦點不在噬菌體本身——噬菌體對人類無害——而在於底層技術的先例與「雙重用途」意涵。

如果 AI 模型能從零設計出功能性病毒，一個類似的模型、在接受不同資料訓練後，能否設計出人類病原體？史丹佛團隊與獨立生物安全專家承認，這個風險雖然遙遠，卻真實存在。技術門檻仍然可觀：人類病原體的基因體比噬菌體更大、更複雜，且僅以非病原體資料訓練的模型生成危險序列的能力有限。但趨勢很清楚——隨著基因體模型日益強大、訓練資料集持續擴大，「能不能」與「可不可以」之間的鴻溝將會縮小。

合成生物學治理領域的專家提出了多項建議：在基因體生成模型中強制加入安全過濾機制、限制訓練資料、強化 DNA 合成訂單的篩選程序，以及推動 AI 生物安全標準的國際協調。目前的規範環境相當零散。雖然部分 DNA 合成供應商自願篩查訂單中的危險序列，但並無全球性強制規定。

AI 驅動科學的更廣泛意涵

噬菌體研究是一個更大趨勢的縮影：AI 在生命科學領域正從「分析」走向「生成」。AlphaFold 預測了蛋白質結構；Evo 生成了基因體。下一個前沿可能是能從零設計整個合成生物、代謝路徑或治療分子的 AI 模型。這種生成能力可能徹底改變醫學、農業與材料科學——但同時也將巨大力量集中在任何能存取這些模型的人手中。

美國政府的「Genesis Mission」——耗資 50 億美元將 AI 嵌入聯邦科學機構的計畫——明確將「AI 用於科學發現」列為國家優先事項。史丹佛噬菌體研究這類成果驗證了這項投資：AI 不僅在加速既有的研究流程，更在創造以往不可能的全新科學產出類別。

接下來呢？

史丹佛與 Arc Institute 團隊已在擴展這項工作。更大、更複雜的噬菌體基因體已在規劃中，針對臨床相關細菌病原體進行微調的模型也在開發之列。然而，臨床應用仍是數年之後的事——噬菌體療法面臨監管障礙、製造挑戰以及嚴格人體安全測試的需求。

在更近的未來，這項研究展示的概念驗證將在 AI 與生物學界引起廣泛迴響。生成式模型能「寫出」生命。現在的問題不再是這項技術會不會進步，而是進步的速度有多快，以及我們的治理框架能否跟上。

此刻，那 16 株 AI 設計的噬菌體靜靜存放在實驗室冷凍櫃中——不起眼的病毒，殺滅細菌，卻由沒有人類書寫、自然未曾產出的密碼建構而成。它們是一個小小的里程碑，意涵卻無比巨大：一個新時代的首批造物，在這個時代裡，智慧——無論人工或自然——正在設計生命本身的構成要素。