币圈界报道：

AI首次自主构建可运行病毒基因组，16例实验证明有效

一项发表于《科学》期刊的研究显示，由斯坦福大学主导的科研团队借助生成式人工智能系统，成功从无到有设计出完整的、具备功能性的病毒基因组。其中16个由AI生成的序列在实验中被证实可实际组装成活性噬菌体，并有效侵染并消灭大肠杆菌，标志着该技术实现端到端闭环突破。

基于语言模型的基因组生成：预测碱基而非词语

研究由化学工程助理教授Brian Hie带领，联合英伟达与加州大学伯克利分校成员完成。团队采用名为Evo 1和Evo 2的基因组语言模型，其运作原理类似于大型语言模型，但目标不是生成文本，而是预测DNA链中下一个碱基对的组成。Evo 2模型在约9.3万亿个碱基对的数据集上训练，涵盖多种生物遗传信息，且刻意剔除了人类及动植物致病病毒序列，以降低潜在滥用风险。

从虚拟设计到实体验证：302个候选仅16个成功

研究人员以ΦX174噬菌体为起点，通过AI生成数千条全新基因组序列，从中筛选出302个最具潜力的设计进行合成。这些人工编写的生命代码被注入细菌细胞后，经实验验证，最终有16个成功组装成具备完整复制能力的活体病毒。博士生Samuel King在清晨观察培养皿时，首次确认了这些由算法创造的病毒正在吞噬细菌菌落，完成关键验证。

混合病毒“鸡尾酒”破解耐药性难题

更令人振奋的是，当多个成功的AI设计噬菌体组合使用时，其协同作用展现出强大抗耐药能力——能够迅速应对两种不同大肠杆菌菌株的防御机制。这一特性直击当前抗菌治疗的核心瓶颈：抗生素失效后的替代方案长期受限于获取速度与精准度。

重塑抗超级细菌疗法的潜在范式

传统噬菌体疗法面临天然资源稀缺、定制周期长等障碍。而本研究展示的能力使科学家有望按需快速设计针对特定耐药菌的新型噬菌体。论文指出，该技术或将极大缩短靶向治疗开发时间，显著拓展医学可用的生物工具库，推动个性化抗感染治疗进入新阶段。

开源模型带来的双重挑战：创新与风险并存

尽管成果重大，研究团队也明确警示其带来的生物安全风险。在《科学》论文中，作者强调此类技术必须纳入严格的安全审查流程。约翰霍普金斯大学健康安全中心专家进一步指出，虽然前景广阔，但全球尚未建立有效的治理框架来规范此类全基因组生成工具的使用。

未来方向：迈向更复杂生命系统的构建

Hie团队正探索生成更长、更复杂的遗传序列，包括小型细菌基因组，其复杂度远超本次研究涉及的6000碱基对噬菌体。团队核心关切在于如何提升遗传设计的多样性与结果的可控性。这一问题将决定下一代生物设计系统的边界——它既可能加速医学革命，也可能开启不可控的生物风险新纪元。