AI造物时代开启：首次完成完整噬菌体基因组从头设计

生命系统的许多重要功能并非由单个基因独立决定，而是来源于整个基因组尺度上基因、调控元件及分子互作共同编码的复杂协同作用。然而，与蛋白质设计和基因线路工程相比，直接设计完整基因组始终是合成生物学领域长期悬而未决的挑战。即便最简单的基因组也极为复杂，单个突变就足以使其无法存活。正因如此，生物学设计的大多数进展长期局限于单个基因和基因回路的尺度，而全基因组层面的设计始终遥不可及。

2026年8月6日，斯坦福大学Brian L. Hie团队在国际顶尖学术期刊Science上发表了一项突破性研究，首次利用基因组语言模型实现了完整噬菌体基因组的生成式设计。

基因组语言模型是一种基于海量DNA序列训练的AI算法——其原理与大型语言模型学习人类语言类似，只不过训练数据是来自所有生命领域的数百万个基因组。通过这种训练，模型能够学习自然界中塑造DNA序列的进化约束规律。然而，基因组语言模型能否生成完整且功能正常的基因组，此前从未被验证过。

研究团队之所以选择噬菌体作为突破口，是因为它们基因组相对较小（约5.4 kb）、易于实验操作，且在分子生物学、微生物工程和临床治疗中具有广泛应用前景。他们选择了天然噬菌体ΦX174作为设计模板——该噬菌体具有重要历史意义：它是诺贝尔奖得主弗雷德里克·桑格首次完成测序的完整基因组，也是合成生物学先驱克雷格·文特尔首次实现化学合成的完整基因组。

具体而言，这项研究旨在回答一个核心问题：生成式AI能否在基因组尺度上写出一个完整、可存活、具备预设功能的生命系统？

研究团队利用此前开发的基因组语言模型——Evo 1和Evo 2——生成了数千个具有真实遗传结构的完整噬菌体基因组。随后，他们对其中近300个设计进行了化学合成，并在实验室条件下进行了系统测试。

最终，16株活性噬菌体被成功验证——它们能够感染宿主、完成复制，且具备完整的生命周期。这些由AI设计、人工合成的噬菌体展现出三大令人瞩目的特征：

第一，它们与自然界中任何已知噬菌体均不同。这些噬菌体呈现出从头突变、差异化的基因及调控元件，以及可变的基因组长度。换言之，AI并非简单地复制粘贴已知序列，而是探索了自然进化从未覆盖的基因组空间。

第二，AI展现了跨物种借用零件的能力。冷冻电镜证实，其中一种噬菌体在其衣壳结构中利用了来自进化上亲缘关系较远的噬菌体的DNA包装蛋白。正如评论所言，这相当于AI在写基因组时，从不同物种的工具箱里借用了零件。

第三，AI设计的噬菌体能够克服细菌耐药性。这是开发噬菌体疗法中的核心挑战。研究发现，由AI设计噬菌体组成的混合物能迅速克服对ΦX174具有抗性的大肠杆菌菌株，而由天然来源的ΦX174类似噬菌体组成的混合物则无法做到。这一发现为应对快速演化的超级细菌提供了全新思路。

这项研究的结论清晰而有力：生成式模型能够以足够高的保真度捕捉DNA序列中的进化约束，从而产生与自然界基因组有显著差异且具备预设特性的完整基因组。

该研究还引发了重要的生物安全与生物安保讨论。研究团队强调，具备设计合成功能性AI生成基因组的能力带来了不容忽视的安全隐患，需要专家监督和健全的防护措施。当然，客观而言，该研究目前主要针对小型噬菌体基因组（约5.4 kb），向更大、更复杂的基因组（如细菌或真核生物基因组）的推广仍需克服计算和合成方面的重大挑战。尽管如此，这项研究为合成基因组学开辟了全新范式——它证明生成式AI不仅可以设计蛋白质或基因回路，还能在整个基因组尺度上创造功能性的生物系统。正如研究者在结论中所写：这种方法为针对快速进化病原体生成适应性强且具有韧性的噬菌体疗法铺平了道路，并为更大、更复杂基因组的生成式设计奠定了基础。

当AI从写文章进化到写基因组，我们或许正站在合成生物学新时代的门槛上。

参考文献：https://www.science.org/doi/epdf/10.1126/science.aec2657