《Science》最新：AI设计出16种自然界未发现的病毒

2026年8月6日，斯坦福大学等研究团队在国际顶级学术期刊《Science》发表最新研究Generative design of novel bacteriophages with genome language models，该研究利用基因组语言模型Evo 1和Evo 2设计完整病毒基因组，并最终在实验室中获得了16种能够正常复制并感染细菌的全新噬菌体。这意味着，AI生成了一套能够支撑完整生物学功能的病毒基因组。

该研究的目的并非创造新病毒，而是想解决当抗生素对耐药菌失效后，我们如何控制细菌？这16种病毒并不是流感病毒、新冠病毒，也不会去感染人，它们是专门感染细菌的噬菌体。

一、AI技术革新

大语言模型可以通过学习海量文字，掌握语言规律，再一个词一个词地生成新的文章。Evo所做的事情有些类似，只不过它学习的是由A、T、C、G四种碱基构成的DNA。

研究人员选择了经典噬菌体ΦX174作为设计模板。它的基因组只有约5400个碱基，却包含11个基因以及多个调控元件。要让整个病毒具有活性，不同基因、调控序列、结构蛋白之间必须精确配合。一个关键位置发生错误，就可能让整套基因组彻底失效。研究团队让Evo模型学习大量噬菌体基因组的规律，再生成新的完整基因组。经过计算筛选，研究人员选择了302个设计进行实验，其中285个成功完成DNA合成与组装。最终，16个AI设计的基因组真正形成了具有感染能力的噬菌体。

图1 生成的噬菌体序列与结构（引自参考文献）

从285个到16个，看上去成功率并不算高。但关键在于，此前AI能够设计新的蛋白质、酶甚至复杂的基因系统，却从未真正证明它能够一次性写出一套完整、可运行的病毒基因组。这一步代表着生成式AI面对的已经不只是一个基因怎么设计，而是一个完整生物系统如何协同运行。

二、16种病毒的设计思路

16种成功噬菌体与已知天然噬菌体之间存在大量序列差异。部分基因组相对于最接近的天然序列出现数百处新的变化，其中一个设计与最近天然噬菌体之间存在392处突变，平均核苷酸一致性只有约93%。

其中一种名为Evo-Φ36的噬菌体。它使用了一种来自进化距离较远噬菌体的DNA包装蛋白。过去研究曾尝试直接把类似蛋白换进ΦX174，结果病毒无法正常存活；但AI生成的完整基因组却通过其他位置的协同变化，使这一跨越进化距离的组合真正运行起来。

冷冻电镜也进一步证实，这种AI设计的噬菌体能够形成完整病毒颗粒。

三、未来AI应对超级细菌

研究人员让大肠杆菌逐渐产生对天然ΦX174的抗性，获得了3株不同的耐受菌株。面对这些细菌，原来的ΦX174已经无法有效抑制其生长。对16种AI设计噬菌体进行测试，结果出现了明显差异：这一噬菌体组合经过连续传代后，分别在第1轮、第2轮和第5轮实验中突破了三种耐药大肠杆菌的防御，而单独使用天然ΦX174始终没有成功。

未来面对一种不断产生耐药性的细菌，我们也许不必再完全依赖从污水、土壤、动物或环境中寻找合适的天然噬菌体，而可能根据目标细菌的特点，在计算机中提前设计大量候选病毒，再从中筛选最有希望的组合即可。

参考文献

King SH, Driscoll CL, Li DB, et al. Generative design of bacteriophages with genome language models. Science. 2026;393(6811). doi:10.1126/science.aec2657 .