斯坦福Evo 2模型生成噬菌体序列 16个变体展现杀灭大肠杆菌活性

斯坦福大学研究团队公布，利用生成式AI模型Evo 2设计并合成近300种ΦX174噬菌体变体DNA序列，最终有16个变体在实验室测试中显示出对大肠杆菌的杀灭能力。这一结果直接来自对模型生成序列的活性筛选，证实部分AI设计的噬菌体能够完成感染和裂解过程。

事实还原

研究以经典模型噬菌体ΦX174为起点，该噬菌体结构简单、遗传背景清晰。团队将Evo 2生成的序列通过合成生物学方法转化为实际噬菌体颗粒，随后进行感染实验。最初合成的近300个变体中，仅16个通过活性筛选，表现出识别并攻击大肠杆菌的能力，同时保留一定序列多样性。这些事实均来自实验验证环节，未涉及临床应用数据。

机制拆解

Evo 2模型在海量基因组数据上训练，能够捕捉DNA序列与功能之间的关联。与传统蛋白质结构预测不同，该模型针对DNA、RNA和蛋白质序列进行生成式设计，探索自然界未出现的序列空间。研究显示，模型生成的序列并非简单排列组合，而是遵循生物学规律，部分变体成功实现噬菌体功能。这一过程将AI序列生成与合成生物学验证结合，形成从模型输出到活性颗粒的流程。

产业影响

对开发者而言，Evo 2展示生成式模型可加速功能性生物元件发现，减少传统试错周期。对企业用户来说，噬菌体疗法相关研发可能获得新工具，以应对多重耐药菌问题。竞争格局方面，此类AI工具的出现可能推动合成生物学领域从筛选转向设计导向，但目前仍处于实验室阶段，尚未形成规模化应用。

战略判断（分析）

基于现有实验结果，AI设计噬菌体的可行性已获初步验证，未来可能扩展至其他细菌靶点。然而，生成序列是否隐含未知风险，以及如何防止技术滥用，仍需与技术发展同步评估。材料中明确指出，AI生成的序列可能带来伦理与安全问题，需保持审慎态度。短期内，更多实验室验证将决定该方法能否从模型走向实际应用。

整体而言，此次研究将AI生成能力与噬菌体活性验证结合，为基因组设计提供新路径，但生物安全讨论也随之展开。后续进展取决于进一步的实验数据与管控框架。