斯坦福Evo 2 AI设计噬菌体，精准打击大肠杆菌

近日，斯坦福大学的研究团队公布了一项突破性成果：他们借助生成式AI模型Evo 2，成功设计并合成了近300种噬菌体，其中16种在实验室测试中展现出对大肠杆菌的强效杀灭能力。这一研究不仅验证了AI在基因组设计领域的实用价值，也为日益严峻的抗生素耐药性问题带来了新的希望。

从AI序列到活性噬菌体

这项研究的核心围绕噬菌体ΦX174展开，该噬菌体因结构简单、遗传背景清晰，长期被视为分子生物学研究的经典模型。研究团队利用Evo 2——一个在海量基因组数据上训练的大型语言模型——生成了一系列ΦX174的变体DNA序列。随后，他们通过合成生物学技术将这些序列转化为实际噬菌体，并在实验室中验证其感染和裂解大肠杆菌的能力。

实验过程并非一帆风顺。在最初合成的近300个噬菌体变体中，并非所有都能正常工作。经过系统的活性筛选，研究团队最终锁定了16个表现突出的候选噬菌体。它们不仅能高效识别并攻击大肠杆菌，还展现出一定的序列多样性，为后续优化提供了丰富的素材。

这项研究的亮点在于，AI并非简单地排列组合已知序列，而是能够探索自然界尚未存在的“基因组空间”，从而加速功能性生物元件的发现。

Evo 2：基因组设计的“语言模型”

Evo 2由Arc Institute、斯坦福大学和英伟达等机构联合开发，是一款针对DNA、RNA和蛋白质序列训练的生成式AI模型。与传统蛋白质结构预测工具不同，Evo 2的核心能力在于“理解”基因组的语法和语义，并能根据需求生成符合生物学规律的DNA序列。此前，该模型已成功用于设计CRISPR-Cas9相关蛋白和转座子元件，而此次针对噬菌体的研究则进一步拓展了其应用边界。

与人类语言相比，基因语言的复杂度更高，存在大量非编码区域和调控元素。Evo 2通过数十亿个进化序列的学习，能够捕捉到序列与功能之间的隐性关联，从而生成具有可预测功能的DNA。这种“生成式设计”模式，有望彻底改变生物工程中“试错驱动”的传统范式。

噬菌体疗法：对抗耐药菌的新希望

随着多重耐药菌在全球范围内快速蔓延，抗生素的局限性日益凸显。噬菌体——这种专门感染细菌的病毒——重新受到医学界的重视。因为噬菌体具有高度特异性，通常只攻击特定细菌，不会像广谱抗生素那样破坏人体正常菌群。然而，传统噬菌体的筛选和改造周期长、成本高，限制了其临床应用。

AI技术的介入，为噬菌体疗法注入了新的活力。通过AI快速生成并优化噬菌体序列，研究人员可以在几天内完成过去需要数月的设计工作。斯坦福团队取得的成果，不仅证明了AI设计噬菌体的可行性和有效性，更意味着未来我们有可能按需定制“精准杀菌方案”，以应对特定耐药菌株。

编者按：AI生物设计走向现实

从AI预测蛋白质结构到AI设计完整基因组，合成生物学正在经历一场由深度学习驱动的革命。斯坦福大学这项研究的意义，不仅在于成功制造了具有杀菌活性的噬菌体，更在于展示了“AI→DNA→生命”的闭环流程可被快速验证。尽管当前还面临着脱靶效应、体内稳定性等挑战，但可以预见，随着模型迭代和实验验证能力提升，AI设计的生物系统将越来越多地走进实验室和临床。

当然，我们也需要保持审慎。AI生成的序列是否隐含着未知风险？如何确保这类技术不被滥用？这些伦理与安全问题，需要与技术发展同步思考。这次对大肠杆菌的“精准打击”，说是AI生物时代的一次成功预演，并不为过。

本文编译自AI News