核心观点 - 斯坦福大学与Arc Institute的研究团队利用AI语言模型，首次成功设计并合成了具备完整生物学功能的噬菌体基因组，其中16个生成的基因组能有效抑制并猎杀大肠杆菌，部分甚至能对抗耐药菌株，这标志着AI在合成生物学领域取得了重大突破，为应对抗生素耐药性等挑战提供了全新的精准设计疗法 [1][7][9] 技术突破与实验设计 - 研究团队以噬菌体ΦX174（基因组长度5386个核苷酸，编码11个基因）为模板和起点，利用经过数百万个基因组训练的DNA语言模型Evo 1和Evo 2进行设计 [5][17] - 团队开发了创新技术流程，包括为重叠阅读框定制的基因注释流程、针对基因组语言模型的微调与提示词工程策略，以及一套全新的合成噬菌体基因组筛选方案 [20] - 通过对模型进行监督微调，使用14,466条精选的微小噬菌体序列进行训练，使AI能生成与ΦX174进化相似又具备创新的序列 [31][32] - 团队合成了285条AI设计的基因组，并通过创新的快速筛选流程（在96孔板中监测细菌生长抑制）进行测试，最终验证了16个功能性噬菌体 [7][38] 实验结果与性能 - 在285个AI设计的基因组中，有16个被验证可有效抑制宿主生长，能精准靶向特定大肠杆菌（C型和W型）且不误伤其他菌株 [7][35] - 部分AI设计的噬菌体比原始ΦX174版本复制更快、竞争力更强，并能处理天然噬菌体难以对付的耐药菌 [7] - AI生成的基因组携带了67至392个新突变，其中Evo-Φ2147携带392个突变，与最近似天然基因组的平均核苷酸同一性为93.0%，根据某些标准足以被认定为新物种 [39][40] - 有13个基因组包含了自然界未见的突变，证明AI能够探索自然进化未涉足的序列空间 [40] - 合成噬菌体Evo-Φ36成功整合了远亲噬菌体G4的DNA包装蛋白（J蛋白，25 vs 38个氨基酸），并通过补偿突变使其正常运作，解决了一个以往未能攻克的工程难题 [40][42] 应用潜力与行业意义 - 该研究证明AI能够快速设计有效的噬菌体“鸡尾酒”组合，在1至5次传代内攻克了三种对ΦX174具有耐药性的大肠杆菌菌株，而单独使用天然ΦX174则完全无效 [45][46] - AI设计使得噬菌体疗法从“试错”转变为精准“设计”，人类有望主动设计出领先于细菌变异的疗法 [49] - 这项成果标志着人类对生物学的能力从“读取”（测序）、“写入”（合成）进入到了“设计”（AI生成）的新阶段，为生物技术和基础研究开辟了新领域 [23][52][53] - 随着AI模型迭代和DNA合成成本下降，全基因组设计将开启未探索的进化空间，为应对抗生素耐药性等健康挑战提供全新的可替代疗法 [9][52]