人工智能生成了大量的基因组样本，研究人员从中挑选了最好的 302 个，其中 16 个在人类研究人员进行的湿实验室测试中，成功制造出了能够杀死大肠杆菌的可行病毒。
AI生成病毒，听着像科幻灾难片开头。实际上，生成式AI写了一整条病毒DNA链，人工合成后注射进细菌，病毒活了，还能精准感染目标细菌。更离谱的是，混合几种AI病毒，能轻松干掉那些对天然病毒产生耐药性的细菌。这不是电影预告，是发表在《Science》上的真实研究。
从写诗到写病毒DNA，只隔了一层纸
文本语言模型，像ChatGPT这类工具，靠海量文字训练出来，学会词语之间怎么搭配，句子怎么接才通顺。换到生物领域，DNA就是生命的语言。四种碱基——A、T、C、G，排列组合出所有生命指令。基因组语言模型，吃的不是莎士比亚，是数百万个天然基因组的DNA序列。模型啃完这些数据，摸到了门道：哪些碱基排列在进化中活了下来，哪些组合一出现就被淘汰。
这就像一个人读了数百万本小说，不需要懂语法规则，也能写出像模像样的故事。但模型学到的不是语法，是进化写下的“潜规则”。某个位置出现A还是G，前后碱基怎么配合，这些约束条件模型默默记在心里。问题是，学会写句子和学会写一整本书，难度差着好几个量级。基因组也是同样道理，单基因设计相对简单，但整条基因组像一本环环相扣的长篇小说，改一个词都可能让全书崩盘。全基因组设计之所以难，就因为牵一发而动全身的连锁反应。
噬菌体偏偏选了最难的路。这种专门感染细菌的病毒，基因组虽小，却五脏俱全。基因和调控元件挤在一起，像早高峰地铁上的乘客，谁动一下都会撞到别人。一个突变让某个蛋白失效，整个病毒复制周期直接停摆。过去用定向进化或者理性设计的方法改噬菌体，就像在拥挤地铁里给人换座位，折腾半天也就挪动几个人。生成式模型则不同，它直接重写整节车厢的布局。
为什么偏偏选中了噬菌体ΦX174
噬菌体是一种病毒，专吃细菌。不感染人类，不感染动物，只盯着特定种类的细菌下手。这个特性让噬菌体在医学和生物工程领域很吃香，可以用来对付耐药菌。ΦX174是一种被研究透了的噬菌体，基因组只有五千多个碱基对，在病毒世界里算袖珍款。它的结构简单，但该有的都有：编码外壳蛋白的基因、复制蛋白的基因、包装DNA的蛋白基因，还有控制这些基因开和关的调控序列。
过去基因合成技术只能合成长度有限的DNA片段，整条基因组合成费时费力。
现在技术进步了，合成长片段变得可行，这才让AI生成全基因组后直接合成测试成为可能。ΦX174之所以被选为模板，因为它的宿主是大肠杆菌C株。这种细菌在实验室里好养，生长快，测试感染效率非常方便。更关键的是，对于ΦX174这种小基因组，AI模型生成出来的序列，人工合成成本相对可控。
有了模板，就有了参照物。
研究团队定下几条设计标准：生成的基因组必须保留对大肠杆菌C株的感染能力，基因排列顺序得符合逻辑，关键蛋白的氨基酸序列不能乱来。这些标准像滤网，从AI生成的成千上万个候选序列里筛出少数值得合成的。
吃透百万基因组，AI学会了进化暗号
基因组语言模型背后是深度学习架构。
Evo 1和Evo 2这两个模型被用在了这项研究里。训练数据涵盖生命树各分支的微生物基因组，合计数百万条序列。模型训练目标很简单：给定一段DNA序列的前半截，预测下一个碱基是什么。不断预测，不断对比正确答案，模型内部参数慢慢调整，直到它能以较高准确率猜出后续碱基。
这个过程听起来像打字软件的联想输入，但规模完全不是一个量级。DNA序列里每个位置有四种可能，上下文的依赖关系可以拉得很长。一个基因开头的碱基排列，可能影响几千个碱基之外某个调控元件的功能。模型必须捕捉到这种长距离依赖。训练完成后，模型内部学到了一个高维空间里的“合理基因组”分布。从这个空间里采样，就能生成自然界从未出现过，但符合进化约束的DNA序列。
生成不是天马行空地乱写。研究团队给生成过程加了条件：生成的基因组要跟ΦX174功能相似。技术上讲，这叫条件生成。就像让文本模型写一封商务邮件，不能写成童话故事。模型在生成每个碱基时，都会参考训练数据中学到的约束，同时向ΦX174的功能要求靠拢。
合成三百条DNA，活下来的只有十六个
生成完序列，第一步是计算机筛选。研究团队用算法评估每个生成基因组的基本特征，比如基因数量对不对，有没有半途而废的基因，启动子序列是不是合理。经过筛选，剩下约三百条序列进入合成环节。化学合成DNA片段，拼接成完整的环状基因组，然后把这些合成基因组导入大肠杆菌C株。如果基因组能正常运转，宿主细胞里就会出现新的噬菌体颗粒，最终细菌被胀破，释放出病毒后代。
结果出来了，十六个生成基因组成功产生活噬菌体。这个成功率看上去不高，但考虑到这是全基因组级别的从头生成，而且生成序列跟天然ΦX174的差异相当大，能活下来十六个本身就是信号。信号指向一件事：模型确实学到了维持噬菌体生存所需的核心约束。失败的三百多条各有各的死法，有的基因编码的蛋白折叠不起来，有的调控序列失效导致关键基因没表达，有的DNA包装信号丢失让基因组塞不进外壳。这些失败案例反过来验证了模型学到的约束哪些是对的，哪些还不够精确。
活下来的十六个噬菌体各有特色。它们在宿主细胞里的复制速度不同，有的感染效率特别高，有的相对温和。从基因组序列看，它们跟所有已知天然噬菌体都不同，甚至跟彼此之间也存在显著差异。基因长度有增有减，调控元件出现了新组合，某些蛋白的氨基酸序列跟ΦX174的同源蛋白只有七成相似度。
意外的蛋白，冷冻电镜下看清了真相
其中一个AI生成噬菌体引起了特别关注。它的DNA包装蛋白，在进化关系上属于另一个远亲噬菌体家族的成员。包装蛋白负责把复制好的病毒DNA塞进外壳蛋白里，这个工序如果出错，基因组就算序列完美也造不出完整病毒颗粒。天然ΦX174使用的包装蛋白有特定结构，手感和功能都很熟悉。AI生成的版本却借用了远房亲戚的工具，而且用上了。
这个发现来自冷冻电镜的结构解析。把病毒颗粒冷冻起来，用电子显微镜一层层扫描，重建出三维结构。结果清楚了，这个包装蛋白确实组装进了外壳里，空间结构跟天然版本不一样，但功能正常。这说明模型在设计时没有简单复制ΦX174的包装方案，而是重新组合了训练数据中学到的可行解。
这种跨家族的蛋白利用在自然进化中极为罕见，因为包装蛋白跟外壳蛋白之间存在结构匹配的要求，随便换一个外来者大概率卡不进去。AI模型绕过了这个兼容性瓶颈，生成了一个能工作但不按常理出牌的解。这给合成生物学提供了一个新思路，不必拘泥于天然存在的模块组合，生成式模型可以探索人类直觉走不到的角落。
细菌反了，AI病毒合围搞定
噬菌体疗法有个死穴，细菌容易产生抗性。像ΦX174这样的天然噬菌体，感染细菌后，细菌通过突变改变表面受体，病毒就找不到门进去了。研究团队用ΦX174反复感染大肠杆菌，筛出了对ΦX174完全免疫的耐药菌株。这些细菌对天然噬菌体的混合制剂无动于衷，该长菌落长菌落，丝毫不受影响。
然后用AI生成的噬菌体混合物去攻击同一种耐药菌株。结果反差鲜明，混合物迅速压制了细菌生长。耐药菌株的防线被突破了。背后的机制推断是，生成噬菌体采用了不同于ΦX174的感染路径，可能识别了细菌表面的不同受体，或者用了不同策略注入DNA。天然ΦX174及其近亲变种都共享相同的感染机制，细菌一旦把这个门堵上，整支天然病毒大军全被挡在门外。AI生成的噬菌体各自走了不同的路，细菌就算堵上一扇门，还有其他门可以进。
这个发现对开发长效抗感染方案意义很大。细菌进化速度快，单一噬菌体很容易失效，而多样化的噬菌体组合可以让细菌顾此失彼。生成式模型能够批量产出功能相似但实现路径不同的噬菌体，给组合疗法提供了源源不断的新弹药。
全基因组设计从无到有，图景被改写了
过去合成基因组学的工具箱里有三样东西：
测序，读取天然基因组信息；
合成，把设计好的DNA写出来；
编辑，在现有序列上做修改。
生成式设计带来了第四样东西，直接从零创造全新但可行的基因组序列。不需要天然模板，不依赖已有的基因组合，AI学会了进化规则后自己排兵布阵。
这项技术目前只用在噬菌体这种小型基因组上，离设计人类基因组还差着十万八千里。但技术路径已经铺出来了。把模型参数做大，训练数据扩充到更复杂的真核生物基因组，生成结果的筛选标准从感染效率换成其他功能指标，这套框架可以平移。
十六个活噬菌体只是起点。它们证明了生成式模型捕获进化约束的精度足够产生功能完整的生物系统。下一步可以是设计针对多种耐药菌的噬菌体鸡尾酒，也可以转向设计合成酵母人工染色体这类更大规模的基因组。当AI不仅能读写基因，还能创作整个基因组时，生物工程的想象力边界该重新画了。
总结：AI生成活病毒听起来可怕，实则是用大模型学进化规则后从零设计可行基因组。十六个生成噬菌体功能各异，混合使用能破除细菌耐药性，为全基因组设计打开新大门。科幻走进实验室，进化有了新执笔人。
原文期刊：Science / 发表日期：2026年8月6日 / 原文标题：Generative design of bacteriophages with genome language models / 作者单位背景：斯坦福大学等机构