AI 設計出 16 個具有功能的病毒基因組，可感染細菌

生成式人工智慧剛剛跨越了科學家多年來關注的界線。史丹佛大學與 Arc 研究所的研究人員利用人工智慧從零設計出完整的病毒基因組，其中 16 個設計最終變成了完全功能性的病毒。不是部分功能，也不是模擬的，而是真正具有生物學意義的活體病毒，能夠感染細菌。

於2025年9月12日發布於 bioRxiv 的預印本，標誌著生成式人工智慧首次成功端到端生成具有功能的病毒基因組。這些是噬菌體，即感染細菌而非人類的病毒。

由史丹福大學的 Brian Hie 領導，並與 Arc 研究院、NVIDIA 和加州大學柏克萊分校的合作者共同參與的團隊，使用了稱為 Evo 1 和 Evo 2 的基因組語言模型。他們並非預測句子中的下一個詞，而是預測 DNA 序列中的下一個鹼基對。

該團隊根據自然病毒 ΦX174 的結構，生成了 302 候選噬菌體基因組。在這 302 個候選者中，有 16 個經實驗確認能夠組裝成具有活性的病毒，並成功感染和裂解大腸桿菌。

多種由人工智慧設計的變體，其複製優勢最高可達所模擬天然模板的 65 倍。該團隊還在雞尾酒療法中測試了這些人工智慧生成的噬菌體對抗抗藥性細菌菌株，結果顯示其具有顯著的療效。

抗藥性細菌是全球醫療保健中最被忽視的危機之一。噬菌體療法自20世紀初以來就已存在，這種療法利用病毒殺滅特定細菌，但從未廣泛應用於臨床，部分原因是為特定細菌菌株設計合適的噬菌體是耗時且緩慢的工作。

Evo 模型所使用的團隊資料基於龐大的遺傳數據，涵蓋數萬億個 DNA �鹼基對，這些數據源自 2024 年推出的前期研究。自然界的 ΦX174 噬菌體基因組約為 5,386 個鹼基對，按生物學標準來看非常微小。

這 16 種具有功能的噬菌體針對大腸桿菌，並在已知自然模板的限制下設計而成。研究人員並未創造新的大流行病原體。但其背後的核心能力——一種理解如何構建有效病毒機制的模型——是一種需要在技術進一步發展前進行謹慎治理討論的工具。

NVIDIA 參與此合作值得任何關注 AI 基礎設施投資流向的人留意。如此規模的基因組建模需要大量的運算能力，而生命科學領域已成為高性能 GPU叢集最重要的應用領域之一。