8月6日，美国斯坦福大学和加利福尼亚州帕洛阿尔托Arc Institute研究人员在《Science》发表研究成果，报告利用基因组人工智能模型设计完整噬菌体基因组，并在实验室获得16种能够繁殖并感染特定大肠杆菌的新型噬菌体。研究显示，生成式人工智能的生物设计能力已经从蛋白质和局部遗传序列进一步扩展至完整病毒基因组，为噬菌体治疗和合成生物学提供新的研究路径，同时对人工智能生命科学的安全管理提出更高要求。

这项研究由斯坦福大学助理教授Brian Hie团队开展，Samuel King等研究人员参与。相关成果最早于2025年9月以预印本形式公开，此后经过进一步研究和学术评估，于今年8月进入正式发表阶段。

研究使用Evo 1和Evo 2基因组语言模型，以研究历史较长的ΦX174噬菌体作为主要设计参照。ΦX174是一种感染细菌的病毒，其基因组规模较小，只有11个基因，因此适合作为完整基因组人工智能设计的实验对象。

研究团队从人工智能生成结果中选择302个候选设计进行后续处理，其中285个进入有效实验测试，最终有16个能够成功繁殖并抑制相应的大肠杆菌生长。

噬菌体与能够感染人类的病毒不同，其宿主是细菌。此次实验针对的是大肠杆菌，并没有涉及能够在人类细胞中传播的病毒。研究人员测试发现，获得验证的人工设计噬菌体主要作用于实验使用的大肠杆菌菌株以及与其接近的菌株，对另外测试的多种细菌没有表现出相同感染能力，显示其宿主选择性在大幅调整基因组后仍能够得到一定程度保留。

进一步实验显示，部分人工设计噬菌体在复制能力和抑制细菌生长等指标上达到或超过作为参照的天然ΦX174噬菌体。研究人员还将多种人工噬菌体组合测试，结果显示，这种组合能够抑制三种已经对天然ΦX174产生抗性的大肠杆菌菌株。

这一结果使AI基因组设计与抗菌治疗之间形成了更加直接的联系。

随着抗生素耐药性上升，利用噬菌体感染和破坏特定细菌，一直是抗生素之外的重要研究方向。与广谱抗菌药物相比，噬菌体通常只针对一定范围内的细菌，但这种高度特异性同时意味着研究人员必须寻找能够匹配目标细菌的噬菌体，而且细菌自身仍可能继续进化并形成抗性。

研究团队认为，人工智能有可能提高这一过程的设计效率。如果能够根据目标细菌的生物特征产生更多候选噬菌体，未来科研人员可能在天然噬菌体筛选之外增加计算设计这一途径，从而扩大可供测试的噬菌体种类。

不过，此次成果目前仍属于实验室研究，并不代表AI设计噬菌体已经成为临床治疗方法。16种获得验证的噬菌体尚未被证明能够安全、有效地治疗人体感染，也没有进入常规医疗使用。噬菌体从实验室研究发展为治疗方案，还需要完成更复杂生物环境中的有效性、安全性、生产稳定性和临床研究。

实验本身也反映出目前人工智能基因组设计的技术限制。

在数百个接受测试的候选方案中，最终只有16种能够正常繁殖。人工智能可以生成具有完整遗传结构特征的DNA序列，但计算结果并不能保证形成具有实际功能的生物系统。病毒复制涉及多个基因、蛋白质结构、宿主识别以及细胞环境之间的相互作用，仍需要通过实验验证。

研究使用的ΦX174本身也是一种结构相对简单的小型噬菌体。与其相比，许多感染动物和人类的病毒拥有更加复杂的基因组、宿主适应和免疫相互作用机制。因此，此次研究证明的是生成式AI可以设计具有功能的细菌病毒完整基因组，并不能据此推断其已经具备设计能够感染人类的新型病毒的同等能力。

研究团队在Evo模型开发中也采取了针对生物安全的限制措施，包括将感染真核生物的病毒数据排除在相关训练数据之外，以降低模型处理这类病毒序列的能力。此次实验产生的16种噬菌体均以细菌为宿主，没有证据显示它们能够感染人体。

随着人工智能进入完整基因组设计阶段，安全管理的范围也随之扩大。

约翰斯·霍普金斯大学健康安全中心主任Thomas Inglesby和研究人员Moritz Hanke在同期分析中认为，研究团队采取了多项安全措施，但人工智能生成完整病毒基因组的能力意味着现有治理体系需要进一步适应技术变化。

相关安全管理涉及的不只是人工智能模型本身，还包括生物数据管理、DNA合成筛查、实验室安全以及高风险生命科学研究的审查机制。研究人员认为，在这些环节建立相互衔接的安全措施，比只针对某一种人工智能模型进行限制更有现实意义。

从现阶段技术条件看，通过计算模型生成DNA序列与形成能够稳定运行的病毒之间仍存在多个实验环节。此次研究较低的成功比例也说明，完整基因组设计尚未成为可以自动完成的成熟技术。

与此同时，技术能力正在持续扩展。人工智能在生命科学中的主要应用过去集中于蛋白质结构预测、药物候选分子寻找和基因功能分析，近年来逐步进入蛋白质生成、基因编辑工具设计以及更长DNA序列的生成。完整噬菌体基因组获得实验验证，使基因组级生物设计成为这一发展路线中的新阶段。

对于医疗领域而言，近期可以进一步验证的方向仍主要是噬菌体治疗。研究人员需要确定AI设计噬菌体能否针对更多具有临床意义的细菌、能否保持稳定宿主特异性，以及在细菌继续进化的情况下能否持续发挥作用。

对于人工智能和合成生物学领域而言，此次研究的重要结果在于，模型生成的不再只是一个蛋白质或一段孤立DNA，而是由多个相互关联基因共同组成、能够在宿主中完成复制过程的完整遗传系统。这意味着未来人工智能模型的评价标准，也将逐渐从序列是否合理转向生成结果能否在真实生物环境中实现预期功能。

对于安全监管而言，模型能力、生物数据库、DNA合成和实验验证正在形成相互连接的技术链。随着完整基因组设计效率提升，对研究项目进行风险分级、加强高风险DNA序列筛查并明确实验室安全责任，将成为人工智能生命科学继续发展的配套环节。

目前，这16种人工设计噬菌体仍停留在实验研究阶段，其直接医学价值还需要进一步验证。此次成果首先证明了AI辅助完整病毒基因组设计在技术上的可行性，同时也把人工智能在生命科学中的应用边界进一步推进到基因组层面。

未来研究能否把这一能力用于开发针对耐药细菌的新型治疗工具，将取决于设计成功率、宿主特异性、临床安全性和治疗效果等多项验证结果。与此同时，人工智能与合成生物技术快速融合，也将要求科研机构、DNA合成产业和监管部门建立与技术能力相适应的安全管理体系。