基因组是一串核苷酸，而能够生成散文的那类人工智能，原则上也能生成基因组。斯坦福大学和Arc研究所的研究人员如今正是这样做的。他们利用基因组语言模型，即像聊天机器人以文字为训练对象那样以数十亿个核苷酸为训练材料的AI系统，从零编写完整的噬菌体基因组，合成了近300个基因组，并发现其中16个能产生可工作的病毒。研究结果发表于《科学》（Science）杂志，同期配发的一篇观点文章警告说，引导这一能力安全发展所需的治理机制尚不存在。
噬菌体是感染细菌的病毒，是检验基因组设计的便捷试验场。研究团队选择phi-X174作为模板，这是一种感染大肠杆菌（E. coli）的微小噬菌体，仅有5386个核苷酸和11个基因。它是弗雷德·桑格（Fred Sanger）团队于1977年测定的第一个基因组，也是克雷格·文特尔（Craig Venter）团队于2003年化学合成的第一个基因组。它的体积足够小，使经过病毒基因组训练的人工智能有现实的机会写出真正可用的新版本。
项目所用的人工智能系统是Evo 1和Evo 2，这是斯坦福大学布莱恩·希（Brian Hie）团队与Arc研究所开发的基因组语言模型。Evo 2拥有400亿个参数，以约9.3万亿个核苷酸为训练数据，是迄今公开发布的最大基因组模型。在本项目中，研究人员先用微病毒科（Microviridae）家族的14466条序列对模型进行微调，phi-X174即属于该家族，然后提示模型一次性从左到右生成完整基因组，像语言模型写出一句话那样写出整条序列，而不是拼接现有基因的片段。
整个流程包括筛选数千个候选基因组，根据预测特征选出约300个进行化学合成，并在实验室逐一测试。约5%的成功率绝对值虽低，但作为概念验证意义重大：16个合成基因组产生了能够感染并杀死大肠杆菌的功能性噬菌体。在生长竞争中，几个AI生成的噬菌体表现优于天然亲本菌株；由这16种噬菌体组成的混合制剂迅速制服了已对天然病毒产生抗性的大肠杆菌菌株，而单独的天然噬菌体做不到这一点。其中一个被命名为Evo-phi-36的生成噬菌体，纳入了来自进化关系遥远的噬菌体的DNA包装蛋白，这种组合在自然界中并不存在。
生物安全层面的考量，正是这篇论文配发了一篇措辞异常尖锐的评论文章的原因。约翰斯·霍普金斯大学健康安全中心（Johns Hopkins Center for Health Security）的汤姆·英格斯比（Tom Inglesby）和莫里茨·汉克（Moritz Hanke）在《科学》上撰文指出，用生成式AI编写病毒基因组的能力已经存在，而引导这种能力的治理机制却不存在。他们指出，AI设计的基因组可能编码现有对策无法遏制的病原体，而研究人员将感染人类、植物和动物的病毒排除在训练数据之外的决定，可以通过用病原体数据微调模型来部分绕过。他们呼吁以法律形式强制要求对合成DNA订单进行筛查，而不是依赖自愿性保障措施。
研究团队自身也指出了风险。作者们刻意将人类和动物病毒排除在训练之外，敦促他人咨询生物安全与安保专业人士，并强调这项工作是在生物安全监督下进行的。独立专家对威胁的严重程度看法不一。帝国理工学院（Imperial College）的汤姆·埃利斯（Tom Ellis）称这项研究令人印象深刻，但指出phi-X174是最小、最容易合成的基因组，并认为与对现有病原体进行功能获得性改造相比，AI完整设计危险基因组的威胁被夸大了。其他人则指出，约5%的成功率，以及天然进化打磨了半数功能性噬菌体这一事实，说明模型仍在生成大量无功能的序列，而这种缓冲可能随着模型的改进而消失。
这项工作的预印本于2025年9月发布，本次发表的是经同行评审的版本，并附有治理分析。这一区别很重要：序列由模型写出，但训练数据由人类选择，筛选条件由人类设计，合成哪些基因组由人类决定，测试也由人类完成。真正的创新在于，写作本身，也就是完整功能性基因组的生成，已经转移到了机器手中。
近期的前景是医学性的：杀死耐药细菌的噬菌体、运送基因的工程病毒、按需定制的生物工具。风险则是自合成生物学诞生以来一直伴随其左右的那些风险，如今又因让基因组设计变得廉价而普及的模型而加速显现。观点文章的作者表示，这项技术已经到来，问题在于，规则能否在这一能力扩散之前制定出来。
婷 翻译
来源：King, S.H., Driscoll, C.L., Li, D.B. et al. Generative design of bacteriophages with genome language models. Science 393, eaec2657 (2026). DOI: 10.1126/science.aec2657. Inglesby, T.V. & Hanke, M.S. AI-designed viral genomes. Science 393, 563-564 (2026). DOI: 10.1126/science.aej8512. The Guardian, August 6, 2026.