🧬 硬科技 · 突破

斯坦福用 AI 设计出新型病毒,杀灭大肠杆菌效率超越自然模板

美国科学家首次成功制造出由生成式 AI 设计的病毒——16 种合成噬菌体在实验室测试中杀灭大肠杆菌的能力,全面超过用作设计模板的天然噬菌体 ΦX174。这项研究发表在《科学》杂志上。

综合公开信息整理 2026-08-08 全文约 4 分钟读完
#AI 设计病毒 #Evo 2 #噬菌体 #斯坦福 #合成生物学
16 种 AI 设计的合成噬菌体
100% 杀灭大肠杆菌效率超越模板
ΦX174 天然噬菌体模板

⚡ 30 秒速览

  • 做了什么:斯坦福团队用生成式 AI 程序 Evo 2 编写新基因组,设计并制造出 16 种合成噬菌体。
  • 结果如何:在安全实验室测试中,这些 AI 设计的噬菌体杀灭大肠杆菌的效率高于天然模板 ΦX174。
  • 意味着什么:这是首次用 AI 从头设计出可用的病毒,被称为生物学领域的「莱特兄弟时刻」。
  • 潜在价值:噬菌体疗法或借此重获新生——AI 或将帮助解决细菌耐药性这一全球威胁。
  • 诚实边界:研究对象是噬菌体(病毒的一种),尚不涉及复杂病原体;距离临床应用还有距离。

01AI 首次设计出可用的病毒

斯坦福大学的研究人员开发了一款名为 Evo 2 的生成式 AI 程序,它能够编写新的基因组——即编码在 DNA 中的生命遗传指令。这一次,他们让 Evo 2 设计并制造了 16 种合成噬菌体

噬菌体是一种能够感染细菌的小型病毒,有时可替代抗生素来杀灭致病细菌。在安全实验室进行测试时,研究人员发现,与作为设计模板的天然噬菌体 ΦX174 相比,这些新型噬菌体在杀灭常见微生物大肠杆菌方面更为有效

天然噬菌体 ΦX174

作为 Evo 2 的设计模板,自然界已有的噬菌体,杀灭效率作为基准线。

AI 设计的 16 种噬菌体

由生成式 AI 编写基因组,实验室测试中杀灭大肠杆菌的效率全部超越模板。

对比说明:两组噬菌体均在同样安全实验室条件下测试,以杀灭大肠杆菌的效率为衡量指标。AI 设计的噬菌体效率全面超越天然模板。

02为什么这件事可信?

这项研究发表在《科学》杂志上,这是全球最权威的学术期刊之一,意味着它已经通过了严格的同行评审。

冠状病毒大流行以来,AI 设计生物序列并非新鲜事——但此前的努力大多停留在预测结构生成无效序列。真正「设计 → 合成 → 验证有效」的闭环,这一次是首次跑通。

16成功设计的噬菌体
1安全实验室测试
100%超越模板的比例
1《科学》论文

「16 种噬菌体全部有效」是这项研究最有力的证据——不是偶然的一次成功,而是一批可复现的结果。

03它能做什么?噬菌体疗法的第二春

噬菌体疗法在东欧已有数十年的应用历史。通过将特定噬菌体与患者的具体细菌菌株精准匹配,并通过局部涂抹、注射或口服等方式将其送至感染部位。

但这一疗法在西方迟迟未能推广,原因有二:操作流程复杂细菌可能产生耐药性

🦠 AI 如何让噬菌体疗法重获新生?专家观点

  • 精准匹配:AI 能快速生成针对特定耐药细菌的噬菌体,无需从自然界海量筛选。
  • 效率跃升:传统噬菌体筛选需要数周,AI 设计 + 合成验证的周期大幅缩短。
  • 应对耐药性:随着「具威胁性的耐药病原体」证据增多,创新替代方案成为刚需。
  • 应用潜力:噬菌体可替代抗生素杀灭致病细菌,在分子生物学和治疗领域有广泛应用。
斯坦福团队另一位成员 Samuel King 表示:「随着越来越多关于具威胁性的耐药病原体出现的证据涌现,我们将需要创新的替代解决方案——而噬菌体疗法无疑是其中之一。」

但,数据只是故事的一部分。

这项研究的真正重量,不在于「杀灭大肠杆菌」本身,而在于它证明了 AI 可以设计出自然界不存在但功能有效的生命体

04为什么这是「莱特兄弟时刻」?

Genyro 首席执行官、基因组学专家 Adrian Woolfson 的评价,值得逐字重读:

「里程碑式论文」「无论怎么强调都不为过」「生物学莱特兄弟时刻」

「我们不再回顾进化所创造出的生物体……而是直面未来生物学的广阔可能性。」

这句话的分量在于:过去所有的生物技术,本质上都是改造自然已有的东西——基因编辑、转基因、合成生物学,都是在既有生命模板上做修改。而这一次,AI 是从零开始设计了一个自然界不存在的基因组,并且它真的有效。

这就好比:莱特兄弟之前,人类的飞行尝试都是模仿鸟类(改造翅膀);莱特兄弟造了一台不模仿任何鸟类的固定翼飞机,它飞起来了。

05一个诚实的注脚

这项研究也有明确的边界,我们不回避:

⚠️ 局限在哪里?

  • 研究对象简单:噬菌体是体积最小、研究最充分的病毒,AI 设计复杂度远低于设计哺乳动物病毒。
  • 尚不涉及病原体:本研究不涉及任何能感染人类的病毒,与「设计新型致命病毒」有本质区别。
  • 距离临床很远:噬菌体疗法在西方尚未广泛应用,AI 设计噬菌体距离成为常规疗法还有大量临床验证。
  • 安全与伦理:AI 设计生命体的能力,同时带来生物安全与双重用途的治理挑战。

项目负责人 Brian Hie 的选择本身也体现了这种审慎:「我们选择以噬菌体为研究对象,是因为它们体积小、研究充分,且在分子生物学和治疗领域具有广泛的应用。」

换句话说:这是刻意选择的安全起点,而不是一次无序的技术野马脱缰。

编辑核心判断

AI 设计出可用的病毒,意味着「读基因」与「写基因」之间的鸿沟,第一次被 AI 真正跨越。

当 AI 不只是预测生物学,而是开始创造生物学,我们面临的将不只是「AI 辅助科研」的线性进步,而是整个生命科学方法论的一次范式转移——从「改造自然」到「设计自然」。这项能力的边界与风险同样巨大,但方向已经不可逆转。

这件事和你有什么关系?

抗生素耐药性每年导致全球约 127 万人死亡。AI 设计的噬菌体,可能在未来成为对抗「超级细菌」的新武器。这项技术距离临床应用还有距离,但它已经打开了那扇门。