重大！重大顛覆！人類史上完全由AI生成的基因誕生，具強大功能

講真，AI都開始設計生命了，這波操作比ChatGPT還炸。

2025年生命科學圈出了個大新聞，人類居然第一次用AI搞出了能真干活的基因組。

不是那種擺看的模型，是真能感染細菌、還能對付耐藥菌的那種。

搞出這事兒的是斯坦福和Arc研究所的團隊，他們以一種感染大腸桿菌的噬菌體ΦX174為模板，借助AI生成了全新的基因組序列，合成出的病毒不僅能夠成功感染宿主，甚至可以對抗耐藥細菌。

說起來，噬菌體ΦX174在生命科學史上本身就具有里程碑意義。

早在1977年，它成為首個被完整測序的基因組。2003年，克雷格·文特爾團隊又首次人工化學合成了ΦX174的全基因組，證明了可以從無到有書寫生命密碼。

ΦX174 噬菌體的電子顯微照片（左）和單個 ΦX174 噬菌體的 3D 結構（右）

如今到了2025年，科學家更進一步，讓AI來設計基因組。

這一跨越生動地展示了現代基因組學的發展脈絡：從最初讀取DNA序列，到后來編寫DNA序列，再到如今由AI來設計全新的DNA序列。

團隊具體咋干的？

他們一共讓AI設計了285個噬菌體基因組，最后16個活了過來。

關鍵是這些AI設計的基因組，跟天然的ΦX174差得還挺多，每個都有67到392個新突變，相當于AI給生命密碼改了一大串錯別字，但居然沒影響干活。

更絕的是有個叫Evo-Φ36的合成噬菌體，AI居然把遠親噬菌體G4的一段基因給嵌進去了，要知道這事兒人類以前自己試了好幾次都沒成，結果AI一下就搞定了。

AI到底咋讀懂又寫出生命密碼的？

其實核心是迅速發展的生物大模型（FoundationModel）技術。

Arc研究所的Evo系列就是代表，最新的Evo2有70億參數，經過對超過12.8萬種生物（跨越生命三域）的基因組進行訓練，掌握了海量的DNA序列語法和模式。

簡單來說，Evo模型把DNA視作由A、T、C、G四個字母組成的超長文本，通過深度學習從中總結出哪些序列組合是有意義的、符合生物學規律的。

正如語言模型可以根據前文預測下一個單詞，Evo模型可以根據給定的DNA片段預測下一個最可能出現的堿基，從而生成全新的基因序列。

當然也不是讓AI瞎編，在此次基因組設計任務中，研究人員對Evo模型進行了有針對性的優化和提示工程。

首先，他們收集了與ΦX174親緣關系相近的14,466種噬菌體基因組，對Evo模型進行微調，使其學會ΦX174基因組的特定模式。

同時，通過精心設計輸入提示詞（prompt），引導模型生成既與天然ΦX174相似又有所創新的基因組序列。

對AI設計噬菌體進行基準測試的實驗分析

為了確保AI設計的基因組具備基本的功能，研究團隊還開發了一套定制的基因注釋流程，用于評估模型輸出的序列中是否包含足夠的關鍵基因。

只有那些預測包含至少7個ΦX174關鍵蛋白編碼基因的序列才被選中進入后續實驗。

這一系列技術手段結合，大大提高了AI生成序列的質量和可行性。

AI幫生命科學，能做的事實在太多了。

醫學上，說不定能定制噬菌體對付耐藥菌，或者改造細胞生產藥物、疫苗。

農業上，設計高產、抗災的作物，或者用工程菌改善土壤，少用點化肥。

工業和環境上，搞點能分解污染物的微生物，或者用可再生原料做生物塑料、清潔能源，簡直是應對健康、糧食、能源問題的新武器。

但問題也跟著來。

第一是安全和倫理風險。AI降低了設計復雜生物系統的門檻，萬一有人用它搞有害病原體、甚至生物武器咋辦？所以得有規矩，既不能攔著創新，又得把風險管住，這得科學家和政策制定者一起想辦法。

第二是AI的黑箱問題。它給的方案有時候超出人類理解，你不知道它為啥這么設計，也沒法預判會不會有生態風險或健康問題，這就需要更完善的評估手段。

第三是倫理爭議。合成生命模糊了天然和人工的界限，以后會不會有設計人類之類的問題？這些事兒不能光科學家說了算，得跟公眾一起討論，定好底線。

還有個關鍵點，不管AI多牛，人類專家都不能少。

這次AI設計基因組能成，全靠科學家訓練AI、篩序列、設計實驗，AI能給方案，但最后拍板用哪個、怎么評估、怎么應用，還得靠人。

所以最好的模式是人機協作，AI延伸人類的創造力，人類給AI把方向、守底線。

這一步，真的不一樣

全球第一個AI設計的基因組誕生，相當于給生物學劃了個新起點，就像ChatGPT改變了AI語言領域，這次突破也被叫做生物學的ChatGPT時刻。

我們終于從讀生命密碼改生命密碼，走到了設計生命密碼的階段，對生命的理解和掌控力，一下就不一樣了。

當然，前面還有很多未知，安全怎么管？

倫理怎么定？

AI的黑箱怎么破？

這些都得慢慢解決，不能急。但只要把AI用對了、守住倫理和安全底線，說不定真能解鎖生命35億年進化里的秘密，在探索生命和幫人類改善生活的路上，走得更穩、更遠。