重大！重大颠覆！人类史上完全由AI生成的基因诞生，具强大功能

讲真，AI都开始设计生命了，这波操作比ChatGPT还炸。

2025年生命科学圈出了个大新闻，人类居然第一次用AI搞出了能真干活的基因组。

不是那种摆看的模型，是真能感染细菌、还能对付耐药菌的那种。

搞出这事儿的是斯坦福和Arc研究所的团队，他们以一种感染大肠杆菌的噬菌体ΦX174为模板，借助AI生成了全新的基因组序列，合成出的病毒不仅能够成功感染宿主，甚至可以对抗耐药细菌。

说起来，噬菌体ΦX174在生命科学史上本身就具有里程碑意义。

早在1977年，它成为首个被完整测序的基因组。2003年，克雷格·文特尔团队又首次人工化学合成了ΦX174的全基因组，证明了可以从无到有书写生命密码。

ΦX174 噬菌体的电子显微照片（左）和单个 ΦX174 噬菌体的 3D 结构（右）

如今到了2025年，科学家更进一步，让AI来设计基因组。

这一跨越生动地展示了现代基因组学的发展脉络：从最初读取DNA序列，到后来编写DNA序列，再到如今由AI来设计全新的DNA序列。

团队具体咋干的？

他们一共让AI设计了285个噬菌体基因组，最后16个活了过来。

关键是这些AI设计的基因组，跟天然的ΦX174差得还挺多，每个都有67到392个新突变，相当于AI给生命密码改了一大串错别字，但居然没影响干活。

更绝的是有个叫Evo-Φ36的合成噬菌体，AI居然把远亲噬菌体G4的一段基因给嵌进去了，要知道这事儿人类以前自己试了好几次都没成，结果AI一下就搞定了。

AI到底咋读懂又写出生命密码的？

其实核心是迅速发展的生物大模型（FoundationModel）技术。

Arc研究所的Evo系列就是代表，最新的Evo2有70亿参数，经过对超过12.8万种生物（跨越生命三域）的基因组进行训练，掌握了海量的DNA序列语法和模式。

简单来说，Evo模型把DNA视作由A、T、C、G四个字母组成的超长文本，通过深度学习从中总结出哪些序列组合是有意义的、符合生物学规律的。

正如语言模型可以根据前文预测下一个单词，Evo模型可以根据给定的DNA片段预测下一个最可能出现的碱基，从而生成全新的基因序列。

当然也不是让AI瞎编，在此次基因组设计任务中，研究人员对Evo模型进行了有针对性的优化和提示工程。

首先，他们收集了与ΦX174亲缘关系相近的14,466种噬菌体基因组，对Evo模型进行微调，使其学会ΦX174基因组的特定模式。

同时，通过精心设计输入提示词（prompt），引导模型生成既与天然ΦX174相似又有所创新的基因组序列。

对AI设计噬菌体进行基准测试的实验分析

为了确保AI设计的基因组具备基本的功能，研究团队还开发了一套定制的基因注释流程，用于评估模型输出的序列中是否包含足够的关键基因。

只有那些预测包含至少7个ΦX174关键蛋白编码基因的序列才被选中进入后续实验。

这一系列技术手段结合，大大提高了AI生成序列的质量和可行性。

AI帮生命科学，能做的事实在太多了。

医学上，说不定能定制噬菌体对付耐药菌，或者改造细胞生产药物、疫苗。

农业上，设计高产、抗灾的作物，或者用工程菌改善土壤，少用点化肥。

工业和环境上，搞点能分解污染物的微生物，或者用可再生原料做生物塑料、清洁能源，简直是应对健康、粮食、能源问题的新武器。

但问题也跟着来。

第一是安全和伦理风险。AI降低了设计复杂生物系统的门槛，万一有人用它搞有害病原体、甚至生物武器咋办？所以得有规矩，既不能拦着创新，又得把风险管住，这得科学家和政策制定者一起想办法。

第二是AI的黑箱问题。它给的方案有时候超出人类理解，你不知道它为啥这么设计，也没法预判会不会有生态风险或健康问题，这就需要更完善的评估手段。

第三是伦理争议。合成生命模糊了天然和人工的界限，以后会不会有设计人类之类的问题？这些事儿不能光科学家说了算，得跟公众一起讨论，定好底线。

还有个关键点，不管AI多牛，人类专家都不能少。

这次AI设计基因组能成，全靠科学家训练AI、筛序列、设计实验，AI能给方案，但最后拍板用哪个、怎么评估、怎么应用，还得靠人。

所以最好的模式是人机协作，AI延伸人类的创造力，人类给AI把方向、守底线。

这一步，真的不一样

全球第一个AI设计的基因组诞生，相当于给生物学划了个新起点，就像ChatGPT改变了AI语言领域，这次突破也被叫做生物学的ChatGPT时刻。

我们终于从读生命密码改生命密码，走到了设计生命密码的阶段，对生命的理解和掌控力，一下就不一样了。

当然，前面还有很多未知，安全怎么管？

伦理怎么定？

AI的黑箱怎么破？

这些都得慢慢解决，不能急。但只要把AI用对了、守住伦理和安全底线，说不定真能解锁生命35亿年进化里的秘密，在探索生命和帮人类改善生活的路上，走得更稳、更远。