斯坦福Evo 2 AI模型生成抗大肠杆菌噬菌体

AI端到端生成完整噬菌体基因组

斯坦福大学研究人员利用名为Evo 2的生成式AI模型，从头设计并化学合成了近300种噬菌体DNA序列。实验室测试从中筛选出16种对大肠杆菌（E. coli）表现出显著杀菌活性的噬菌体。整个工作围绕经典噬菌体ΦX174（读作“FYE-ex-1-7-4”）展开——其基因组仅含约5,400个碱基对，远小于人类基因组的30亿碱基对，为验证AI生成能力提供了可控实验系统。

项目由化学工程系助理教授Brian Hie（同时担任Dieter Schwarz基金会斯坦福数据科学教员研究员）主导开发Evo 2模型，博士生Samuel King负责全部实验验证工作。Evo 2以一段极短的ΦX174基因组片段为起点，通过单次从左至右的自回归生成过程，输出完整基因组序列。“我们要求模型一次性生成整条基因组，不添加任何人工干预或后处理”，Hie强调。该过程产出数千条候选序列，团队再从中选取部分进行化学合成与功能验证。

计算筛选大幅降低实验成本

为避免盲目合成全部候选序列，King开发了一套计算评估框架，依据ΦX174及其近缘噬菌体的已知生物学特征（如基因结构、调控元件、复制效率等）对AI生成序列进行多维度打分。该框架包含五大环节：Evo 2生成→计算评估→优选筛选→化学合成→实验室表型测试。“核心挑战在于定义哪些基因组特征对功能至关重要”，King指出。该策略显著压缩了需合成的序列数量，使有限资源聚焦于理论可行性最高的候选者，从而降低了整体研发成本与周期。

混合噬菌体突破耐药瓶颈

研究团队未止步于单一噬菌体，而是构建含16种遗传背景各异的噬菌体混合制剂。此举旨在应对细菌易对单一种类噬菌体快速产生耐药性的临床难题。“若细菌仅对一种噬菌体产生抗性，治疗即宣告失败；但要同时抵抗16种结构差异显著的噬菌体，进化难度呈指数级上升”，Hie解释。实验证实，该混合制剂能迅速清除原本对天然ΦX174完全耐药的大肠杆菌菌株。团队表示，该范式可延伸至其他高危病原体，如耐甲氧西林金黄色葡萄球菌（MRSA）和铜绿假单胞菌（Pseudomonas aeruginosa）——后者被斯坦福列为院内耐药感染的主要致病菌之一。

开源发布引发安全讨论与应用展望

Hie已将Evo 2作为开源软件公开发布，供全球科研人员下载并用于基因组设计。斯坦福校方披露，此举同步引发了关于生物安全与技术滥用的讨论。Hie承认恶意行为者可能篡改工具，但他认为现有天然病原体更易获取且风险更高；同时强调，AI驱动的基因设计能力亦可加速应对自然疫情或人为生物威胁的响应速度。King则从科研视角总结：“Evo 2释放的创造力正在打开新的科学大门。”据悉，团队下一步计划扩展Evo 2处理更长、更复杂DNA序列的能力，并探索其在小型细菌基因组工程中的应用——例如设计用于生产化学品、药物或生物燃料的定制化工程微生物。