Science | 利用基因组语言模型生成设计噬菌体

撰文|林无隅

基因组编码了复杂的生物学功能与涌现特性，但其内部基因、调控元件和识别序列等构成了极其复杂的相互作用体系，使得微小的突变都可能导致整个基因组失活【1】。尽管基因组测序和合成技术取得了飞速发展，能够实现全基因组规模的 “ 读取 ” 和 “ 写入 ” ，但智能地从头“设计”全新基因组仍然是一个巨大的挑战【2-3】。目前大多数生物工程进展仅停留在单个基因或基因回路的尺度，缺乏能够设计完整功能基因组的通用框架。噬菌体作为感染细菌的病毒，具有基因组相对较小、实验可控性强以及在生物技术和抗感染治疗中应用广泛等特点，是建立全基因组生成设计框架的理想模型。然而，如何利用人工智能捕捉基因组序列中潜在的演化约束，以生成兼具功能活性与序列多样性的全新完整基因组，是该领域亟待解决的核心问题【4-5】。

近日，美国 斯坦福大学生物工程系Brian L. Hie团队在 Science 杂志上发表了 题为 Generative design of bacteriophages with genome language models 的文章。 作者结合基因组语言模型（ Evo 1 与 Evo 2 ）无监督预训练、特定微观病毒科（ Microviridae ）基因组的监督微调（ Supervised fine-tuning ， SFT ）、提示词工程以及多层级的设计约束筛选，构建了一套完整的噬菌体基因组生成与评价流程。通过化学合成近300个生成基因组并在宿主细胞中进行实验重启，研究团队成功获得了16种具有繁殖和裂解活性的生成噬菌体。冷冻电镜结构分析和宿主抗性演化实验进一步揭示了生成噬菌体的独特结构特征及其克服宿主耐药性的能力。该研究成功解决了生物学中缺乏全基因组生成设计方法的难题，开辟了利用人工智能按需设计新型噬菌体及复杂生物系统的新途径。

为了实现全基因组规模的生成设计，作者首先利用在数百万基因组上预训练的 Evo 1 和 Evo 2 模型，基于约 15,000 个微观病毒科基因组数据进行监督微调，以学习噬菌体基因组的进化约束和序列规律。通过输入以 ΦX174 共有序列开头的短提示词（ 4 至 9 个核苷酸），配合 0.7 至 0.9 的采样温度，模型能够生成具备天然噬菌体特征且高度多样化的 DNA 序列。计算过滤流程则涵盖了基础质量控制（基因组长度、 GC 含量及均聚物限制）、定制化的重叠基因预测与靶向宿主亲和性约束（刺突蛋白同源性），以及包括氨基酸同一性和基因合成顺序（ synteny ）在内的多样性筛选。经此流程筛选后，成功保留了既符合生物学规范又与已知天然序列存在明显演化差异的候选基因组。

在实验阶段，研究团队设计并合成了 302 个候选基因组，并成功通过体外组装及转染重启了 285 个噬菌体 DNA 构建体。在对宿主大肠杆菌 C （ E. coli C ）的裂解测试中，共有 16 种生成噬菌体（ Evo-Φ ）展现出明确的生长抑制和噬菌斑形成能力，且对非靶向菌株保持了高度的宿主特异性。测序与结构分析表明，这些生成的噬菌体包含大量的同义、非同义突变以及非编码区插入 / 缺失，甚至成功融合了来自演化远亲噬菌体 G4 的包装蛋白 J ，并通过冷冻电镜（ Cryo-EM ）证实其形成了具有功能的内部结构。单菌株裂解动力学和多噬菌体共感染竞争实验进一步表明，生成噬菌体具备比天然噬菌体更广泛的适应性图谱，部分设计株表现出优于天然ΦX174的生长与竞争优势。

针对噬菌体治疗中细菌易产生耐药性的临床挑战，作者构建了对天然 ΦX174 产生抗性的 E. coli C 突变株（ CR1 和 CR2 ，其耐药突变位于脂多糖合成相关的 waa 操纵子）。研究人员将 16 种生成噬菌体混合制成混合制剂（ cocktail ），与天然噬菌体组合及单一野生型 ΦX174 进行平行对照，通过连续传代挑战耐药菌株。实验结果显示，天然噬菌体组合与单一 ΦX174 在 5 个传代周期内均无法抑制耐药菌生长，而生成噬菌体混合制剂仅需 1 至 2 个传代周期即可成功克服抗性并持续抑制耐药菌。基因基因组测序与 AlphaFold 3 结构预测表明，生成噬菌体通过重组和衣壳/刺突蛋白表面关键位点的突变，重塑了与细菌受体的结合能力，从而赋予其极强的演化韧性。

图 1 AI 指导的噬菌体基因组设计框架

综上所述，该研究通过整合基因组语言模型与高通量合成生物学技术，首次成功实现了功能性全噬菌体基因组的生成式设计，如图 1 所示 。模型不仅突破了天然演化序列的局限，还展现出对复杂基因组架构、重叠基因及蛋白质互作相容性的深度学习与组合能力。研究通过生成具有丰富多样性和强演化适应力的噬菌体组合，为解决日益严重的细菌耐药性问题提供了全新的对抗性治疗策略。更重要的是，这一通用设计框架奠定了基因组规模“生成生物学”的基础，为未来人工设计更复杂的原核生物基因组及高级生物工程系统打开了全新的广阔空间。

https:// 10.1126/science.adx4174

制版人： 十一

参考文献

1. R. C. Edgar et al., Petabase- scale sequence alignment catalyses viral discovery.Nature602, 142–147 (2022). doi: 10.1038/s41586- 021- 04332- 2; pmid: 35082445

2. B. G. Barrell, G. M. Air, C. A. Hutchison 3rd, Overlapping genes in bacteriophage phiX174.Nature264, 34–41 (1976). doi: 10.1038/264034a0; pmid: 1004533

3. P. Domingo- Calap, J. M. Cuevas, R. Sanjuán, The fitness effects of random mutations in single- stranded DNA and RNA bacteriophages.PLOS Genet.5, e1000742 (2009). doi: 10.1371/journal.pgen.1000742; pmid: 19956760

4. B. L. Hie et al., Efficient evolution of human antibodies from general protein language models.Nat. Biotechnol.42, 275–283 (2024). doi: 10.1038/s41587- 023- 01763- 2; pmid: 37095349

5. M. K. Kim et al., Bacteriophage therapy for multidrug- resistant infections: Current technologies and therapeutic approaches.J. Clin. Invest.135, e187996 (2025). doi: 10.1172/JCI187996; pmid: 40026251

学术合作组织

（*排名不分先后）

战略合作伙伴

（*排名不分先后）

推荐直播

转载须知

【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。

BioArt

Med

Plants

人才招聘

点击主页推荐活动

关注更多最新活动！