北京
科学家正在利用GenAI和海量基因组数据，从零开始设计全新的生物系统。在一项最新研究中，研究人员用AI生成了完整的病毒基因组，并将其中部分数字设计在实验室中转化为了具有功能的活体病毒。
斯坦福大学与Arc Institute的研究团队使用经过基因组数据训练的AI模型，设计了新型噬菌体（bacteriophages）——感染细菌而非人类的病毒。这些模型生成了数千种潜在的病毒基因组，其中近300种被合成并在实验室中进行测试。最终有16种被证实能高效感染并杀灭大肠杆菌。
这一结果指向了AI在科学领域一个潜在的重要新方向：经过海量生物数据训练的模型不再只是分析已有事物，而是能够帮助科学家设计和测试全新的生物系统。
这项工作建立在 Evo 1 和 Evo 2 两个AI模型之上，它们专为处理生物序列而开发。Evo 2 由 Arc Institute 联合斯坦福大学和 NVIDIA 共同开发，训练数据涵盖了生命之树中各类生物的DNA。其训练集包含数万亿个DNA碱基对，使模型对基因序列的组织方式以及基因组不同部分之间的关联有着广泛的理解。
Evo 2 处理DNA序列的方式，与其他生成式模型处理文本的方式非常相似。它接收给定的遗传密码，从训练中学到的规律中识别模式，然后预测接下来应该出现什么序列。这种能力同样可以用于生成全新的DNA序列——科学家正是借此探索自然界中可能并不存在的生物设计。
在本研究中，他们给 Evo 布置了一项艰巨的任务：设计出一套能够成功感染大肠杆菌的噬菌体基因蓝图。
研究人员以 ΦX174 噬菌体（一种感染大肠杆菌的小型噬菌体）作为起点。但他们并非让 Evo 对现有病毒做几处修改，而是想看它能否独立生成一整套完整的病毒基因组。
这是一个困难得多的问题。病毒需要一整套能够协同工作的遗传指令。生成一段看起来正确的DNA序列是一回事，把这段序列变成一个在实验室中真正能发挥作用的病毒，则完全是另一回事。
"在这项研究中，我们要求模型在一次从左到右的遍历中，端到端地生成整个基因组。我们没有添加任何人为干预，"斯坦福大学化学工程助理教授、该研究资深作者 Brian Hie 表示。
"如果细菌对单一噬菌体产生了耐药性，那这种药物就失效了，" Hie 说。"但如果在混合制剂中放入多种基因差异显著的噬菌体，细菌要对整个组合都产生耐药性就会困难得多。"
Evo 生成了数千种可能的基因组。研究人员将范围缩小后，合成了其中近300种。大多数都没有成功。但有16种产生了能够感染并杀灭大肠杆菌的功能性噬菌体。
这16种噬菌体也并非 ΦX174 的简单复制品。它们的基因组与原始病毒存在显著差异，表明模型确实提出了全新的设计方案，并且这些方案在被构建和测试后依然能够正常运作。
这有可能成为对抗耐药性的新武器。
研究的直接目标并不只是创造新病毒。噬菌体正在被研究作为一种治疗细菌感染的可能途径，尤其是在越来越多的细菌对抗生素产生耐药性的背景下。但细菌也可能对单一噬菌体产生耐药性，这给研究人员带来了新的难题。
斯坦福团队发现，将这16种AI设计的噬菌体组合使用，有助于克服那些已经对原始 ΦX174 病毒产生耐药性的大肠杆菌菌株。未来AI或许能够帮助科学家针对特定细菌威胁，设计出成套的噬菌体组合。
该项目的影响可能远超噬菌体领域。基因组AI正在为研究人员提供一种全新的方式：在巨大的生物设计空间中进行搜索，然后将有前景的想法带入实验室验证。
就目前而言，这项工作还只是一个早期的概念验证，但它表明生物数据不仅可以用来理解自然，还可以用来设计全新的东西。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
