全球首次！AI 设计的病毒进入人体，开始猎杀耐药细菌！

美国 AI 企业 Radical Numerics 宣布，研究人员首次将 AI 设计的病毒用于人体治疗，尝试清除一名患者体内的耐药性大肠杆菌。

此次治疗已获得美国食品药品监督管理局（FDA）单患者试验性新药申请授权，但患者的具体治疗结果尚未公开。

2026 年 10 月 20 日，Radical Numerics 发布技术报告，介绍旗下多模态基因组语言模型 Omnii-1 在噬菌体设计方面的研究进展。

Radical Numerics 宣称，这是全球首次将 AI 设计的噬菌体用于人体治疗。

噬菌体是一类专门感染细菌的病毒，能够识别并感染特定细菌，在细菌内部复制，最终导致细菌破裂死亡。

与广谱抗生素不同，噬菌体通常具有较强的宿主特异性，有望在清除目标细菌的同时，减少对人体有益菌群的影响，因此被视为治疗耐药细菌感染的一种潜在选择。

不过，这种特异性也给实际治疗带来了困难。

不同噬菌体能够感染的细菌菌株存在差异，传统疗法通常需要从现有噬菌体资源库中寻找合适的候选者，再通过实验确认其效果。如果没有找到有效的噬菌体，还可能需要采集新的环境样本或开展基因工程改造，整个过程较为耗时。

Radical Numerics 希望利用 AI 缩短这一过程。

其开发的 Omnii-1 模型经过基因组序列和多组学数据训练，并针对噬菌体相关任务进一步训练，能够设计噬菌体变体、预测噬菌体与细菌之间的相互作用，并筛选具有潜在抗菌活性的候选者。

在实验中，研究人员选择能够感染大肠杆菌的 T7 噬菌体作为研究对象，重点改造其负责识别和附着细菌表面的尾部纤维蛋白。

结果显示，当设计方案涉及 11 至 15 个氨基酸变化时，Omnii-1 设计变体的回收率达到 69.9%，随机设计对照组仅为 4.8%。

回收率是指通过测序检测成功获得的设计变体比例，可以作为噬菌体存活能力的间接指标，但未被回收的变体不一定无法存活，该指标也不代表杀菌率。

在另一组更大规模的实验中，研究人员以噬菌体感染细菌前后的相对富集程度作为活性指标。在 6,694 个具有可测量结果的变体中，有 2,161 个表现超过原始 T7 噬菌体，部分变体包含多达 28 个氨基酸变化。

研究人员还测试了 Omnii-1 预测噬菌体与细菌匹配关系的能力。

在针对一个包含 37 株大肠杆菌的独立菌株分支开展测试时，模型仅推荐两个候选噬菌体，就能为91.4% 的符合评估条件的菌株找到具有实验活性的噬菌体。

此外，Omnii-1 还被用于预测噬菌体与铜绿假单胞菌之间的相互作用。结合大肠杆菌数据进行训练后，模型在铜绿假单胞菌测试集上的平均精确率（AP）由 0.570 提升至 0.608，超过对比模型 GenoPHI 的 0.581。

此次研究最引人关注的进展，是 AI 设计的噬菌体真正用于人体治疗。

根据 Radical Numerics 官方披露，研究人员将 Omnii-1 设计的 T7 噬菌体变体加入混合制剂，用于治疗一名感染耐药性大肠杆菌的患者。

在人体给药之前，研究人员使用患者的细菌分离株开展实验室测试，发现该混合制剂能够在体外实验中清除目标细菌。

随后，这种试验性制剂在获得 FDA 单患者试验性新药申请（IND）授权后，按照扩大使用机制（Expanded Access），也称同情用药途径，用于患者治疗。

同情用药允许患有严重疾病、缺乏满意替代治疗方案的患者，在符合监管要求的情况下使用尚未获批常规临床应用的试验性疗法。这并不代表相关药物已经通过正式临床试验，更不意味着获得上市批准。

需要强调的是，实验室内成功清除耐药细菌，并不代表患者已经治愈。

Radical Numerics 表示，为保护患者隐私，暂不公开具体临床治疗过程和最终结果。

因此，目前尚无法确认此次治疗是否真正帮助患者控制或清除了感染，也无法凭借单例治疗判断其安全性和有效性。

噬菌体疗法本身并非新技术，此前已经有人类患者接受天然或经过基因工程改造的噬菌体治疗。

此次进展的特殊之处在于，研究人员利用 AI 模型设计具有特定功能的噬菌体变体，并将其用于实际人体治疗。

这一进展为个性化抗感染治疗提供了新的研究方向。

未来，研究人员有望根据患者感染的具体细菌菌株，利用 AI 更快地设计和筛选适用的噬菌体，减少对天然噬菌体资源库的依赖。不过，这种技术距离确认临床疗效、建立可重复的治疗流程以及规模化应用，仍需要更多研究和验证。

云头条声明：如以上内容有误或侵犯到你公司、机构、单位或个人权益，请联系我们说明理由，我们会配合，无条件删除处理。