近年来,人工智能在生命科学领域的应用迅速扩展,从蛋白质结构预测到小分子药物设计,AI 已经成为科研团队的重要助手。更令人瞩目的是,生成式 AI 现在能够直接"写出"基因组级别的 DNA 序列,并在实验室中证明其部分设计产物具备复制和感染宿主的能力。这一进展既为抗菌治疗和合成生物学带来新机遇,也提出了前所未有的生物安全与治理挑战。 噬菌体是自然界中大量存在的病毒,专门感染细菌而不感染人类或其他高等真核生物。它们在生态系统中扮演着控制细菌群落的重要角色,近年来被重新点燃的研究热情集中在其作为替代或补充抗生素的潜力。相比于化学药物,噬菌体具有高度专一性、可自我复制并能随宿主演化更新,因而在对抗抗生素耐药性方面备受关注。
传统合成生物学通过理性设计、定点改造与大量试验来改造微生物或病毒基因组,过程漫长且高度依赖实验验证。生成式 AI 的出现改变了这一范式:通过在大规模基因组数据上学习序列模式与功能关联,模型可以在无需逐步试错的前提下创建全新的序列候选。近期研究显示,经过专门微调的语言类模型能够在噬菌体基因组尺度上生成可行的序列,并在体外实验中出现复制与裂解细菌的表型。 在相关研究中,团队以单链 DNA 噬菌体 phiX174 为起点,这一噬菌体基因组小、功能明确,且在分子生物学领域有着丰富的研究历史,是合成研究的理想试验对象。研究者使用了名为 Evo 的生成模型系列,模型在海量基因组数据上预训练,并通过噬菌体样本进行微调以提高对相关序列特征的把握。模型生成了成千上万种候选基因组,研究团队合成并筛选了数百个样本,最终发现其中若干设计能在大肠杆菌宿主中成功复制、组装并导致宿主细胞裂解。
部分 AI 设计的噬菌体甚至显示出对未标靶菌株的感染能力,表明模型在学习宿主特异性与功能耦合方面已有一定成效。 这一成果具有多重潜在应用价值。首先,在医学领域,针对耐药性感染的噬菌体疗法长期被视为替代抗生素的一条可行路径。AI 可加速噬菌体库的扩展与改造,提高对特定病原体的靶向性与有效性,缩短从发现到临床前验证的周期。其次,在农业与食品安全方面,定制噬菌体可用于控制作物病原细菌或延长食品保鲜期,减少化学农药的使用。第三,从基础科学角度看,AI 设计基因组为理解基因间相互作用、基因组级别的功能组织以及最小基因组概念提供了新的实验平台。
与此同时,这项技术也带来了显著的风险和伦理问题。基因组级的生成能力降低了创造新型生物体的门槛,若落入不当之手,可能被用于增强病原性或改变宿主范围等危险用途。生成式模型一旦被滥用,可能在缺乏严格监管与访问控制的情况下加速危险序列的开发。此外,AI 设计并非完全可预测,其产生的"意外功能"可能在生态系统或临床环境中引发难以预料的连锁反应。 对此,研究团队与领域内专家提出并已开始实施若干缓解措施。技术层面的限制包括在预训练数据与微调阶段有意排除感染真核生物的病毒序列,强化人类监督在设计流程中的作用,并通过模型约束避免直接优化诸如增毒或跨物种扩展等特性。
在实验层面,研究以已知安全记录的噬菌体与典型实验室菌株为对象,所有合成样本都在受控生物安全环境中进行,并通过分阶段的风险评估与应急预案来限制意外扩散。 但仅靠研究团队自律远远不够。治理框架需要在国家与国际层面同步推进。首先,应建立对生成式生物设计模型的数据与服务访问管理制度,明确哪些数据可用于模型训练,哪些模型输出应被列入受控领域。其次,科研资助机构和期刊应将生物安全与伦理评估纳入资助与发表流程,要求开展相关研究前提交详细的风险缓解计划并接受独立审查。第三,实验室层级需要强化生物安全文化与能力建设,升级生物安全等级评估标准,并在必要时对特定实验实施更严格的审批与监控。
此外,公众参与与跨学科对话同样关键。技术透明度与公众沟通能降低误解并促成合理的社会共识。法律层面需评估现有生物安全法规能否覆盖基于 AI 的合成生物学,并在缺口处制定新规。国际合作亦不可或缺,病毒与生物威胁无国界,单一国家难以独自应对潜在的全球风险。通过制定国际准则、共享最佳实践与建立快速通报机制,全球科学共同体可以在推进有益创新的同时更好地管控风险。 从技术发展角度看,尽管已经能在噬菌体级别实现成功设计,但从噬菌体扩展到更复杂的微生物或真核生物基因组仍面临巨大挑战。
复杂生物体的功能并非仅依赖于线性序列,而是高度依赖于调控网络、表观遗传、代谢通路与环境交互。AI 模型要在更大尺度上取得可用成果,需要更多生物学知识的整合、更丰富的高质量数据以及更精细的评估标准。因此,目前阶段的研究更多应被视为证明概念的里程碑,而非全面失控的"人工生命"诞生。 展望未来,几条路径值得同时推进。一方面,科研界应继续探索如何将 AI 与实验平台安全地结合,用于疾病治疗、微生物工程与基础生物学研究,力求实现对人类有明确益处的创新。另一方面,政策制定者、伦理学家、科学家与公众需要共同构建一套配套措施,涵盖模型训练数据的选择与共享规则、模型能力的分级与访问控制、实验审批流程以及紧急响应机制。
教育层面也应加强,让新一代科研人员在掌握强大工具的同时具备应对潜在风险的判断力与责任意识。 总之,AI 能生成并验证部分功能性噬菌体的现实,代表了合成生物学与人工智能交叉领域的重要进展。它为抗生素替代疗法、农业病害控制和基因组科学提供了新的思路,但同时对生物安全、伦理与治理提出了严峻要求。面对既往罕见的技术能力提升,唯有在开放科学与严格监管之间找到平衡,才能让人类从创新中获益,同时将风险降到可接受的水平。未来几年将是观察和塑造这项技术走向的关键时期,行动的速度与方向将决定其能否成为服务社会的正面力量。 。
