一、AI如何“编写”生命密码：从学习DNA语法到生成新基因组
训练方式类似大语言模型：科学家使用的Evo 1和Evo 2模型，其工作原理与ChatGPT等大语言模型类似。ChatGPT通过预测文本序列来生成语句，而Evo模型预测的不是文字，而是“生命的语言”——DNA序列。
海量遗传数据训练：研究人员用来自数百万种病毒、细菌、植物和人类的遗传编码对模型进行训练，总计分析了约9万亿个核苷酸，使Evo能够自行识别并学习自然界DNA的结构规律与“语法规则”。
针对性微调与指令：在掌握通用规则后，团队对模型进行进一步调整，使其专门生成一种被称为“噬菌体”的病毒——这类病毒只感染特定种类的细菌。模型以结构最简单的噬菌体ΦX174（仅含11个基因、5386个核苷酸）为模板，生成了数千个全新的病毒基因组设计方案。
二、从“设计方案”到“活病毒”的验证流程
筛选候选方案：在AI生成的数千个基因组中，研究人员根据理论可行性，挑选出302个最有潜力的设计方案。
实验室合成与测试：团队将这些AI设计的基因组序列在实验室中合成DNA分子，然后将其导入宿主细菌（大肠杆菌）内部，由细菌读取遗传代码并“孵化”出噬菌体。研究人员将培养皿覆盖一层细菌，观察新病毒是否能够感染并杀死这些细菌，若出现透明斑点（即噬菌斑），则表明病毒成功复制并裂解了宿主细胞。
最终成果：经过验证，共有16种AI设计的噬菌体成功展现出生物活性——它们能够稳定复制，并有效杀死大肠杆菌。其中一些AI设计的噬菌体组合，甚至能杀死对天然噬菌体具有耐药性的三种不同大肠杆菌菌株。
三、为何选择噬菌体：安全考量与治疗前景
刻意规避风险：研究团队在训练模型中，主动从数据库中排除了所有能够感染人类、动物或植物的真核病毒数据，确保模型在底层逻辑上就不具备设计“人类杀手病毒”的知识储备。且所有实验均在严格的生物安全实验室中按照NIH指南进行。
应对抗生素耐药危机：开发新型噬菌体被视为应对全球范围内日益严重的抗生素耐药性感染的一种潜在方案。传统的噬菌体疗法受限于天然噬菌体筛选周期长等问题，而AI可在极短时间内“量身定制”新型病毒，大幅缩短研发时间。这项技术未来有望用于开发针对“超级细菌”的新型疗法。