人工智能在生物学应用上取得新进展。研究人员报告称，他们利用算法从零开始生成噬菌体基因组，并在实验室合成后“复活”病毒，证明这些由模型设计的噬菌体能够感染、复制并摧毁目标细菌，包括危险的大肠杆菌菌株。相关成果目前仍限于受控实验环境，但显示出定制噬菌体有望成为应对抗生素不再敏感感染的精准工具。

研究团队指出，传统医学长期依赖抗生素控制常见感染，但细菌耐药性上升正在削弱既有治疗手段。与广谱药物对微生物群“全面覆盖”不同，噬菌体疗法以专门感染细菌的病毒为武器，目标是清除对标准治疗不再响应的顽固感染。不过，在临床实践中为患者感染匹配合适噬菌体往往耗时耗力，可能需要大量手动测试。为提高效率，实验室已开始使用机器学习在庞大的病毒基因组库中筛选并预测更可能有效的候选组合，从而推动个性化噬菌体疗法在技术层面变得可行。

在此基础上，研究进一步从“寻找自然界已有噬菌体”迈向“设计全新噬菌体”。研究人员以病毒DNA训练模型，让系统提出此前自然界未出现过的候选基因组序列。团队将这一方法用于一种研究较为充分、可感染大肠杆菌的噬菌体体系，以检验机器生成基因组能否在生物学上保持可行性。

据介绍，斯坦福大学与加州大学的研究人员将该工作描述为首次利用人工智能在噬菌体基因组设计空间中生成可用病毒，并从数字蓝图合成出具有感染性的颗粒。研究目标不仅在于攻击大肠杆菌，也在于验证模型能否在庞大序列空间中找到能够折叠成功能蛋白、并完成组装与复制的基因组方案。

研究团队使用名为Evo的人工智能系统开展设计。该系统基于数百万病毒基因组训练，用于学习DNA片段变化与噬菌体感染、复制能力之间的关系。研究人员在计算机中生成数千个基因组变体后进行筛选，最终锁定并合成了302个候选基因组，并在实验室测试其感染与杀菌能力。结果显示，部分人工智能设计的噬菌体不仅能够成功复制，还能高效杀死大肠杆菌。

为确保实验建立在已知生物学基础上，团队选择了噬菌体phi X 174（ΦX174）作为原理验证对象。该噬菌体感染细菌而非人类细胞，且在分子生物学研究中历史悠久，早期研究已证明其可从已知序列完全合成并在细胞中“复活”。在本次工作中，研究人员以机器生成的基因组替代原始序列，但仍需满足phi X 174的结构框架限制。

研究人员表示，这一技术的长期检验在于能否帮助治疗对传统药物不再响应的感染。团队将人工智能设计的噬菌体定位为潜在的临床前工具，用于靶向并消灭耐药大肠杆菌，尤其是医院获得性感染等难以清除的病原体。研究描述称，部分人工智能生成的噬菌体在感染大肠杆菌时表现优于原始phi X 174，提示机器学习可能优化复制速度或爆发规模等特性。不过，相关工作仍在受控环境中推进，研究也引发了关于机器生成生命边界与风险控制的讨论。