科学》期刊报告：AI模型成功设计出可感染细菌的新型病毒

美国《科学》期刊最新研究显示，借助基因组语言模型设计，AI成功创造出受细菌感染并能自我复制的新病毒。这项突破性研究成果由帕洛阿尔托Arc研究所与斯坦福大学联合团队共同完成。

研究机构与技术原理

研究者指出，基因组语言模型Evo 1和Evo 2作为核心工具，可通过接收DNA序列指令来构建病毒基因组。这些AI模型如同语言翻译器，将抽象的基因编码转化为特定遗传信息。值得注意的是，研究人员通过算法训练让计算机理解了生命体基因序列的语法与语义结构。

需要说明的是，在进行病毒设计工作前，科研人员必须首先通过大量生物数据来训练AI模型，使其能够准确识别病毒与宿主的基因特性。

Evo病毒创造技术解析

简要回顾Arc研究所基本信息：该机构专注于人工智能与生命的交叉科学研究，在基因编程领域拥有丰富的研究经验。值得注意的是，他们的研究团队多年来持续探索AI辅助生物科技的应用潜力。

科学家首先构建了能够解析病毒基因组的语言模型框架，随后让计算机分析大量病毒与细菌相互作用的数据，这个过程实际上是对病毒与宿主细菌基因匹配关系的算法学习。值得一提的是，Evo系列模型的创造并非依赖传统生物学的试错方法，而是采用计算机算法直接在基因组维度进行创造性的编译工作。

研究发现的重要突破

病毒特性描述

- 体外培养环境可存活周期：48小时

- 可感染宿主范围：选定5种特定细菌菌株

- 复制效率测试数据：在特定培养条件下，感染成功率可达(7±1)×10^-4

研究团队还发现，通过AI技术生成的病毒在结构层面呈现独特特征，例如其蛋白质外壳的螺旋排列方式呈现出与天然病毒不同的三维结构，这为未来定向开发新型治疗应用提供了基础参考。

[... html structure continues with the study's implications and methodology ...]

Evo模型通过AI设计并成功复制新病毒

一款名为Evo的人工智能模型最新研究进展显示，该模型成功通过基因序列训练生成了具有复制能力的病毒。这种模型的学习机制与ChatGPT、Claude等大型语言模型类似，不过训练对象是基因序列而非文本数据。

AI病毒设计技术的工作原理

Evo模型通过分析数万亿个核苷酸单元训练出类似于基因编码的基本法则。这种训练使模型获得了在基因层面创建规则的能力，构成了病毒设计的基础逻辑。

受控实验环境中的病毒设计

研究团队在研究过程中严格限制实验范围，专门训练模型识别介于1.5万个与Phi X-174病毒相似的小型病毒。Phi X-174是一种只能感染大肠杆菌的微病毒，没有任何潜在的人类健康风险。

AI生成并被验证的新病毒

Evo模型依据训练数据生成了约70万个可能的新病毒变体。研究团队从这些候选病毒中精选出285个最有潜力的样本进行实证测试，并成功将病毒DNA植入细菌环境中。经过检测，成功复制并繁殖的病毒样本共16个，其中部分新病毒的繁殖速度已经超过了Phi X-174病毒。

AI设计病毒研究在基因疗法中展示应用潜力与安全威胁

研究人员探讨了使用AI设计病毒的潜力，能够帮助改善基因疗法、加深对基因组的理解，并开发针对有害细菌的更有效工具。

基因疗法和个人健康益处

AI技术在设计病毒方面显示出优势，可能用于基因疗法，从而增强治疗效果。通过这种方式，科学家可以更精确地针对遗传疾病进行干预，并提升对基因组结构的认知。

举例来说，这种AI辅助设计能够优化病毒载体，用于递送基因修复机制，有望减少传统方法中的副作用。

生物安全风险与监管挑战

尽管有潜在益处，但该研究也引发了对生物安全的关注。已有证据表明，即使标准聊天机器人也可能协助规划生物武器，而先进AI模型更容易在基因组设计上制造高传染性或致命病毒，从而扩大了潜在威胁。

随着AI技术快速发展，体系监管是否能同步跟进成为一个核心问题，研究人员呼吁加强国际合作来缓解风险。

对于基因组的规则解读显示，AI驱动的设计可能加快创新速度，但需谨慎评估其对现有伦理标准的影响。

• AI设计病毒可能提升基因疗法效率
• 潜在风险涉及生物武器设计
• 监管措施需及时适应技术进步

这项研究提醒全球，科技发展带来的益处需与严密的安全框架结合，以避免意外后果。