斯坦福大学, 与Arc团队, 运用AI模型Evo, 成功实现了从零开始设计整套病毒基因组, 在实验室之中, 16个新生噬菌体展现出比天然病毒更强的感染能力。此项研究发表于《科学》杂志, 既给噬菌体疗法带来了新希望, 也引发了生物安全领域的深层担忧。

AI如何从零设计病毒基因组

研究团队挑选噬菌体Phi X-174当作模板, 该病毒仅感染细菌, 基因组不长而且研究历程丰富, 极为适宜验证一整套设计流程。Evo模型首先读取了大概9万亿个核苷酸数据, 而后运用大约1.5万个和Phi X-174相仿的微小病毒科基因组展开专门训练。

所输出的模型乃是一串串的DNA序列, 并非完整的病毒成品。负责筛选、合成这些序列的是研究人员, 之后将其送入大肠杆菌里进行验证。大多数的实验并未产生显著反应, 少数培养皿上出现了透明斑点, 这意味着细菌已被新生病毒裂解了。

从70万份候选到16个存活病毒

Evo模型产出了约70万份病毒基因组候选序列, 研究人员从这些序列里挑选出285份来做合成实验。最终仅有16份在实验室里成功转变为能复制、感染且杀死大肠杆菌的噬菌体, 成功率大概是百分之五点六。

仍存活的那十六个病毒可不是勉强维持运转状态, 其中有一些无论在竞争实验里, 还是在裂解速度方面, 甚至都超过了原本天然的那个Phi X – 174。研究人员还做了把依据AI制作的那些噬菌体进行混合传代的操作, 在病毒出现重组情况之后, 仅仅只用了一至五轮, 就突破了三种能承受大肠杆菌的防线。

AI病毒比天然病毒更强

进行的实验得出了相应结果, 其中存有部分出自AI生成的噬菌体, 其在对大肠杆菌完成裂解这一速度方面, 显著地快于那些天然存在的病毒。在开展的竞争实验里, 这些经过人工进行设计的病毒, 也同样呈现出了更为强大的适应能力以及繁殖效率, 由此打破了人们针对人工设计生物功能所抱有的传统认知。

研究人员把由AI设计的噬菌体进行混合培养, 这期间发现病毒之间产生了基因重组, 历经仅仅1至5轮传代, 重组之后的病毒就冲破了三种本来可以耐受大肠杆菌的防线, 呈现出了惊人的进化潜力。

噬菌体疗法的新希望

细菌产生耐药性, 正演变为全球公共卫生颇具分量的重大威胁, 传统一类的抗生素慢慢走向失效, 好多感染状况已然到了无药能够医治的地步。噬菌体是作为本身天然存在着的细菌病毒, 它具备能够特异性去感染以及杀死特定细菌的特性, 于是被看作是用来对抗耐药菌的有着强大力量的武器。

AI实现的噬菌体方面的突破历程中开创了全新的路径, 那便是针对噬菌体疗法得以开辟, 有在当中肩负钻研任务的各类人才会开展针对噬菌体感染能力予以设定使其优化, 同时针对裂解速度予以把控处置使它符合要求的专项工作, 甚至将会针对提升它的适应性方面下手进而达成使之更快突破细菌防御机制的目的, 如此这般方可达成具备更为有效抗菌治疗之目的方案予以开发的最终功效。

牛津研究者的冷静分析

指出的是牛津大学研究人员, 指明这批AI生成的病毒跟天然物种依旧很相似, 且依赖相同的生物机制。今年6月的独立分析也有发现, 发现Evo较为看好的序列通常更接近自然病毒, 表明模型主要是在自然变化所允许的范围之内提高搜索效率。

这表明, AI并非毫无依据就创造出了全然陌生的生物, , 而是于已有的自然变异根基之上展开优化以及筛选, 研究团队在训练Evo之际, 剔除了会感染人类的病毒及其同类, 实验所运用的同样也是没有致病性的大肠杆菌, 宣称这个版本不具备生成人类病毒序列的能力。

然而, 要是更换另外一套训练数据, 情况会变成什么样呢, 当下并没有答案。约翰斯·霍普金斯大学的研究员心怀担忧, 因在未来, 基因组模型极有可能被运用来改写像流感之类病毒的传播能力亦是致死性, 但这种可能性尽管距离甚远, 然而却绝不能对此忽视。

生物安全治理面临挑战

7月底, 美国政府推出高风险生命科学研究政策, 此政策禁止联邦开展资助致使生物制剂更具危险性的实验。然而, 针对一段自然界从来都未曾出现过的AI生成基因组, 审查者到底该怎么样去判定风险, 现如今并没有达成共识。

从使生成序列变成现实, 直至制造出危险病原体这一过程当中, 虽然存在着合成、组装以及宿主适配等诸多不同环节, 然而此项研究毫无疑问地给生物安全治理敲响了具有前瞻性的警钟。怎样在促使科技创新得以顺利推进与切实维护生物安全之间寻觅到平衡之处, 这将会是未来必定要去面对的关键重要课题。

相较而言, 你觉得那借助AI来生成病毒的技术，是更应当进行严格监管, 或者是更应该去鼓励科研人员大胆地开展探索? 欢迎于评论区之中分享出你的观点之时, 可别忘了去点赞以及转发这篇文章从而让更多的人能够看到。