斯坦福大学研究人员利用Evo 2生成式AI模型，从DNA序列中合成了近300种噬菌体，并在实验室测试中将范围缩小到16种，这16种噬菌体表现出特别强的大肠杆菌杀灭活性。

这项工作的核心是噬菌体ΦX174，其发音为“FYE-ex-1-7-4”。化学工程助理教授、迪特·施瓦茨基金会斯坦福数据科学教员研究员Brian Hie与生物工程研究生Samuel King共同创建了Evo 2，King主导了论文中描述的实验工作。

打开网易新闻 查看精彩图片

Evo 2从一个噬菌体基因组的小片段开始生成新的DNA序列。研究人员要求模型一次性从左到右生成完整的ΦX174基因组。“在这种情况下，我们希望模型在一次从左到右的传递中端到端地生成整个基因组。我们没有添加任何东西，”Hie说。这一过程生成了数千个候选基因组，之后团队选择了一些序列进行化学合成和实验室测试。

ΦX174提供了一个相对紧凑的测试系统。其基因组包含不到6000个碱基对，而人类基因组约有30亿个碱基对。Hie表示，即使对一段5400个字符的DNA序列逐基因解读，研究人员仍面临艰巨任务。

Hie说，在实验室测试中，Evo 2推荐的某些噬菌体表现出比天然ΦX174更高的适应性。因此，该项目测试的是模型能否创建完整、可行的病毒基因组，而不仅仅是提出局部DNA编辑建议。

King开发了一个计算框架，以减少送交合成的候选基因组数量。该框架在团队选择实验室工作选项之前，评估了从ΦX174和相关噬菌体中提取的特征。

DNA合成设定了实际限制。研究人员用Evo 2生成基因组，根据设计标准进行评估，然后化学合成选定的候选体，并测试哪些基因组在实验室中表现最佳。

“设计框架的主要部分之一是弄清楚基因组应该具有哪些基于ΦX174和相关噬菌体的特征，”King说。“该框架涉及几个关键步骤：使用Evo 2生成基因组，根据设计标准评估选项，选择最佳候选体，化学合成它们，然后在实验室测试看哪些基因组效果最好。”

Hie表示，该框架通过将支出集中在团队判断为最可行的候选体上，降低了合成成本。

这一流程也界定了结果的适用边界。Evo 2生成了数千种可能性，但研究人员仍需通过计算评估、化学合成和实验室检测来识别可行的噬菌体。

研究人员选择了不止一种靶向大肠杆菌的噬菌体，因为细菌可能对单一治疗产生耐药性。Hie表示，噬菌体混合物提供了更稳健的应对策略。