细菌有个天生的克星，叫噬菌体。
这是一类专门感染细菌的病毒，长得像登月舱，用几条"腿"抓住细菌表面，再把遗传物质注进去。
在抗生素逐渐失效的今天，用噬菌体治病重新成了热门方向。
但这条路有个尴尬的前提：野生噬菌体并不好用。
美国威斯康星大学麦迪逊分校生物化学教授瓦特桑·拉曼的团队，决定用人工智能来解决这个问题。
他们的成果发表在《细胞系统》期刊上：AI推荐的突变，让噬菌体的感染效率最高提升了六个数量级，也就是一百万倍。
一、进化把噬菌体调成了"及格线水平"
要理解这项工作的价值，先得明白噬菌体为什么天生不够狠。
拉曼的解释很有意思：自然界的噬菌体是朝着"平庸"进化的，而不是朝着最大杀伤力。
原因不难想。
如果噬菌体把一群细菌赶尽杀绝，它自己也就失去了赖以生存和繁殖的宿主。
留一手，才能长久。这是共生演化的基本算计。
与此同时，细菌那边也没闲着。
数百万年来，细菌演化出了各式各样的防御系统，专门用来躲避噬菌体的感染。
于是这场军备竞赛达成了一种动态平衡：谁也灭不了谁。
可人类要的恰恰是打破平衡。
拉曼指出，治疗细菌感染需要的是能高效歼灭病原体整个种群的药物。
"及格线水平"的野生噬菌体，显然不满足这个要求。
二、模型学的是"进化的规则"
拉曼团队的思路，不是简单地随机改造，而是让AI去学习噬菌体进化成功的底层规律。
他的表述很精准：模型能够学习噬菌体成功进化所遵循的规则，并用这些规则来改造出对病原体高度有效的噬菌体。
这套模型建立在实验室多年积累的基础研究之上。
团队此前用高通量实验方法处理海量数据，系统研究了突变如何影响噬菌体识别和感染宿主的关键蛋白。
在近期发表于《科学进展》的一项研究中，他们研究了某些噬菌体用作"分子钻头"的一种蛋白。
这种蛋白负责突破包裹在部分细菌外面的保护性糖衣。
研究揭示了哪些氨基酸让噬菌体得以识别并钻穿糖衣，以及改变这些氨基酸会如何影响感染能力。
针对另一种噬菌体蛋白的类似工作，则为新AI模型提供了训练数据基础。
研究者扫描了数万个突变，摸清各种氨基酸组合如何影响噬菌体效力，AI模型正是在这些数据上训练出来的。
数据的质量，决定了模型的上限。这是这项工作与纯计算预测的根本区别。
三、从虚拟推荐到培养皿验证
模型建好之后，考验才真正开始。
研究者给模型设置了若干道测试题，这些题目都对应着噬菌体疗法开发中真实存在的障碍。
随后，他们照着AI给出的建议，实打实地造出了携带这些突变的噬菌体，放进实验室检验性能。
结果相当漂亮。
拉曼团队筛出的突变，使噬菌体感染宿主细菌的效率，比天然版本最高提升了六个数量级。
一百万倍是个什么概念？
打个比方，原本需要一百万个噬菌体颗粒才能完成的感染，现在一个就够了。
但更值得关注的其实是第二项成果。
团队还训练AI去精确定位那些能让噬菌体只攻击特定细菌、放过其他细菌的突变。
这一步指向的是噬菌体疗法最大的临床优势：精准。
广谱抗生素的老问题是敌我不分，在杀灭病原菌的同时把肠道有益菌群一并清扫，引发一连串后续麻烦。
如果噬菌体能被设计成只认一种病原体，就有望在治疗感染的同时不破坏有益的微生物群落。
这是抗生素几乎做不到的事。
四、下一站：尿路感染、肠道菌群与鸡场沙门氏菌
这项研究并没有停留在概念验证阶段。
拉曼说，他们最终想设计出能解决真实问题的噬菌体，而且已经开始朝这个方向推进。
目前锁定的目标有三类。
第一类是导致尿路感染的病原体，这是临床上抗生素耐药问题最突出的领域之一。
第二类是与微生物组相关疾病有关的细菌，这涉及肠道菌群失衡引发的一系列慢性问题。
第三类是农业病原体，比如家禽养殖中的沙门氏菌。
第三类尤其值得留意。
畜牧业长期大量使用抗生素，是耐药菌产生的重要温床。
如果能用噬菌体替代部分农用抗生素，等于在源头上拧紧了一道阀门。
拉曼的目标很明确：让人类有能力针对各种不同的细菌病原体，设计出有效的治疗性噬菌体。
这项研究由美国国家科学基金会、国防部和国立卫生研究院共同资助。
五、一把双刃剑的两面
必须补充一点冷静的观察。
把病毒的感染能力提升一百万倍，这项技术本身是中性的。
同样的方法论，理论上也可以被用于非治疗目的，这在合成生物学领域一直是需要严肃对待的议题。
值得注意的是，这项研究的资助方之一是美国国防部下属的国防威胁降低局。
这提示相关方面对该技术的双重属性有着清晰认知，也意味着监管框架需要与技术进步同步推进。
回到更大的背景上。
世界卫生组织多年来反复警告，抗生素耐药性是全球公共卫生最严峻的威胁之一。
细菌的进化速度远快于人类开发新药的速度，这场赛跑，人类一直在落后。
拉曼的说法为这场赛跑提供了一个新视角：与其从零开始造药，不如去借用演化已经准备好的策略，再用新方式把它们用得更狠一些。
细菌的天敌，本来就一直在那里。人类现在做的，只是教它们别再客气。
热门跟贴