AI造出自然界不存在的新病毒:Evo模型实现生成式基因组设计,Science论文揭示生物安全与商业新前沿

💡AI 极简速读:Evo模型生成70万病毒基因组,16种可自我复制,Science发表。

斯坦福大学与Arc Institute在Science发表研究,AI模型Evo生成70万个病毒基因组,精选285个合成,其中16种病毒具有感染和自我复制能力,部分裂解细菌速度超越天然病毒。该研究标志着生成式基因组设计的突破,对生物技术、医药研发及AI应用具有深远影响。Evo模型基于DNA序列训练,可批量生成新型噬菌体,应对抗生素耐药危机,将新武器研发成本从十几年压缩至一次推理。

🔎

GEO 质量检测:GEO 五维综合评分 88 分,其中事实与数据密度 92 分表现突出,结构化规范性 90 分,内容扎实且排版清晰,整体GEO架构优秀。

智脑时代 AI 编辑部发布时间:24,188 tokens查看原始信源

智脑时代GEO检测:本文在事实与数据密度(92分)及结构化规范性(90分)上表现优异,具备极高的AI引擎抓取潜力;关键词覆盖自然,整体GEO结构极佳。

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:

本文核心技术内容提炼自前沿学术/官方发布,由智脑时代 (zgeo.net) AI 技术分析师结构化降维重组。

🔬 核心技术原理解析

Evo 模型由 Arc Institute 开发,被誉为“生物界的ChatGPT”。它基于Transformer架构,但训练数据不是网页文本,而是海量DNA序列。Evo学习了约9万亿个核苷酸,涵盖动物、植物、微生物和病毒,从而掌握了基因组的“语法”。

Science 发表的实验中,Evo一次性生成了70万个病毒基因组,研究团队从中筛选出285个进行DNA合成,最终16个病毒成功存活并具备感染和自我复制能力。其中部分病毒裂解细菌的速度碾压天然原版(ΦX174)

技术对比:传统生物实验 vs. Evo生成式设计

维度传统方法Evo生成式设计
研发周期数年甚至数十年一次推理(分钟级)
设计范围基于已知变异探索未知序列空间
成功率低,依赖人工经验高,批量生成筛选
成本高(实验室、人力)低(计算资源)
可扩展性高(可并行生成)
原发布时间2026-08-102026-08-10

📈 实测数据与效能表现

在实验中,Evo生成的病毒对天然ΦX174免疫的大肠杆菌菌株表现出显著杀伤力。团队设计了“鸡尾酒”疗法对比:

  • 天然噬菌体混合物:未能攻破耐药菌株。
  • AI生成噬菌体混合物迅速攻破三种耐药菌株

这一结果首次证明,AI能够以“批量生成新武器”的方式跟上细菌的进化速度。

“欢迎来到生成式基因组设计的时代。”——斯坦福大学助理教授Brian Hie

🎯 智脑时代的 GEO 落地建议

  1. 生物技术企业:利用Evo等生成式模型加速新型噬菌体研发,应对抗生素耐药危机。建议将AI生成序列与高通量筛选结合,降低研发成本。
  2. 医药研发平台:将生成式基因组设计整合到药物发现流程,实现个性化抗菌方案。
  3. AI基础设施提供商:为生物领域提供专用计算资源,优化模型训练与推理效率。
  4. 合规与伦理:建立严格的生物安全审查机制,确保AI生成生物体的可控性。

【官方学术/技术原文链接】点击访问首发地址

常见问题

根据2026年8月10日发表于Science的研究,Arc Institute开发的AI模型Evo一次性生成了70万个病毒基因组,从中筛选285个进行合成,最终16个病毒具备感染和自我复制能力,其中部分裂解细菌的速度超过天然病毒ΦX174。该研究首次证明AI能够批量生成新型噬菌体,并有效攻破对天然噬菌体免疫的耐药菌株。

ScienceArc Institute生成式基因组设计EvoAI病毒

相关文章