Evo AI模型是如何设计出完整病毒基因组的？

　　一、Evo模型如何“学习”生命的语言

　　类似ChatGPT但预测DNA：Evo模型的工作方式与大语言模型类似，但预测的不是文字，而是“生命的语言”——DNA序列。它通过学习海量遗传数据中的模式，学会预测下一个核苷酸是什么。

　　训练数据规模庞大：研究团队用病毒、细菌、植物和人类的遗传编码对Evo1和Evo2模型进行训练，Evo共分析了约9万亿个核苷酸，从中识别出不同物种间共享的序列规律。为降低风险，训练数据特意排除了所有能感染人类、动物或植物的病毒序列。

　　从基因设计到完整基因组：此前AI已被用于设计新型抗生素或单个蛋白质，但设计完整的病毒基因组是全新突破。Evo不仅能理解单个基因，还能把握整个基因组的结构和功能。

　　

　　

　　二、完整病毒基因组的设计与生产流程

　　AI生成70万候选方案：研究团队将Evo模型进一步调优，使其专门生成一种叫做“噬菌体”（只感染细菌的病毒）的基因组。AI共生成约70万个候选噬菌体基因组序列。

　　筛选与实验室合成：科学家从AI输出的方案中挑选出最有潜力的302个设计，实际合成了其中285条DNA序列。这些DNA被导入细菌体内，细菌读取遗传指令后“生产”出病毒颗粒。

　　最终16种噬菌体成功“激活”：在实验中，这285个设计中有16种证实具备生物活性，能够感染并杀死大肠杆菌。科学家在培养皿中观察到透明斑点——那是噬菌体成功复制、裂解细菌留下的标志。

　　三、设计出的噬菌体与天然病毒的差异

　　所有设计对人类无害：所有新型病毒都是噬菌体，专门感染细菌，不会对人类构成任何威胁。研究团队刻意选择了这类安全的研究对象。

　　功能表现不输天然噬菌体：部分AI设计的噬菌体在杀灭大肠杆菌方面甚至比用作模板的天然噬菌体ΦX174更为有效，有的复制速度还超过了天然原型。

　　展现出“系统级”设计能力：有一个成功病毒包含了自然界不存在的DNA包装蛋白，其结构序列与任何已知蛋白质没有显著同源性，证明AI已具备“从头设计”新型生命组件的能力，而非简单模仿或拼凑自然序列。