細菌廣泛存在于我們周圍的環(huán)境中，它們生存與進化的方式和速度經(jīng)常挑戰(zhàn)人類的想象。即使是現(xiàn)在，有關(guān)微生物的各個方面仍存在不少未解之謎。

在細菌的高速進化中，除了基因突變，還有一種更高效的方式：基因水平轉(zhuǎn)移（horizontal gene transfer），讓耐藥性、毒力等關(guān)鍵特征能在不同細菌之間迅速擴散。這背后的一類分子就是噬菌體誘導染色體島（phage-inducible chromosomal islands, PICIs）。

而有這么一類更神秘：能形成衣殼的cf-PICIs?？茖W家發(fā)現(xiàn)它們竟能跨物種傳播，但具體機制一直沒搞明白。直到帝國理工學院與 Google Research 聯(lián)合提出一個新問題：能不能讓 AI 來幫我們提出假設(shè)？

相關(guān)的研究成果以「AI mirrors experimental science to uncover a mechanism of gene transfer crucial to bacterial evolution」為題，于 2025 年 9 月 9 日發(fā)布在《Cell》。

論文鏈接：https://www.cell.com/cell/fulltext/S0092-8674(25)00973-0

AI co-scientist

為探索 AI 在構(gòu)思具有創(chuàng)造性、新穎性與影響力的假設(shè)方面的潛力，研究團隊測試了一種名為 AI co-scientist 的新型系統(tǒng)，研究對象則是上文中提到過的 cf-PICIs，一種能自己形成衣殼的噬菌體衛(wèi)星病毒。它們被發(fā)現(xiàn)可以跨物種傳播，但機制一直未明。

在過去的幾年里，相關(guān)實驗室一直致力于破解這其中的秘密，并在不久前拼湊出了解決方案。憑借這一知識，并確信科學界尚未意識到這一突破，該團隊向 AI co-scientist 提出了一個假設(shè)：相同的 cf-PICIs 如何在不同的細菌物種中存在。

圖示：AI 是如何發(fā)現(xiàn)基因轉(zhuǎn)移機制的。

考慮到該系統(tǒng)并未專門接受噬菌體或衛(wèi)星生物學或細菌進化方面的訓練，團隊假設(shè)這將提供一個無偏見的測試其生成強大假設(shè)的能力。不過結(jié)果顯然出乎了他們的預料。

AI 的首個回答就擊中了要害：它提出 cf-PICIs 的跨物種傳播依賴于衣殼與噬菌體尾部的模塊化組合。也就是說，cf-PICIs 自己能形成衣殼，但尾部必須借助不同噬菌體的「配件」，才能感染新宿主。

包括這個回答與其余的四個回答，AI 以優(yōu)先級和可能性為其排序，并使用基于 Elo 評分的錦標賽框架對假設(shè)進行排名。它們分別為：

1.衣殼-尾相互作用：cf-PICIs 衣殼與廣泛輔助噬菌體尾部的相互作用；

2.整合機制：cf-PICIs 如何整合到不同細菌物種的基因組中；

3.進入機制：cf-PICIs 除傳統(tǒng)噬菌體受體識別之外的替代進入機制；

4.輔助噬菌體和環(huán)境因素：研究輔助噬菌體和更廣泛的生態(tài)因素在 cf-PICIs 轉(zhuǎn)移中的作用；

5.替代轉(zhuǎn)移和穩(wěn)定機制：其他可能有助于 cf-PICIs 拓寬宿主范圍的轉(zhuǎn)移機制，如接合、細胞外囊泡（EVs）和獨特的穩(wěn)定策略。

相比之下，研究團隊讓其他大模型也試了一遍：GPT、Claude、Gemini、DeepSeek……結(jié)果都沒有提出正確的機制。只有 AI co-scientist 正中靶心。

假設(shè)的發(fā)現(xiàn)與驗證

衣殼-尾相互作用被評為最有希望的假設(shè)，在該研究中，團隊展示了 cf-PICIs 形成了一個新的生物實體，由 cf-PICI 基因編碼的衣殼包裝的 cf-PICI DNA 組成。這些衣殼沒有尾巴，無法傳播到新的細菌宿主。

由于噬菌體和衛(wèi)星的宿主范圍由它們的尾巴決定，尾巴與細菌表面結(jié)構(gòu)結(jié)合，因此這種機制解釋了為什么相同的 cf-PICIs 出現(xiàn)在不同的物種中。根據(jù)使用的尾巴不同，cf-PICI DNA 被傳遞到不同的宿主。

后續(xù)的實驗進一步證明：些無尾的 cf-PICIs 病毒衣殼可以與感染不同物種的噬菌體的多個尾結(jié)合，這種能力是由適配器和連接器這兩個 cf-PICIs 編碼的蛋白質(zhì)介導。通過在兩個 cf-PICIs 之間交換這些蛋白質(zhì)，團隊證明了它們的表達決定了尾結(jié)合特異性，從而決定了宿主范圍。

而 AI co-scientist 關(guān)于研究衣殼-尾相互作用的建議極具洞察力，在其合理且之前未被探索的想法中，研究團隊認為，其所提出的，對囊膜和尾部的保守區(qū)域與適配蛋白表征方面的研究非常有針對性。

團隊表示，如果能早些獲取這些想法，研究的進程也許早就不會是現(xiàn)在這樣。

圖表：不同 AI 系統(tǒng)的比較。

AI co-scientist 的假設(shè)反映了團隊所走過的實驗路徑，卻排除了由人類主觀意識與偏見所帶來的障礙。在團隊為它設(shè)計的驗證中，他們確實觀察到 cf-PICIs 能與不同噬菌體的尾部模塊結(jié)合，在剝奪尾部的情況下，cf-PICIs 的跨物種傳播能力就消失了。

這印證了 AI 提出的機制，也為理解細菌如何快速傳播耐藥性提供了直接證據(jù)。

AI 與科學家的新關(guān)系

AI 在增強生物研究全科學流程方面展現(xiàn)出革命性的潛力，本次實驗僅僅是提供了一個具體例子，說明了此類系統(tǒng)如何有助于假設(shè)生成和實驗規(guī)劃。

研究員自己也強調(diào)：AI 并不是替代，而是補充。它能幫人類更快縮小可能性范圍，把寶貴的實驗資源投向最值得驗證的方向。像 cf-PICIs 這樣的分子機制，如果能更早揭示，就能幫助研究者更好預測并控制耐藥基因的擴散。