編輯丨coisini

還記得 Evo 嗎？

2024 年，由 Arc 研究所（Arc Institute）、斯坦福大學(xué)等聯(lián)合開發(fā)的生物學(xué)人工智能（AI）模型 Evo（下稱 Evo 1）問世，今年 2 月研究團(tuán)隊(duì)又重磅推出 Evo 2—— 能夠預(yù)測(cè)所有物種 DNA、RNA、蛋白質(zhì)的形式和功能。

現(xiàn)在，研究團(tuán)隊(duì)宣布使用 Evo 1 和 Evo 2 構(gòu)建了全球首個(gè) AI 生成的基因組（一種噬菌體基因組），Evo 研究團(tuán)隊(duì)主要成員、斯坦福大學(xué)計(jì)算生物學(xué)家 Brian Hie 表示：「生成式基因設(shè)計(jì)時(shí)代到來了！」

這項(xiàng)研究表明基因組語言模型能夠捕捉進(jìn)化約束，從而實(shí)現(xiàn)功能性基因組設(shè)計(jì)。在一定程度上，生物學(xué)迎來了「ChatGPT 時(shí)刻」。

研究論文：https://www.biorxiv.org/content/10.1101/2025.09.12.675911v1

從設(shè)計(jì)單個(gè)基因到構(gòu)建完整基因組

此前研究團(tuán)隊(duì)已經(jīng)證明，Evo 系列基因組基礎(chǔ)模型能夠生成單一蛋白質(zhì)及多組分系統(tǒng)，但其長(zhǎng)期研究目標(biāo)之一是通過生物語言模型設(shè)計(jì)出完整且具有功能活性的基因組。

不同于設(shè)計(jì)單個(gè)基因，基因組設(shè)計(jì)需要協(xié)調(diào)多個(gè)相互作用的基因和調(diào)控元件，同時(shí)維持復(fù)制能力、宿主特異性與進(jìn)化適應(yīng)性的平衡。這帶來了單蛋白質(zhì)或雙組分系統(tǒng)設(shè)計(jì)中不曾出現(xiàn)的新約束條件與失效模式。

研究團(tuán)隊(duì)開發(fā)了集計(jì)算設(shè)計(jì)與實(shí)驗(yàn)驗(yàn)證于一體的綜合框架，包括針對(duì)重疊閱讀框的定制化基因注釋 pipeline、基因組語言模型采樣所需的系統(tǒng)化微調(diào)（systematic fine-tuning）與提示工程（prompt engineering）技術(shù)，以及合成噬菌體基因組的新型篩選方案。

ΦX174：讀取、編寫與設(shè)計(jì) DNA

由于合成基因組的生成需要明確的設(shè)計(jì)標(biāo)準(zhǔn)，基于實(shí)踐與歷史意義考量，研究團(tuán)隊(duì)選擇噬菌體 ΦX174 作為設(shè)計(jì)模板。其基因組全長(zhǎng) 5386 個(gè)核苷酸，編碼 11 個(gè)基因 —— 這一尺度既處于當(dāng)前 DNA 合成成本可控上限，又足夠復(fù)雜以展現(xiàn)基因組級(jí)設(shè)計(jì)能力。其重疊基因架構(gòu)構(gòu)成了嚴(yán)格測(cè)試場(chǎng)景：重疊區(qū)域的突變必須同時(shí)滿足多個(gè)蛋白質(zhì)約束條件。此外，ΦX174 編碼的多種調(diào)控元件與識(shí)別序列需精密協(xié)作，確保在宿主細(xì)胞中的正確包裝與復(fù)制。

ΦX174 基因組還具有特殊歷史意義：1977 年，弗雷德里克?桑格團(tuán)隊(duì)首次完成對(duì)其全基因組測(cè)序；2003 年，克雷格?文特爾團(tuán)隊(duì)首次實(shí)現(xiàn)其全基因組化學(xué)合成，證明基因組可從頭組裝；如今在 2025 年，Evo 研究團(tuán)隊(duì)以 ΦX174 為模板誕生了首批 AI 生成的基因組。這一演進(jìn)歷程標(biāo)志著現(xiàn)代基因組學(xué)的核心能力迭代：從讀取 DNA，到編寫 DNA，再到設(shè)計(jì) DNA。

構(gòu)建定制化基因注釋

ΦX174 的重疊基因帶來了首個(gè)重大挑戰(zhàn)：由于重疊閱讀框會(huì)干擾標(biāo)準(zhǔn)基因預(yù)測(cè)工具的判斷（這些工具專為非重疊基因設(shè)計(jì)），常規(guī)方法最多只能識(shí)別 11 個(gè)基因中的 7 個(gè)。

因此，研究團(tuán)隊(duì)開發(fā)了一種新型注釋 pipeline，將開放閱讀框查找策略與噬菌體蛋白質(zhì)數(shù)據(jù)庫同源搜索相結(jié)合，成功識(shí)別出 ΦX174 的全部 11 個(gè)基因。

該定制化注釋工具對(duì)評(píng)估數(shù)千條生成序列至關(guān)重要。研究團(tuán)隊(duì)設(shè)定至少需匹配 7 個(gè)天然 ΦX174 蛋白作為基礎(chǔ)質(zhì)量篩選標(biāo)準(zhǔn)，確保生成基因組保留噬菌體功能所需的遺傳工具包。

針對(duì)噬菌體基因生成對(duì) Evo 進(jìn)行微調(diào)

盡管基礎(chǔ) Evo 模型已基于 200 多萬個(gè)噬菌體基因組進(jìn)行訓(xùn)練，具備生成噬菌體基因組序列的能力，但其可控性仍不足以生成類 ΦX174 基因組。

研究團(tuán)隊(duì)采用監(jiān)督微調(diào)技術(shù)解決該問題：繼續(xù)使用 14466 條微病毒科序列對(duì) Evo 模型進(jìn)行訓(xùn)練。通過微調(diào)，Evo 模型能專門生成與 ΦX174 密切相關(guān)的序列變體。

質(zhì)量、宿主特異性與新穎性評(píng)估

為評(píng)估數(shù)千條生成序列，研究團(tuán)隊(duì)開發(fā)了基于序列質(zhì)量、宿主特異性和進(jìn)化多樣性的篩選體系：既要確保基因組保持合理的基因排列，又要允許進(jìn)化新穎性。同時(shí)需保證 AI 設(shè)計(jì)的噬菌體能感染實(shí)驗(yàn)所用的非致病性大腸桿菌 C 株。

實(shí)驗(yàn)表明，16 個(gè)功能性噬菌體均僅感染大腸桿菌 C 株及其近緣 W 株，在其他六種測(cè)試菌株中無生長(zhǎng)現(xiàn)象，證明在保持宿主特異性的同時(shí)可實(shí)現(xiàn)其他區(qū)域的顯著進(jìn)化分歧。

實(shí)驗(yàn)驗(yàn)證

測(cè)試數(shù)百個(gè)合成基因組需要重新設(shè)計(jì)傳統(tǒng)噬菌體工作流。研究團(tuán)隊(duì)基于 ΦX174 的裂解周期開發(fā)了生長(zhǎng)抑制檢測(cè)法：通過 Gibson 組裝合成基因組，轉(zhuǎn)化至大腸桿菌 C 感受態(tài)細(xì)胞，并在 96 孔板中監(jiān)測(cè)生長(zhǎng)抑制情況。感染后在 2-3 小時(shí)內(nèi)會(huì)出現(xiàn) OD???值快速下降。

該方案實(shí)現(xiàn)了 285 種快速測(cè)試，其中 16 個(gè)引起生長(zhǎng)抑制的候選噬菌體經(jīng)過測(cè)序驗(yàn)證、擴(kuò)增培養(yǎng)，并進(jìn)行了適應(yīng)性與宿主范圍表征。

所有功能性基因組與其最接近的天然基因組相比均攜帶 67-392 個(gè)新突變。其中 Evo-Φ2147 具有 392 個(gè)突變，與 NC51 噬菌體的平均核苷酸相似度為 93.0%，根據(jù)某些分類學(xué)標(biāo)準(zhǔn)可被視為新物種。13 個(gè)基因組含有任何已知天然序列中均未發(fā)現(xiàn)的突變，證明 Evo 能利用自然進(jìn)化未曾采樣過的序列。

特別值得注意的是，合成噬菌體 Evo-Φ36 整合了遠(yuǎn)緣噬菌體 G4 的 DNA 包裝 J 蛋白。冷凍電鏡分析顯示，較短的 G4 J 蛋白（25 個(gè)氨基酸 vs38 個(gè)氨基酸）在衣殼結(jié)構(gòu)中采取了獨(dú)特取向。這表明人工智能能夠協(xié)調(diào)復(fù)雜的補(bǔ)償性突變，使新型蛋白質(zhì)組合實(shí)現(xiàn)功能化。

總的來說，這項(xiàng)研究表明：基因組語言模型在經(jīng)過適當(dāng)?shù)挠?xùn)練和引導(dǎo)后，能夠很好地捕捉進(jìn)化約束，從而實(shí)現(xiàn)功能性基因組設(shè)計(jì)。

隨著基因組語言模型的改進(jìn)和合成成本的降低，全基因組設(shè)計(jì)可以探索自然選擇從未嘗試過的進(jìn)化可能性，為生物技術(shù)和基礎(chǔ)研究開辟新的途徑。從讀取基因組，到編寫基因組，再到設(shè)計(jì)基因組，生物學(xué)研究將開啟新的篇章。

參考內(nèi)容：

https://arcinstitute.org/news/hie-king-first-synthetic-phage

https://x.com/samuelhking/status/1968329299364376698