AI寫出16種可繁殖噬菌體，為對抗細菌抗藥性開闢實驗路徑

抗生素抗藥性迫使醫學界重新尋找能殺死細菌的工具，專門感染細菌的噬菌體因此再度受到重視。如今，研究人員進一步證明，人工智慧不只可以修改單一蛋白質，也能提出一整套足以組裝、繁殖並感染宿主的病毒基因組，為建立更具多樣性的噬菌體庫提供新方法。

這項經同儕審查的研究使用Evo 1與Evo 2基因組模型，以具有5,386個核苷酸、11個基因的噬菌體ΦX174為設計框架。模型的基礎訓練資料涵蓋約200萬個噬菌體基因組，研究團隊另以14,466條微小噬菌體科序列進行專門調校，再從大量生成結果中篩選接近ΦX174、保留必要基因配置且可能感染指定宿主的候選序列。

研究人員合成並測試285個設計，最後確認16個可以在非致病性實驗室大腸桿菌中形成可繁殖噬菌體。每個成功設計與最接近的天然病毒相比，帶有67至392處突變；部分變化未見於已知天然序列，顯示模型並非只把資料庫中的病毒稍加複製。不過，約九成四候選者未能產生可用噬菌體，也說明生成模型仍高度依賴實驗篩選。

為檢驗這些病毒能否因應細菌演化，團隊先培養出三株可抵抗天然ΦX174的大腸桿菌，再讓多種AI噬菌體組成的混合物與它們共同培養。混合物在一至五輪傳代內突破三株細菌的防禦，天然ΦX174則無法做到；後續成功者還結合了兩至三個AI設計的遺傳片段，顯示較大的序列多樣性可為噬菌體適應提供更多路徑。

這裡的「抗性」主要是對ΦX174感染的抗性，並不等於研究已直接治癒抗生素抗藥性感染。實驗只使用少數非致病性大腸桿菌株，尚未處理人體感染環境中的免疫反應、噬菌體分布、毒性、製造一致性與細菌再次產生抗性等問題。要把這套方法用於臨床，還必須在真正的致病菌、動物模型及受控試驗中逐級驗證。

研究也使生物安全問題變得更具體。團隊表示，訓練資料排除了感染人類、動物與植物的病毒序列，實驗使用受限宿主，16種噬菌體也只在少數相關大腸桿菌株中生長。然而，能生成完整且具功能病毒基因組的能力一旦擴散，現有的模型存取、DNA合成篩查與實驗審查制度是否足以防止誤用，已不能只靠資料排除措施回答。

從治療角度看，這項成果目前更像是製造噬菌體多樣性的技術展示，而非可立即使用的新藥。它的重要性在於把全基因組設計從螢幕上的序列推進到可驗證的生物功能；下一道門檻，則是證明這種設計流程能安全、穩定地對付臨床相關病原菌，同時讓治理速度追上技術能力。