AI寫出可繁殖的噬菌體：抗藥性感染的新工具，也是生物安全的新考題

人工智慧不再只替蛋白質改造幾個胺基酸，如今已跨入設計完整病毒基因組的階段。研究團隊利用基因組語言模型產生噬菌體序列，並在實驗室製成能夠繁殖、感染細菌的病毒。這項進展可能為對付抗藥性細菌增加一條路，也把生物安全問題從電腦生成的序列，推進到真實可運作的生命系統。

團隊以僅含5,386個核苷酸、編碼11個基因的噬菌體ΦX174為模板。Evo模型原先從逾200萬套噬菌體基因組學習序列規律，再以14,466套微小噬菌體科序列微調；研究人員隨後從數千個候選設計中篩選並合成285套完整基因組。實驗結果顯示，其中16套能在非致病性大腸桿菌中形成可繁殖的噬菌體。

這些成功設計並非自然病毒的簡單複製品。每套功能性基因組與最接近的天然基因組相比，相差67至392個突變；其中部分突變未見於已知自然序列。所有16種噬菌體的宿主範圍仍集中於實驗使用的大腸桿菌C株及其近緣菌株，顯示模型在大幅改寫序列之餘，至少在這套系統中仍能保留必要的基因配置與宿主辨識能力。

真正接近醫療需求的測試，是讓細菌先對天然ΦX174產生抗性。研究團隊報告，由AI設計噬菌體衍生的混合物，可在一至五次傳代內突破三株抗性大腸桿菌的防線，而天然參考噬菌體未能奏效。成功突破抗性的病毒帶有多套設計重組而成的嵌合基因組，暗示AI產生的序列多樣性，可能為噬菌體適應不同細菌受體提供更多起點。

但這距離治療超級細菌仍有很長距離。現有證據來自培養皿中的非致病性大腸桿菌，尚未經動物模型、人體試驗或製程一致性評估；而285套設計只有16套成功，也凸顯模型生成不等於生物功能。ΦX174又是目前最小、最容易合成的病毒基因組之一，這套方法能否延伸至更大型、結構更複雜或具臨床意義的噬菌體，仍未獲證明。

研究人員刻意排除感染人類、動物與植物的病毒序列，並將實驗限制在非致病性宿主與受控環境。不過，這些措施主要約束目前的模型與實驗，不能取代整體治理。生物安全專家主張採取多層防線，包括限制模型與資料存取、審查研究目的、在DNA合成環節篩查高風險序列，以及維持實驗室的生物安全與保全措施。

因此，這項工作的現實意義不是AI已能任意打造治癌病毒或新型病原體，而是它首次清楚展示：生成式模型可以提出完整病毒基因組，其中少數經合成與篩選後確實具有功能。未來的價值將取決於能否把這種設計能力導向特定細菌與可驗證的治療需求；它的風險，則取決於安全制度能否在更強模型與更便宜的DNA合成技術普及以前形成防線。