人工智能（AI）技术在生物医学领域取得了突破性进展，首次成功生成了自然界中不存在的病毒。这一里程碑式的成就预示着抗击抗生素耐药性细菌的新策略，但同时也引发了对潜在生物安全风险的深切担忧。

这项由斯坦福大学和非营利性人工智能与生物学研究机构 Arc Institute 的科学家们共同完成的研究，利用大型语言模型（LLMs）作为核心工具。研究团队以一种名为 ΦX174（读作“fai-eks-174”）的噬菌体（一种能感染并杀死细菌的病毒）的真实基因组为模板，并对这些模型进行了超过两百万种其他噬菌体基因组数据的训练。

通过这种方法，科学家们成功生成了数千种全新的、自然界中未曾发现的噬菌体基因组。 随后，研究人员对其中近300种基因组进行了化学合成。在这些合成的病毒中，有16种被证实具有活性，并能有效杀死特定菌株的大肠杆菌（Escherichia coli），其中包括那些已对原始 ΦX174 噬菌体产生耐药性的突变菌株。斯坦福大学助理教授兼论文共同作者 Brian Hie 强调：“我们希望模型能够一次性、端到端地生成整个基因组，我们没有添加任何额外信息。”

这一研究的驱动力在于日益严峻的抗生素耐药性问题。根据美国疾病控制与预防中心（CDC）的数据，美国每年有超过280万例抗微生物药物耐药性感染，平均导致超过35,000人死亡。Hie 教授指出，基于这16种新型噬菌体开发的药物，有望更有效地对抗耐药菌株。他进一步解释：“如果细菌对单一噬菌体产生耐药性，那么这种药物就失效了。但如果混合使用多种基因上不同的噬菌体，细菌就更难对整个‘噬菌体鸡尾酒’产生耐药性。”

尽管这项技术在对抗微生物疾病方面具有巨大价值，但其潜在危险也显而易见。约翰霍普金斯大学的公共卫生研究员 Thomas Inglesby 和 Moritz Hanke 在同期发表于《科学》杂志的一篇评论中指出，研究中使用的模型刻意未用能感染和杀死人类的病毒基因组数据进行训练。然而，他们担忧并非所有研究者都会如此谨慎或遵守伦理规范。

Inglesby 和 Hanke 警告称：“这种防范措施值得称赞，但可以通过对病原体数据进行微调来部分规避。”他们提出，这种微调的难易程度以及它能在多大程度上逆转预训练数据排除的影响，仍是悬而未决的问题。为了防止这项技术被用于生成可能伤害或杀死人类的病毒，他们迫切呼吁制定新的监管措施。这可能包括美国国立卫生研究院（NIH）和世界卫生组织（WHO）等多边组织出台相关政策，以确保该工具得到妥善管理。

Inglesby 和 Hanke 总结道：“问题不再是生成性病毒基因组设计是否会存在，而是社会能否建立起有效的监管体系，使其在发挥益处的同时，防止造成严重危害。”