AI 设计出能感染细菌的病毒，但成功率仅 5%
AI 第一次从头设计出能感染细菌的完整病毒基因组；实验验证成功率只有约 5%，远没有媒体说的那么全能。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
疫苗接种切换当作天然对照
「健康接种者偏差」的坑在于：接种者多半比不接种者更关注自身健康，比较两组会把生活方式差异当成疫苗效果。这篇研究利用2017年美国带疱疫苗从Zostavax全面换成Shingrix的时刻：政策切换前接种的是旧疫苗，切换后接种的是新疫苗，两组都是主动接种的人，理论上偏差被抹掉了。不过它还不是随机试验，社会经济地位、吸烟、饮食等未测因素依然可能在两组之间不平衡，所以只能算准实验。
— Vincent Racaniello弱混杂就能推翻疫苗获益
想推翻一个观察性结论需要多强的未测混杂？用 E 值衡量。这篇疫苗研究的E值只有1.42，几乎贴着1，意味着一个不够强的、同时关联「接种哪种疫苗」和「心血管结局」的混杂因素，就能解释掉观察到的风险下降。E值要到3.4甚至5，才算结论很稳；1.42离稳健还远。作者自己也承认，要靠随机临床实验来确认，不能把这项观察当成证据。
— Brianne BarkerAI 首次造出功能性病毒基因组
研究者把基因组语言模型EVO1和EVO2拿来写噬菌体基因组：先让模型读海量公开DNA序列，再针对PhiX174微调，生成数千个候选序列。拿回实验室验证，只有约5%的产物真能感染大肠杆菌，这是第一次AI从头设计、并被证明有功能的完整基因组。媒体若概括成「AI直接造出病毒」，会漏掉一个关键：模型只见过序列，没有任何实验注释告诉它哪个碱基管什么功能，5%的命中率说明它对「序列如何决定功能」其实还很无知。
— Vincent Racaniello复制起点是模型最保守的记忆
给模型的提示只需要PhiX174基因组的开头4到9个核苷酸，生成结果的准确率就显著上升。作者发现，这段不起眼的序列正是复制起点的一部分，而且在模型生成的所有基因组里100%保守。它像一句「我是真病毒」的暗号：模型把复制起点当作必须锁死的核心，其他位置才敢放开演化。这也解释了为什么提示这么短却有效——关键不在提示长度，而在提示是否踩中了功能上的命门。
— Kathy SpindlerAI 换一个基因自己补 58 个突变
EVO36的设计思路不是整段重写，而是拆换基因：把PhiX174的J基因换成噬菌体G4里更短的J蛋白。过去人类手动做同样的移植，产物不能感染；但AI给出的EVO36能正常感染，因为它在基因组上额外积累了58个突变。这些突变像是为了让外来的J蛋白在当地环境里重新「适配」而存在的补偿突变。人类未必想得到要同时动58个位置，这正是生成模型超出单点编辑能力的地方。
— Vincent Racaniello混合噬菌体专治耐药菌
天然PhiX174遇上已经耐药的细菌会碰壁，连传五代都攻不进去；16种AI合成的噬菌体混在一起，一两代内就感染了原本耐药的菌株。耐药性的破解不靠某一条噬菌体，而是几种合成噬菌体在复制过程里互相重组、累积新突变，最后靠群体配合突破屏障。这个结果提示，噬菌体疗法与其押注单株，不如把多种合成噬菌体做成鸡尾酒再上阵。
— Vincent Racaniello别把 AI 造病毒称作紧急威胁
对于那篇生成PhiX174的研究，同期评论用了「紧迫」来形容它的生物安全影响。Vincent在节目里直接反对这个措辞：作者已经用可重复的实验证明，这类研究能够安全地做，所以真正该做的不该是敲响警钟，而是开始建立安全框架。他还强调，只要序列足够，重建病毒并不是科幻，正因为如此才更需要框架、而非渲染恐慌。
— Vincent Racaniello不打疫苗常常只是不知道
讨论不打疫苗的人群时，文章提出一个常被忽略的机制：一部分人不接种，不是出于宗教或意识形态的对抗，而是根本不知道应该接种。把疫苗犹豫一律当成「信仰问题」会搞错施策方向——对这部分人，关键不是辩论或说服，而是通过信息触达让他们先知道疫苗的存在。
原话 · 已逐字校验
It's only sequence. There is no biological knowledge associated with these sequences. But these are sequences from things that work. So the assumption is that you can learn from it.
它只是序列，这些序列没有关联任何生物学知识。但这些序列来自能工作的东西，所以假设是你可以从中学习。
Vincent Racaniello40:15
But it's not right. The genome sequence is everything. And if you have enough sequences, you could build a virus.
但这是不对的。基因组序列就是一切。如果你有足够的序列，你就能构建病毒。
Vincent Racaniello1:09:46
I think it's also kind of cool in terms of helping us with basic discovery in that we might not have known that putting the J protein in in this way would have worked.
我认为在帮助基础发现方面也很酷：我们可能不知道以这种方式放入J蛋白会有效。
Vincent Racaniello1:10:46
It's not a religious thing. It's just they don't know that they should.
这不是宗教问题，只是他们不知道应该接种。
In his case, they said, well, your research is not of interest to the American public.
在他的案例中，他们说，嗯，你的研究不符合美国公众的利益。
数字与实体
| Shingrix 组心血管事件风险下降 | 9% | 9:39 |
| E 值 | 1.42 | 16:56 |
| EVO2 训练数据规模 | 9.3 万亿核苷酸 | 40:15 |
| AI 生成序列的有效率 | 约 5%（Evo 1 为 5.3%，Evo 2 为 6.9%） | 52:50 |
| 合成并通过功能验证的候选基因组 | 合成 285 个，有效 16 个 | 51:45 |
| EVO 36 为 G4J 蛋白补充的突变数 | 58 个 | 56:55 |
| 使用 AI 完成作业对应的考试成绩下降 | 25% | 1:23:27 |
术语
- E-valueE值
- 衡量未测量混杂要多强才能解释观察关联的指标，越接近1结论越脆弱。
- healthy vaccinee bias健康接种者偏差
- 接种者通常比不接种者更注重健康，会使观察研究高估疫苗效果。
- genomic language model基因组语言模型
- 把DNA序列当语料训练的大模型，学习序列模式来生成新基因组。
- AS01 adjuvantAS01佐剂
- 带状疱疹疫苗Shingrix中的免疫增强剂，被认为能引发非特异保护效应。
- compensation mutation补偿突变
- 抵消另一个突变功能损害的额外突变，AI设计中常见。
- phage cocktail噬菌体鸡尾酒
- 将多种噬菌体混合使用以降低细菌耐药风险的疗法。
收听指南
对「AI生成病毒」报道半信半疑的科技记者和AI生物交叉领域的投资人，以及需要评价疫苗观察性研究的循证医学从业者。
对疫苗混杂方法不感兴趣的读者，可从 38 分钟直接听 AI 噬菌体部分。