AI 設計出能感染細菌的病毒，但成功率僅 5%
AI 第一次從頭設計出能感染細菌的完整病毒基因組；實驗驗證成功率只有約 5%，遠沒有媒體說的那麼全能。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
疫苗接種切換當作天然對照
「健康接種者偏差」的坑在於：接種者多半比不接種者更關注自身健康，比較兩組會把生活方式差異當成疫苗效果。這篇研究利用2017年美國帶皰疫苗從Zostavax全面換成Shingrix的時刻：政策切換前接種的是舊疫苗，切換後接種的是新疫苗，兩組都是主動接種的人，理論上偏差被抹掉了。不過它還不是隨機試驗，社會經濟地位、吸菸、飲食等未測因素依然可能在兩組之間不平衡，所以只能算準實驗。
— Vincent Racaniello弱混雜就能推翻疫苗獲益
想推翻一個觀察性結論需要多強的未測混雜？用 E 值衡量。這篇疫苗研究的E值只有1.42，幾乎貼著1，意味著一個不夠強的、同時關聯「接種哪種疫苗」和「心血管結局」的混雜因素，就能解釋掉觀察到的風險下降。E值要到3.4甚至5，才算結論很穩；1.42離穩健還遠。作者自己也承認，要靠隨機臨床實驗來確認，不能把這項觀察當成證據。
— Brianne BarkerAI 首次造出功能性病毒基因組
研究者把基因組語言模型EVO1和EVO2拿來寫噬菌體基因組：先讓模型讀海量公開DNA序列，再針對PhiX174微調，生成數千個候選序列。拿回實驗室驗證，只有約5%的產物真能感染大腸桿菌，這是第一次AI從頭設計、並被證明有功能的完整基因組。媒體若概括成「AI直接造出病毒」，會漏掉一個關鍵：模型只見過序列，沒有任何實驗註釋告訴它哪個鹼基管什麼功能，5%的命中率說明它對「序列如何決定功能」其實還很無知。
— Vincent Racaniello複製起點是模型最保守的記憶
給模型的提示只需要PhiX174基因組的開頭4到9個核苷酸，生成結果的準確率就顯著上升。作者發現，這段不起眼的序列正是複製起點的一部分，而且在模型生成的所有基因組裡100%保守。它像一句「我是真病毒」的暗號：模型把複製起點當作必須鎖死的核心，其他位置才敢放開演化。這也解釋了為什麼提示這麼短卻有效——關鍵不在提示長度，而在提示是否踩中了功能上的命門。
— Kathy SpindlerAI 換一個基因自己補 58 個突變
EVO36的設計思路不是整段重寫，而是拆換基因：把PhiX174的J基因換成噬菌體G4裡更短的J蛋白。過去人類手動做同樣的移植，產物不能感染；但AI給出的EVO36能正常感染，因為它在基因組上額外積累了58個突變。這些突變像是為了讓外來的J蛋白在當地環境裡重新「適配」而存在的補償突變。人類未必想得到要同時動58個位置，這正是生成模型超出單點編輯能力的地方。
— Vincent Racaniello混合噬菌體專治耐藥菌
天然PhiX174遇上已經耐藥的細菌會碰壁，連傳五代都攻不進去；16種AI合成的噬菌體混在一起，一兩代內就感染了原本耐藥的菌株。耐藥性的破解不靠某一條噬菌體，而是幾種合成噬菌體在複製過程裡互相重組、累積新突變，最後靠群體配合突破屏障。這個結果提示，噬菌體療法與其押注單株，不如把多種合成噬菌體做成雞尾酒再上陣。
— Vincent Racaniello別把 AI 造病毒稱作緊急威脅
對於那篇生成PhiX174的研究，同期評論用了「緊迫」來形容它的生物安全影響。Vincent在節目裡直接反對這個措辭：作者已經用可重複的實驗證明，這類研究能夠安全地做，所以真正該做的不該是敲響警鐘，而是開始建立安全框架。他還強調，只要序列足夠，重建病毒並不是科幻，正因為如此才更需要框架、而非渲染恐慌。
— Vincent Racaniello不打疫苗常常只是不知道
討論不打疫苗的人群時，文章提出一個常被忽略的機制：一部分人不接種，不是出於宗教或意識形態的對抗，而是根本不知道應該接種。把疫苗猶豫一律當成「信仰問題」會搞錯施策方向——對這部分人，關鍵不是辯論或說服，而是通過信息觸達讓他們先知道疫苗的存在。
原話 · 已逐字校驗
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，這些序列沒有關聯任何生物學知識。但這些序列來自能工作的東西，所以假設是你可以從中學習。
Vincent Racaniello40:15
But it's not right. The genome sequence is everything. And if you have enough sequences, you could build a virus.
但這是不對的。基因組序列就是一切。如果你有足夠的序列，你就能構建病毒。
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.
我認為在幫助基礎發現方面也很酷：我們可能不知道以這種方式放入J蛋白會有效。
Vincent Racaniello1:10:46
It's not a religious thing. It's just they don't know that they should.
這不是宗教問題，只是他們不知道應該接種。
In his case, they said, well, your research is not of interest to the American public.
在他的案例中，他們說，嗯，你的研究不符合美國公眾的利益。
數字與實體
| Shingrix 組心血管事件風險下降 | 9% | 9:39 |
| E 值 | 1.42 | 16:56 |
| EVO2 訓練數據規模 | 9.3 萬億核苷酸 | 40:15 |
| AI 生成序列的有效率 | 約 5%（Evo 1 為 5.3%，Evo 2 為 6.9%） | 52:50 |
| 合成並通過功能驗證的候選基因組 | 合成 285 個，有效 16 個 | 51:45 |
| EVO 36 為 G4J 蛋白補充的突變數 | 58 個 | 56:55 |
| 使用 AI 完成作業對應的考試成績下降 | 25% | 1:23:27 |
術語
- E-valueE值
- 衡量未測量混雜要多強才能解釋觀察關聯的指標，越接近1結論越脆弱。
- healthy vaccinee bias健康接種者偏差
- 接種者通常比不接種者更注重健康，會使觀察研究高估疫苗效果。
- genomic language model基因組語言模型
- 把DNA序列當語料訓練的大模型，學習序列模式來生成新基因組。
- AS01 adjuvantAS01佐劑
- 帶狀皰疹疫苗Shingrix中的免疫增強劑，被認為能引發非特異保護效應。
- compensation mutation補償突變
- 抵消另一個突變功能損害的額外突變，AI設計中常見。
- phage cocktail噬菌體雞尾酒
- 將多種噬菌體混合使用以降低細菌耐藥風險的療法。
收聽指南
對「AI生成病毒」報道半信半疑的科技記者和AI生物交叉領域的投資人，以及需要評價疫苗觀察性研究的循證醫學從業者。
對疫苗混雜方法不感興趣的讀者，可從 38 分鐘直接聽 AI 噬菌體部分。