Radical Numerics 的 Omnii-1 AI 设计噬菌体首次用于治疗人类患者

这家由 Evo 背后的团队创建的初创公司表示，人工智能设计的噬菌体被给予患者，并在富有同情心的情况下使用，这对于人工智能生成的病毒来说尚属首次。

由斯坦福大学 Evo 基因组模型背后的团队创建的初创公司 Radical Numerics 于 2026 年 10 月 20 日宣布，由其新的 Omnii-1 AI 模型设计的噬菌体已用于人类患者，这是世界上首次将 AI 生成的病毒用于临床。《纽约时报》首先报道了这一说法，该公司当天在其网站上发布了详细的技术报告。对于关注最新人工智能发展的读者来说，它标志着人工智能设计的生物学从实验室工作台转移到患者血液中的时刻。

这些噬菌体是在同情使用的情况下给予的，这种监管途径允许患有严重疾病的患者在不存在令人满意的替代方案时接受临床试验之外的研究性治疗。该公司表示，该治疗针对的是耐抗生素细菌感染，但以保密和隐私要求为由，拒绝透露患者的病情、地点或结果。

从基因组语言模型到活病毒

Omnii-1 是一种多模式基因组语言模型，是一种人工智能系统，经过大量 DNA 序列和多组学数据的训练，然后专门针对噬菌体基因组进行微调。噬菌体，正式的噬菌体，是一种在不接触人体细胞的情况下感染和杀死细菌的病毒，这使得它们成为治疗抗生素无法清除的感染的候选药物，已有数十年历史。

Radical Numerics 团队的成员在成立公司之前创建了 Evo 和 Evo 2 基因组模型，他们使用 Omnii-1 做了三件事：生成可行的噬菌体变体、优先考虑最有前途的设计以及预测哪些噬菌体将成功感染哪些细菌菌株。该模型不是从头开始设计基因组，而是设计特定区域——例如决定噬菌体可以识别哪些细菌的受体结合尾纤维基因——同时保留病毒复制所需的机制。

技术报告显示的内容

该公司的报告包括其设计活动的具体基准。在一项针对已充分表征的大肠杆菌噬菌体 T7 的实验中，69.9% 的 Omnii-1 设计的包含 11 至 15 个氨基酸变化的变体被成功回收为活噬菌体，而随机对照的这一比例仅为 4.8%。在 6,694 个具有可测量活性的变体中，有 2,161 个超过了野生型噬菌体的活性，其中包括多达 28 个氨基酸变化的设计，而超过野生型的随机对照没有超过 5 个氨基酸变化。

该模型在特定菌株优先级排序方面也被证明是有效的。对于两种细菌菌株，Omnii-1 排名前 100 的候选菌株中，有 97 种和 96 种突破了活性阈值。在更难的第三个菌株中，整个库中只有 4.5% 是活跃的，模型的前 100 个精选中有 24% 超过了标准——是基本比率的五倍多。在 37 种大肠杆菌菌株的进化枝中，仅两种噬菌体的预测就覆盖了 91.4% 的合格菌株，并且当将大肠杆菌数据的学习迁移到铜绿假单胞菌（伤口、烧伤和囊性纤维化感染背后的危险病原体）时，该模型的表现优于 GenoPHI 等专门的噬菌体宿主预测工作流程。

为什么噬菌体疗法现在很重要

这一临床里程碑是在抗生素耐药性危机日益恶化之际实现的。根据 Radical Numerics 报告中引用的数据，2021 年全球估计有 470 万人因抗生素耐药性死亡，而 2025 年至 2050 年间，抗生素耐药性死亡人数预计将达到近 4000 万人。

噬菌体疗法提供了解决这一危机的方法，因为噬菌体可以以广谱抗生素无法比拟的特异性靶向特定的细菌菌株，从而在此过程中保留有益的肠道细菌。瓶颈始终是匹配：当今的个性化噬菌体疗法依赖于针对每个患者的感染费力筛选天然噬菌体集合，而延误对于没有选择的患者可能会危及生命。一个人工智能系统可以按需设计和排序噬菌体，直接攻击瓶颈——这一发展与人工智能研究报道有着明显的相关性，远远超出了医学范围。

大的主张，很少的细节

有一些重要的警告。头条结果是一家公司的声明：《纽约时报》将其描述为一家初创公司“声称”治疗患者，而该公司的技术报告尚未经过同行评审。 Radical Numerics 拒绝提供有关患者或相关医生的信息，也无法透露临床结果，因此公司外部尚无任何人可以验证该疗法是否确实有效。早期备受瞩目的噬菌体案例——根据紧急计划对个别患者进行治疗——有着复杂的复制历史。

尽管如此，从一个可验证的意义上来说，这一里程碑是真实的：人工智能生成的噬菌体通过了在政府监督的同情使用计划下对人类进行管理所需的监管和安全标准。《泰晤士报》还报道称，Radical Numerics 正在将 Omnii-1 应用到其他领域，包括设计癌症疫苗和评估病毒是否会引起大流行——这提醒人们，相同的设计能力是双向的，人工智能和生物安全的紧张报道将继续跟踪。