• 前沿聚焦 •
黄煜,许鸿翔,谢建平
Yu Huang, Hongxiang Xu, Jianping Xie
摘要: DNA测序、编辑和化学合成技术的发展使生命科学逐渐具备在基因组尺度“读”和“写”遗传信息的能力,但如何从功能目标出发理性设计完整基因组,长期受到基因间上位性、调控元件耦联、基因组空间结构以及宿主适应等多尺度复杂性的限制。近年来,以基因组语言模型和生物学基础模型为代表的人工智能技术开始直接从海量天然DNA序列中学习进化形成的序列约束,并由基因功能预测逐步拓展至调控元件、复杂分子系统乃至基因组尺度的生成设计。2026年,King等利用Evo和Evo 2基因组语言模型,以噬菌体ΦX174为模板生成完整噬菌体基因组,并通过DNA合成和实验筛选获得16种具有感染活性的人工设计噬菌体,首次建立了从生成式人工智能设计到完整基因组实验验证的闭环。本文以该工作为切入点,概述了人工智能在DNA序列建模、功能元件生成、多基因系统设计及完整基因组设计方面的主要进展,分析了人工智能与DNA合成、组装及设计—构建—测试—学习循环融合的发展趋势,并讨论了当前模型架构区别、训练目标、实验成功率、合成成本以及生物安全等关键问题。随着基因组基础模型、高通量合成和自