AI设计噬菌体首进人体 Omnii-1模型发布

时间：2026年10月20日（美国时间，北京时间10月21日凌晨）。AI生物研究实验室 Radical Numerics 通过 BusinessWire 官方发布稿正式推出多模态基因组语言模型 Omnii-1，并在同一天公开了"世界首次将 AI 设计的噬菌体用于人体"的临床案例。当天《纽约时报》以 Start-Up Claims to Treat a Patient With A.I.-Created Viruses 为题跟进报道；公司同日发布的技术博客详细披露了模型能力与临床案例边界。 地点：美国旧金山（Radical Numerics 总部），公司为斯坦福大学孵化背景的独立 AI 研究实验室；实际给药的临床机构未公开，公司称出于患者隐私考虑不披露任何临床细节；生物防御方向的合作伙伴是美国劳伦斯利弗莫尔国家实验室。 人物：Radical Numerics 联合创始人兼CEO Eric Nguyen（斯坦福大学生物工程与AI博士，Evo 与 Evo 2 基因组模型的主要作者之一）；首席AI科学家 Michael Poli；发布研究博客的作者还包括 Aniketh Iyengar、Benjamin Siranosian、Arpan Sarkar、Avery Noonan 等；临床方面由渥太华医院感染科医师兼科学家 Marisa Azad 表述；生物防御顾问包括前美国国防部核化生防御助理部长 Andrew C. Weber、退役少将 Paul Friedrichs（白宫疫情准备与响应政策办公室首任主任）、美国核安全管理局前局长 Jill Hruby，以及同时在生物防御与AI两条线提供建议的微软首席科学官 Eric Horvitz。 事件详情：模型方面，Omnii-1 被公司称为迄今规模最大的多模态基因组语言模型。其技术博客称，模型在 DNA、RNA、蛋白质、染色质可及性、转录因子结合、组蛋白修饰、DNA甲基化、剪接、基因表达等 28 种生物模态上做原生预训练，覆盖数万亿 token 的遗传与多组学数据，并按细胞类型与组织做条件化。Omnii-1 在发布时同时给出八个基于同一底座的应用：Omnii Genome（基因组解读）、Omnii Phage（噬菌体设计）、Omnii Genetics（遗传学）、Omnii Diagnostics（诊断）、Omnii Defense（生物防御）、Omnii Rare Earths（稀土结合蛋白）、Omnii Antibody（抗体设计）、Omnii Cancer Vaccine（癌症疫苗）。 临床方面，这是本次发布的真正爆点。研究人员用 Omnii-1 设计针对该患者耐药感染的噬菌体，用时数周；含 Omnii-1 设计噬菌体变体的鸡尾酒在体外实验中杀灭了该患者的耐药分离株，随后在"经政府监管、由医师主导的同情用药（compassionate use）通道"下给药，公司称这是全球首次把 AI 设计的噬菌体用于人体。《纽约时报》的报道补充了关键细节：该团队改造的是 T7 噬菌体的"腿"（即尾丝），让它能识别患者体内特定的大肠杆菌菌株；该患者既对抗生素耐药、也对现有可用噬菌体无反应，报道同时指出该案例尚未经过同行评审。公司明确表示，为保护患者隐私，不披露患者身份、临床过程与结局。 噬菌体设计的数据是这次发布最有说服力的部分。在一组 T7 尾丝改造轮次中，氨基酸改动数在 11 至 15 个时，69.9% 的设计变体能被成功"reboot"（把装配好的噬菌体基因组导入宿主菌重新产出噬菌体），随机对照组只有 4.8%；在 1 至 30 个氨基酸改动的各分组中这一优势都保持。在 6,694 个有活性测量值的变体里，有 2,161 个活性超过野生型，改动幅度最大到 28 个氨基酸，而随机对照组超过野生型的变体最多只改动 5 个氨基酸。在针对三个具体菌株的排序实验中，Omnii-1 排名前 100 的候选中分别有 97 个、96 个、24 个超过活性阈值，而第三个菌株在全部受测变体中只有 4.5% 达标，即模型前 100 条的命中率超过全库五倍。 宿主预测方面，在随机留出的大肠杆菌菌株上，Omnii-1 排名前两位的推荐对 92.1% 的合格菌株包含实验确认有活性的噬菌体；进一步留出包含 37 株的大肠杆菌整个演化支系后，前两个噬菌体仍可命中 91.4% 的合格菌株，高于两个专门为此任务开发的流程 Gaborieau 与 GenoPHI。在铜绿假单胞菌上，仅用该菌种数据时模型的平均精确率与 GenoPHI 相当、AUROC 更高；再加入大肠杆菌的交互数据后，其平均精确率从 0.570 升至 0.608，反超 GenoPHI 的 0.581，而 GenoPHI 在加入跨物种数据后反而下降。 生物防御方向，公司推出 Omnii Defense 应用及其 Defense API，把"序列是否与已知病原体相似"的传统判断与功能预测结合。在一个包含 47,754 条带标签蛋白序列（含对照）的测试集上，单独使用 DIAMOND 工具时致病相关序列召回率为 78.6%，加入 Omnii-1 后提升到 95.8%，而精确率基本持平（64.9% 对 63.8%）。在另一组模拟测序读段评测中，把目标属完全排除在训练与参考库之外后，组合系统恢复了 44.6% 的登革热读段与 22.0% 的 Bundibugyo 读段，传统级联方案低于 0.1%。该模型可在数分钟内返回结果，配合笔记本电脑与便携式 DNA 测序仪即可使用。 其余几个应用的官方数字同样亮眼，但均未经过第三方复现：Omnii Genetics 在 5 例尚未解决的先天性肌病病例中有 4 例提名出候选因果变异，在近 1,800 个带实验真值的 GWAS 可信集中，90% 的情况下把功能变异排进前四名，并针对 153 个帕金森病 GWAS 信号给出候选变异与可验证机制；Omnii Diagnostics 通过后训练预测细胞外 5-羟甲基胞嘧啶（5hmC）覆盖谱，而整个 5hmC 模态在预训练中完全缺席，在 32 名留出患者、250 个 QTL 上预测等位基因剂量效应与实测值的 Pearson 相关系数为 0.854，而单纯全基因组测序覆盖度仅为 -0.057，在 98% 特异度下提升了早期癌症检出的灵敏度，低肿瘤占比人群改善最明显；Omnii Rare Earths 在 609 个蛋白、105 种元素对的选择性预测上优于所有受测公开模型，尽管预训练完全没有稀土结合数据；Omnii Antibody 有两个设计的结合强度优于检测下限（低于 0.2 nM）；Omnii Cancer Vaccine 在最难的 MHC I 类免疫原性预测上取得等位基因平均 AUROC 0.750，而专用工具 BigMHC-IM 为 0.558。 背景：Radical Numerics 由 Evo 与 Evo 2 模型的原班团队创立，2026年6月15日从隐身状态公开，Emergence Capital 领投5,000万美元种子轮，Obvious Ventures、Triatomic Capital、Factory 与 First Spark Ventures 参与，Stripe 联合创始人 Patrick Collison 参与前置轮。Evo 曾被外部科学家用于生成首个完全由 AI 设计的基因组（噬菌体），该成果于2026年8月刊于《科学》并登上《纽约时报》头版——当时为止，AI 设计的噬菌体仍停留在实验室阶段，未曾进入人体。 耐药性背景是这次临床案例的现实压力。全球疾病负担研究显示，2019年约有4950万例死亡与耐药细菌感染相关，其中127万例可直接归因于耐药性；按当前趋势，2025至2050年归因于耐药性的死亡累计将接近4,000万例（GBD 2021 Antimicrobial Resistance Collaborators，发表于《柳叶刀》）。噬菌体疗法是抗生素失效后的主要备选，但痛点在于"为每位患者现找现做"：从患者感染处取样、筛遍现有噬菌体库常常需要数月且常常失败，天然噬菌体对特定耐药菌株的覆盖尤其有限。美国目前没有任何噬菌体产品获得 FDA 批准用于人体，临床使用只能通过同情用药等个案通道。 影响：最大的意义在于时间跨度。AI 设计的噬菌体从"在实验室里被造出来并杀死大肠杆菌"（8月，论文阶段）到"进入人体给药"只隔了约两个月，中间的转化环节不是靠人脉或经验堆出来的，而是被一个通用底座模型压缩掉了。对行业而言，这把噬菌体疗法的核心瓶颈从"盲筛"改写为"定向设计"，如果路径可复制，个性化噬菌体疗法的排期成本与等待时间都有望明显下降，对那些抗生素与天然噬菌体双双失效的重症感染患者尤其关键。 风险同样需要写清楚。同一套能力既可以设计药物，也可以在原则上被用于设计规避现有检测的病原体——公司自己承认"能治愈疾病的模型也可能降低制造有害生物的门槛"，因此把设计与防御放在同一个实验室，并请来前国防部核化生防御官员、白宫疫情政策首任主任、前核安全管理局局长做顾问，同时与劳伦斯利弗莫尔国家实验室合作。需要提醒读者的是：所有关键数据均为公司自测口径，尚无第三方复现，Omnii-1 采取闭源并仅开放 early access；这次临床案例是单一患者，公司明确不披露患者身份、临床过程与结局，这些在同情用药通道下使用的疗法也未获监管机构批准用于更广泛的临床使用，单一例显然无法证明安全性与有效性。换句话说，这是一条值得高度关注但仍需等待同行评审与临床数据公开的早期信号，而不是疗法已被验证。 总结：Omnii-1 的真正分量不在"更大的模型"，而在于它第一次把 AI 设计的生物学产物从论文推进到病床——世界首个进入人体的 AI 设计噬菌体。它同时提醒业界，通用生物模型的竞争已经进入"设计+防御"双向竞速阶段，而八项应用的官方跑分与单例临床结果，都还需要独立验证来兑现。 参考来源： 1. Radical Numerics 官方研究博客（噬菌体临床案例全文）https://www.radicalnumerics.ai/blog/omnii-phage 2. Radical Numerics 官方博客（Omnii-1 模型与八项应用）https://www.radicalnumerics.ai/blog/omnii-1 3. BusinessWire 官方发布稿（经 Morningstar 转载，含高管引语全文）https://www.morningstar.com/news/business-wire/20261020333491/radical-numerics-launches-omnii-1-a-new-generation-of-biological-ai-as-first-ai-designed-phage-therapy-reaches-human-patient 4. The New York Times 报道（AI 设计病毒治疗患者）https://www.nytimes.com/2026/10/20/science/ai-virus-bacteria-radical-numerics.html 5. AI Directory 对纽约时报报道的要点梳理（T7 噬菌体改造细节）https://aidirectory.com/news/researchers-report-ai-designed-bacteriophage-target-ecoli-patient 6. Radical Numerics 官网 https://www.radicalnumerics.ai/ 7. bio.rodeo 模型档案（Omnii 技术参数与基准）https://bio.rodeo/models/omnii 8. Radical Numerics 官方博客（Omnii 健康方向预览）https://www.radicalnumerics.ai/blog/omnii-health-preview 9. BioTender 深度解读（Omnii 癌症疫苗管线与评测口径）https://www.biotender.online/omnii-vaccine