一家初创公司声称已开发出一种防御技术。周三,Radical Numerics宣布推出了一款名为Omnii Defense的新型边缘模型,该模型能够通过笔记本电脑和USB基因测序仪识别自然和AI合成的病原体。该系统还能在无网络连接的情况下运行,方便网络不稳定的现场研究人员使用。尽管许多科学家认为AI制造的生物武器威胁概率较低,Radical Numerics希望其技术能帮助研究人员和公共卫生官员识别新兴的生物威胁。

Radical Numerics的联合创始人兼CEO Eric Nguyen表示,他预见到生物防御领域将出现类似网络安全领域的军备竞赛,攻击者和防御者都将利用AI争夺优势。“我们觉得生物安全领域在防御方面远远落后,”他说。

Nguyen和他的联合创始人曾在斯坦福大学攻读博士期间参与开发了开源DNA基础模型Evo和Evo-2,并于2025年创立了Radical Numerics。

这家总部位于旧金山的公司最近引起关注,推出了Omnii——一款基于多种生物信息(包括RNA、蛋白质和表观遗传信号)构建的基因组语言模型。去年十月,Radical宣布利用Omnii设计了定制的噬菌体,用于针对一种耐药大肠杆菌菌株。该噬菌体混合物经美国食品药品监督管理局特别许可,已用于治疗一名病人。

另一家AI生物技术初创公司Tabula Bioscience也参与了该研究,但Radical在上月的公告中未披露这一合作,导致哈佛遗传学家George Church上周辞去了Radical的顾问职务。Church曾是两家公司的顾问。

Omnii Defense是该公司的最新工具,能够对基因序列做出多项预测,包括其致病性、是否由AI生成以及其最相似的分类群。该模型为基因组赋予一个介于0到1之间的“威胁评分”,结合了非自然性概率和功能预测,分数越高,威胁越大。

早期的生物防御工具,如联邦资助的Finding Engineering-Linked Indicators(Felix),通过将感兴趣的基因序列与已知生物库进行比对,寻找匹配项。这在攻击者对现有病原体做少量修改时很有用,但它们无法像Omnii那样进行预测。

AI模型的优势在于它们能学习与生物功能相关的序列模式,而非仅依赖精确的序列匹配,这使得它们即使在基因拼写发生变化时也能识别序列间的相似性。Radical Numerics的生物防御负责人Christine Parthemore称Omnii为“质的飞跃”。

在一项实验中,公司从训练数据中移除了当前导致东非埃博拉疫情的Bundibugyo病毒,先是移除该物种,随后移除整个属。Parthemore表示:“这就像Omnii在1976年运行一样。”(1976年是埃博拉病毒被发现的年份)仅移除物种时,模型仍检测出33%的Bundibugyo序列具有致病性;即使移除整个属,仍有22%的病毒序列被标记为潜在威胁。相比之下,非AI工具几乎无法检测出潜在风险。

麻省理工学院和哈佛大学布罗德研究所传染病与微生物组项目病原体监测主管Bronwyn MacInnis表示:“我们绝对需要警惕AI带来的风险,如果能利用技术与之竞争,甚至领先于任何恶意行为者,这是明智的选择。”

不过,MacInnis也提醒,检测到信号与判断病原体是否真正具有危害性或是否为人工制造的威胁之间仍有很大差距。

目前,Omnii Defense的访问权限仅限于经过审核的外部测试者。Radical Numerics表示,正在与国家实验室、政府机构及其他独立评估机构合作,评估该模型的性能。