什麼是 Omnii-1？首款 AI 設計噬菌體背後的基因組語言模型

2026 年 10 月 20 日，AI 實驗室 Radical Numerics 發布了 Omnii-1，並稱其為全球最先進的多模態基因組語言模型。最引人注目的聲明是：由該模型設計的噬菌體已被用於一名抗生素耐藥感染患者。本指南將解釋 Omnii-1 究竟是什麼、基因組語言模型的功能、其八大應用，以及各大頭條所忽略的注意事項。

什麼是 Omnii-1？

Omnii-1 是一款基因組語言模型：採用與大型語言模型相同的 Transformer 技術，但以生物數據而非人類文本進行訓練。它不是預測下一個詞，而是學習 DNA、RNA、蛋白質及相關分子信號中的規律。

Radical Numerics 表示，Omnii-1 原生預訓練涵蓋 28 種生物模態——包括 DNA、RNA、蛋白質、染色質可及性（chromatin accessibility）、轉錄因子結合（transcription factor binding）、組蛋白修飾（histone modifications）、DNA 甲基化（DNA methylation）、剪接（splicing）及基因表達，並以細胞類型和組織為條件（Radical Numerics）。在對數萬億個遺傳及多組學數據 token 進行訓練後，該模型學習到一種共享表示，可適應多種不同的生物學問題。

該公司由 Evo 和 Evo 2 背後的團隊成員創立，Evo 和 Evo 2 是早期的基因組模型，曾用於設計首批完全由 AI 創建的噬菌體基因組（Business Wire via FinancialContent）。

為何「通才」模型至關重要

多年來，生物 AI 一直是針對單一問題逐一構建的：蛋白質、基因調控、遺傳疾病和分子設計各有獨立模型。Radical Numerics 認為這種局面正在改變——單一通用模型現在可以在這些專用模型的本職任務上超越它們，正如通用大型語言模型（LLM）超越窄域自然語言處理（NLP）系統一樣。

基因組是這一切的天然錨點。它既是分子生物學的共同參考，也是數十億年進化所塑造的記錄，因此以 DNA 為基礎的模型能夠將許多下游信號串聯起來。

八大應用

Radical Numerics 在發布 Omnii-1 的同時推出了八款應用，每款均從同一基礎模型出發，通過中期訓練或後期訓練進行適配。部分報告結果如下：

• Omnii Genome。 在監管軌道（regulatory-track）和變異效應（variant-effect）基準測試上達到新的最先進水平，據該公司稱領先於 AlphaGenome 和 Borzoi 等專用模型。
• Omnii Phage。 針對抗生素耐藥感染的定向噬菌體設計（詳見下文）。在隨機保留的大腸桿菌菌株上，其前兩項推薦中包含對 92.1% 合格菌株具有生物活性的噬菌體。
• Omnii Genetics。 在 90% 的評估全基因組關聯研究（GWAS）可信集中，將功能性變異排在前四名之內，並針對 153 個帕金森病信號提出了機制假說。
• Omnii Diagnostics。 預測了一種預訓練中從未見過的血液癌症生物標誌物（無細胞 5hmC），在評估隊列的變異效應上達到 0.854 的 Pearson 相關係數。
• Omnii Defense。 加入常規篩查流程後，將致病性相關蛋白質的召回率從 78.6% 提升至 95.8%。
• Omnii Rare Earths、Omnii Antibody 和 Omnii Cancer Vaccine 涵蓋金屬分離蛋白質設計、抗體設計及疫苗靶點選擇，共同構成完整的應用矩陣。

所有數據均為 Radical Numerics 自行報告，載於其發布文章，尚未經獨立機構重現驗證。

噬菌體里程碑——及其注意事項

引發頭條的是噬菌體案例。噬菌體是感染細菌的病毒，噬菌體療法在抗生素失效時是一種頗具前景的選擇——但找到針對特定患者感染的噬菌體既耗時又充滿不確定性。

Radical Numerics 訓練 Omnii-1 以設計可存活的噬菌體、優先排列變異體，並預測哪些噬菌體與哪些細菌菌株匹配。在其稱為全球首次臨床使用 AI 設計噬菌體的案例中，Omnii-1 的設計方案在獲授權的、由醫生主導的同情用藥（compassionate-use）途徑下被用於一名抗生素耐藥細菌感染患者（Omnii Phage 詳文）。在實驗室測試中，含有設計變異體的混合製劑在給藥前已在體外（in vitro）消滅了患者的耐藥分離株。

以下幾點需保持清醒認識：

• 僅為單一患者案例。 Radical Numerics 表示以隱私為由無法披露患者的臨床過程或結果——因此沒有可供評估的報告結果。
• 屬於研究性用途。 同情用藥允許在無批准選項時於臨床試驗之外向患者提供療法；這並非監管批准，且該公司指出單一患者的觀察結果無法確立普遍的安全性或有效性。
• 尚未經同行評審。 該公司的報告尚未經同行評審或在科學期刊上發表，其與 AlphaGenome、Borzoi 等的基準比較均為自行報告，有待獨立重現（NYT via GV Wire）。

Carl Zimmer 為《紐約時報》所作的報道指出，該公司表示試驗已獲 FDA 授權——這強調了此事確為真實新聞，但只是第一步，而非已驗證的治療方案。

基因組語言模型在實踐中的使用方式

Omnii-1 的使用方式與大型語言模型類似，但面向生物學：重建缺失的測量值、評分遺傳變異如何改變功能，或生成具有所需特徵的 DNA。關鍵在於，同一段 DNA 可根據所提供的細胞或組織背景產生不同的預測——這更接近生物學的實際運作方式。

在噬菌體設計方面，該模型在考慮周圍序列的同時，對現有基因組的選定區域（例如受體結合尾纖維）進行編輯，從而在不破壞噬菌體複製所需機制的前提下改變宿主靶向性。

這對 AI 構建者意味著什麼

Omnii-1 是一個領域層面的範例，體現了更廣泛的模式：一個通用模型，多個專業化工作流程，每個工作流程都配備自己的數據和評估循環。無論你從事生物學、金融還是軟件開發，難點很少在於模型本身——而在於如何協調圍繞模型的研究、數據來源和核查機制。

如果你想批判性地閱讀此類發布，請參閱我們關於 Periodic Neon（一款實驗室訓練的科學 AI） 和 TypeSafe AI 的 Jev 模型 的解析文章。

用 AI 團隊運行你自己的研究工作流程

拆解像 Omnii-1 這樣密集的發布——收集一手資料、交叉核查基準聲明、將結果與炒作分開——正是 AI 工作團隊能夠處理的多步驟研究類型。Eigent 是一款開源「協作」桌面應用，由一組 AI 代理在本地讀取資料、比較聲明並起草摘要，每個步驟均由你審批確認。將它們指向競爭分析工作流程，或下載 Eigent 並構建你自己的研究工作台。