2025年10月2日，NPR（National Public Radio ‑‑‑ 美国国家公共广播公司，简称 NPR）报道了一项引人关注的研究：研究人员用生成式人工智能（generative AI）为危险蛋白质或DNA片段“出谋划策”，这些AI生成的序列在功能预测上显示出潜在危险性，但却能躲过DNA合成公司普遍采用的筛查系统。
目前多数合成DNA供应商依赖序列比对和已知危险基因数据库来拦截可疑订单，例如用BLAST等工具查找与危险因子或病原体基因的同源性。然而，研究指出，AI可以设计出不与已知危险基因直接匹配的新序列，通过改变密码子、将致病功能分散到更长的序列中，或者在序列中嵌入“看起来无害”的片段，从而降低比对得分，逃避这些基于比对的筛查。
研究团队将AI生成的序列投入现有筛查流程做模拟测试，结果显示不少预测具有特定生物活性的设计并未触发安全阈值——也就是说，它们在技术上有形成危险蛋白或干扰生物过程的潜力，但按现在的检测规则不会被阻截。作者强调这是一种“概念性”的示范，目的是提示防护体系可能出现的盲点，而非说明已有恶意事件。
该研究还列举了几类可能被滥用的手法：一是通过密码子替换（同义突变）改变序列外观但保留蛋白功能；二是把危险功能拆分成多个片段，分别看似无害但组合后具备危害；三是利用AI设计出结构上能实现特定作用但序列上不相似的新型蛋白域。研究者警告，这些技术与开源或商业化的生成模型相结合，会把生物安全防线推到新的考验。
应对建议包含：合成DNA公司需超越简单的序列比对，采用基于功能预测的筛查工具；行业组织如国际基因合成联盟（IGSC）要更新规则并加强信息共享；AI模型开发者与生物技术界要共同制定安全使用准则，并探索在模型中嵌入“滥用防护”或水印技术。此外，研究团队呼吁监管机构和资助方增加对这一交叉风险的投入，推动检测与审查能力的升级。
报道指出，研究本身并没有公开可直接复制的“有害配方”，研究者在发布时保持了负责任的披露方式，但其结论已在学界和行业内部引发震动。对年轻的科研人员和创业者而言，这一发现既是警示也是提醒：AI在加速生物设计创新的同时，也在改变风险的形态，生物安全与AI治理必须同步进步，才能把创新与风险控制在可接受的范围内。