生命科学
Life science
让已灭绝的猛犸象重现冰原，曾是遥不可及的科幻梦。如今，它正演变成为一个严肃的前沿工程学问题：不止为了“复活”，更是为了理解生命，并尝试“设计”性状。近期，中国科学院动物研究所李伟研究员与冯桂海研究员团队在Trends in Biotechnology上发表前瞻性观点论文，系统审视了“功能性去灭绝”领域的技术现状与瓶颈，并勾勒出一条全新路径：利用生成式人工智能，直接设计创造出灭绝生物特征的DNA序列，结合合成生物学与干细胞技术，从而实现复杂形状的“智能重生”。
有兴趣在Trends in Biotechnology发表您的综述或科研论文？请扫描提交论文提案 (presubmission form)。
当前“去灭绝”的技术方法
目前，科学家主要通过两种方式实现特定形状的功能性去灭绝：
路径1:“古基因组的重构与挖掘”策略：科学家首先重建灭绝物种的基因组，通过对比其现存近亲的基因差异，并利用基因编辑技术改造近亲基因组，再通过克隆等技术恢复性状。然而，对于大多数灭绝物种，获取高质量DNA本身就已困难重重，如若其与现存物种亲缘关系过远，导致比对与改造都极为困难。此外，对许多非模式生物而言，其体细胞克隆技术的效率与成熟度依然有限，成为编辑细胞到活体动物的又一技术瓶颈。
路径2:“性状调控网络的解析与移植”策略：与1策略不同，该路径不追求灭绝物种的完整基因组，而是意在破译控制特定形状的调控网络，并将其平移至模式生物上，实现部分性状的复活。但生命的调控网络极其复杂，尤其是对于多基因控制的性状，精准解析并准确“对接”至模式生物基因组中仍存在诸多挑战。
第三条道路：人工智能成为“生命序列的设计师”
针对目标性状的复活，该路径通过利用人工智能的“学习与设计”能力，反向设计出全新基因序列，从而跳出对天然基因序列和性状调控网络的绝对依赖。
依赖于未来成熟的基因组语言模型，使其能根据目标表型特征直接生成可编码该性状的DNA或蛋白质序列。而这些序列可能是对自然界序列的“改编”，也可能是自然界中从未出现的“原创设计”。
随后，AI设计的序列可通过大片段DNA合成与组装技术直接构建成“人工染色体”，并导入细胞中。携带目标性状的生命个体则需结合干细胞胚胎模型构建与体外培养体系获得，并进一步对其功能进行评估。
尽管该全新路径目前仍处于构想阶段，但生物基础模型模型（如 Evo2、AlphaGenome等）、百万碱基级DNA合成、干细胞体外胚胎构建等技术的突破，正让这条道路从科幻走向可能。
▲图1.功能性去灭绝的三条路径（A和B为当前技术路径，C为本研究提出的前瞻性路径）
伦理与未来：如何迎接“设计生命”？
基于人工智能的新技术路径，必将引发深远的伦理与安全讨论。如AI设计的生物是灭绝物种的“复活”，还是一个全新的、从未存在过的“合成物种”？将其引入现代生态系统会触发何种连锁反应？
针对这些问题的思考已与技术研发本身同等重要，亟需建立一个全球性对话与治理框架，汇聚跨学科科学家、伦理学者、政策制定者及公众的共同智慧。
展望：生命科学的新起点
人工智能的融入，预示着一个新起点的到来：生命科学正在与人工智能技术深度联合，获得前所未有的“创造力”。这不仅能守护濒危动物、保护生物多样性，同时也将深刻影响未来生物技术、医药研发乃至对生命起源的探索。
本研究获得中国科学院战略性先导科技专项、国家重点研发计划等项目支持。
论文作者介绍
王思骐
助理研究员
王思骐，博士，中国科学院动物研究所助理研究员。主要从事类器官构建与应用相关研究。近年来共参与发表文章15篇，其中以第一作者或共同第一作者在Trends in Biotechnology（2025）， Advanced Science（2024、2023）等期刊发表文章7篇。目前主持国家自然科学基金项目，并作为项目骨干参与国家重点研发计划、中国科学院先导专项等多项重要科研任务。
冯桂海
研究员
冯桂海，博士，中国科学院动物研究所研究员。致力于解析物种间调控机制差异，并构建跨物种知识迁移模型。参与发表文章70余篇，被引5000余次，以共同第一作者及通讯作者在Nature, Cell, Advanced Science, Trends in Biotechnology等杂志发表文章20余篇，作为主要作者的工作曾两次获评“中国生命科学十大进展”；入选中国科学院青促会优秀会员；作为课题负责人参与国家重点研发计划、中国科学院A类先导专项、基金委等项目；获2020年中国科学院杰出科技成就奖（主要完成者）及2019年度“全国妇幼健康科学技术奖”自然科学奖一等奖。
相关论文信息
相关研究发表在Cell Press细胞出版社旗下期刊
Trends in Biotechnology，
▌论文标题：
De-extinction and beyond: trait design powered by generative AI
▌论文网址：
https://www.sciencedirect.com/science/article/abs/pii/S0167779925004032
▌DOI：
https://doi.org/10.1016/j.tibtech.2025.09.015