生命科学领域的AI：重新构想人类健康的未来

人类正步入一个生物学与计算科学融合的时代。生成式人工智能已经成为推动生命科学进展的最强大的加速剂之一，并扩大了CRISPR和细胞工程等其他生物技术的发展成果。

人工智能正逐渐成为人类生活体验中不可或缺的一部分，各种应用逐步深刻塑造了人们的日常生活。ChatGPT等工具的迅速普及，充分展现了人工智能在深度增强人类能力方面的深刻影响。

与许多变革性技术一样，人工智能也经历​​了“寒冬”。然而，我们比以往任何时候都更有信心，我们相信自身正处于生命科学的真正转折点。随着这些技术的成熟，学科之间的界限开始变得模糊。

大型基础模型、多模态数据集以及围绕DNA和蛋白质等大规模生物分子展开的研究等领域的进展正在以前所未有的速度实现突破。

虽然制药行业尚未实现相当于药物开发的“摩尔定律”，但我们现在拥有了极为强大的工具来解码生命的秘密。

一个标志性例子是解决蛋白质折叠问题：深度学习使我们能够准确预测3D蛋白质的结构，这一突破性的成果获得也使David Baker、Demis Hassabis和John Jumper共同捧回2024年诺贝尔化学奖。

蛋白质组学，即对蛋白质组或蛋白质进行大规模研究，已成为科学探索的新基石。单细胞蛋白质组学如今能够在单个细胞的分辨率下表征蛋白质表达，从而使发现新的细胞类型成为可能，并有助于揭示疾病的真正机制。这一见解也将使得未来的分子设计向更为合理的方向发展。

类器官作为可定制、可扩展的模型系统，弥合了体外和体内研究之间的差距。它们支持高通量筛选和个性化药物测试，既准确又具有成本效益。

虚拟细胞框架是另一项变革性的发展。科学家们通过将生物数据与人工智能基础模型相结合，能够跨多个尺度模拟活细胞。这使得生物学家和计算机科学家能够合作构建细胞行为的计算模型，从而大大加速药物研发和生物医学研究。

以下突破性进展突显了人工智能在重塑科学家如何探索、测试和解读生物学方面产生的根本影响。

虚拟细胞模型通过模拟基本规则和组成部分，从而生成复杂的、类似生命的行为，如细胞分裂、迁移和死亡。例如，我们可以通过计算来研究衰老过程，而无需等待自然过程的多年演化。

这种向“虚拟患者”和“虚拟临床试验”的演变，使研究人员能够预测治疗效果，同时减少了相较于传统实验的时间和成本。

生物扰动是指生物系统功能的改变，这种改变可以发生在基因、蛋白质或分子层面。药物研发的核心挑战是可重复性——不同实验室甚至不同研究人员之间的结果可能存在巨大差异。

自动化和机器人技术提供了一种解决方案：对工作流程进行标准化操作，并在实验的每个步骤中嵌入质量控制，这在细胞和基因治疗中尤为重要。

如果说ChatGPT代表了人类语言解码的突破，那么我们何时才能在DNA和蛋白质领域取得同样的突破呢？生物学的基础模型正在迅速涌现，并在神经科学领域拥有专门的应用，可以解码大脑和新陈代谢，从而指导健康和干预人们的生活方式。

这些模型可以从大量数据集中揭示生物学“规则”，而无需人为预定义，从而开辟了全新的解释领域。

基于这些方法，生成式人工智能已经在生命科学的多个领域推动了切实进步的发生。

生成式人工智能正在加速药物发现和开发。在药物发现阶段，它能够识别新靶点并优化分子设计。在药物开发阶段，它能够简化临床前验证，设计更安全、更有效的细胞和基因疗法递送系统，并创建更智能的临床试验。

通过模拟患者群体、预测结果并综合来自电子健康记录和可穿戴设备的真实世界数据，人工智能缩短了从概念到临床的路径，并增强了监管准备性。

人工智能个人助理可以实时分析多模态数据，为医生提供纵向、全方位的患者诊断意见。作为“长寿助手”，它们支持老龄化社会中的个性化护理，在这些社会中，可规模化的医疗团队几乎不可能实现。

通过持续追踪进展，人工智能以边际成本确保个性化的诊断、监测和治疗。

人工智能正在实现无缝神经解码，将大脑信号转化为与外部设备的交互。

这在生物认知和计算系统之间建立了双向通信——为患者解锁辅助技术，并开创扩展人类潜能的新型人机界面。

生成式人工智能为生物系统设计提供了一种模块化、“即插即用”的方法。它可以预测工程细胞、生物体或分子的行为，从而快速开发新型生物体、新材料和化学特性。

这些进步加速了医药、食品和农业以及工业生物技术的创新。

随着这些技术的成熟，学科之间的界限将进一步模糊。生物学家、数据科学家、临床医生和工程师如今已成为一个共享生态系统的一部分，其中一个领域的进展加速了其他领域的突破。

人工智能与生命科学的融合不仅仅关乎速度或效率；它还关乎重新想象一切可能。

这既带来了机遇，也带来了挑战。我们应采取以下措施，积极应对：

主动重新设计健康系统以跟上快速发展的步伐。调整试验监管，其可能从多年的测试转变为几天内的预测结果。通过合成设计扩展生物学的极限，需要新的概念验证和验证标准。

道德框架、公平获取和谨慎的数据管理将决定这些进步是否服务于全人类。

生成式人工智能为重新定义人类基础提供了独特的机遇。我们是否能够明智地、有远见地、有勇气地运用这项技术？这既是挑战，也是希望所在。

本文作者：

Qing Zhang，复盛创投董事总经理

Matthew Chang，新加坡国立大学教授兼执行董事

本文原载于世界经济论坛Agenda博客，转载请注明来源并附上本文链接。

编辑：王灿