AI早已深入生物医学的方方面面
当我们走向更广阔的生物医学领域，你会发现，AI早就是个“老玩家”了。

比如在基因组学研究中，虽然科学家已经产生了海量的数据，包括基因组、转录组、表观组等等，但这些分子层面的变化如何一步步影响到生物最终的表型？在过去，这个问题往往需要大量的实验验证。

而现如今，利用神经网络的方法，研究者们已经开始尝试基于DNA或RNA序列，预测其背后可能发生的各种各样复杂的调控过程，甚至到表型最终形成的状态。

基因调控是个复杂的问题，而研究者正在针对不同的调控过程利用AI进行预测，图中是转录因子调控基因表达的过程 | 图源：Novakovsky G, 2023.

另外，随着人口的高度聚集，传染病会以更高的频率爆发，就好像最近三年肆虐全球的新冠病毒。

研究者正在考虑将AI引入到传染病的监测过程当中——基于早期个别病例的检测和发病情况，就可以快速预测、探知传染病出现的可能性与位置，进而“扼杀”这些有害的细菌、病毒、真菌、寄生虫等传染病疫情暴发的苗头。

AI在未来的传染病检测中可能有着核心且重要的地位 | 图源：Agrebi S, 2020.

再者，近几十年生物学研究与数据呈现出指数型增长的状态——越来越多的生物学研究与知识不断产出，但是很多研究者却难以及时消化。而像ChatGPT这样的语言模型，就能有效地挖掘这些海量生物学研究结果，甚至可以基于现有的各种结果提炼出新的结论（这其实是很多荟萃分析正在做的事情）。

事实上，以上提到的这些只不过是生物学研究中AI应用的冰山一角。

在《生命3.0》一书中，物理学家马克斯·泰格马克提出了一个很有意思的比喻：假设人类的各种能力分布在一副地形图里，“算术”，“死记硬背”的能力在洼地里，而“下棋”在山麓上，“科学”和“艺术”在山顶，而人工智能就好像不断漫上来的水面，会先把简单的能力填充，并一步步努力向上。

那么现在，人工智能的浪潮已经漫过山麓，正在冲击山顶了。

人类能力景观图 | 图源：《生命3.0》

正如我们文章里展示的各个例子，站在山顶之一的生命科学，其实正在不断被AI“挑战”着。但目前来看，AI对于生命科学更多的不是取代，而是互相配合。

比如在AI最热门的结构生物学领域，虽然AlphaFold和ESMFold已经预测完了世界上几乎全部已知的蛋白质结构，但是只有大约三分之一是高度准确的。而那些不准确的其实就是结构生物学家们正在努力攻克的难题。

利用低温冷冻电子显微镜和AlphaFold相互配合，预测出复杂的核孔蛋白结构 | 图源：Fontana P, 2022.

综合来看，至少在未来10-20年内，生命科学与AI更多的不是“挑战者”与“被挑战者”的关系，而是一种互相“合作”的配合关系——AI会是一项有效的工具，服务于科学研究与疾病治疗。

你说更远的未来？那可能是谁都不知道的世界了。

参考资料：

Callaway E. ‘The entire protein universe’: AI predicts shape of nearly every known protein[J]. Nature, 2022, 608(7921): 15-16.

Lin Z, Akin H, Rao R, et al. Evolutionary-scale prediction of atomic-level protein structure with a language model[J]. Science, 2023, 379(6637): 1123-1130.

Callaway E. Scientists are using AI to dream up revolutionary new proteins[J]. Nature, 2022.

Ferruz N, Heinzinger M, Akdel M, et al. From sequence to function through structure: deep learning for protein design[J]. Computational and Structural Biotechnology Journal, 2022.

Wicky B I M, Milles L F, Courbet A, et al. Hallucinating symmetric protein assemblies[J]. Science, 2022, 378(6615): 56-61.

Wang J, Lisanza S, Juergens D, et al. Scaffolding protein functional sites using deep learning[J]. Science, 2022, 377(6604): 387-394.

Koide-Majima N, Nishimoto S, Majima K. Mental image reconstruction from human brain activity[J]. bioRxiv, 2023: 2023.01. 22.525062.

Takagi Y, Nishimoto S. High-resolution image reconstruction with latent diffusion models from human brain activity[J]. bioRxiv, 2022: 2022.11. 18.517004.

Novakovsky G, Dexter N, Libbrecht M W, et al. Obtaining genetics insights from deep learning via explainable artificial intelligence[J]. Nature Reviews Genetics, 2023, 24(2): 125-137.

Agrebi S, Larbi A. Use of artificial intelligence in infectious diseases[M]//Artificial intelligence in precision health. Academic Press, 2020: 415-438.

Fontana P, Dong Y, Pi X, et al. Structure of cytoplasmic ring of nuclear pore complex by integrative cryo-EM and AlphaFold[J]. Science, 2022, 376(6598): eabm9326.

作者：biokiwi https://www.bilibili.com/read/cv23234941/?from=search&spm_id_from=333.337.0.0 出处：bilibili