AI帶來生物數字化
首先是內容數字化，后來到企業數字化，現在進入物理世界的數字化和生物世界的數字化， 我們的身體、大腦、器官、細胞、蛋白質和基因等都在數字化。另一方面人工智能、算法和算力系統快速進展使得大量的數據有使用的場景。
同時人工智能也推動生物實驗的自動化。
正如剛才量子位創始人李根先生所說，目前人工智能算法取得很多進展，我們有巨量的模型，在國內比如鵬城的盤古、智源的悟道、浪潮的源1.0，國際有GPT-3、微軟和AMD聯合推出的Megatron-Turing，包括馬上將會出現的GBT-4，整個量越來越大。
同時，AI也在極大加速生命健康和生物醫藥領域的快速發展。
以新藥研發為例，目前要開發一種新藥需要投入超過十幾年的周期，花費數十億美元，周期很長、費用極高。這樣巨大的投入顯然會對醫藥行業帶來巨大瓶頸，AI正在改變這種狀況。
首先在基因編輯方面，AI+CRISPR可以更精準，更快的找到靶點。
另外，在大分子、抗體，以及TCR個性化疫苗和藥物，還有最近AlphaFold在蛋白質三維結構解析方面的新進展，從序列到結構到功能，AI技術功不可沒。
我們最近在研究的課題之一，就是怎樣使高通量的生物實驗自動化，把干實驗和濕實驗無縫連接起來，形成閉環，真正地加速整個制藥和生命科學的發展。
在這點上一個非常形象的例子就是新冠疫苗的開發周期大幅度縮減。中國科學家在新冠病毒出現之后的第一時間，2020年1月份就找到了病毒基因的序列，三個月之后，蛋白質的結構就被解析出來了，此后一個月，病毒和人的交互的方式也解析出來了，去年底疫苗進入臨床實驗，今年開始大規模使用，不管是滅活疫苗，還是mRNA疫苗，這可能是人類歷史上最快的一次用人工智能加速疫苗開發的例子。
另外，AIR彭健教授將遷移學習模型用做藥物臨床前的評估，和精準臨床實驗的設計。我們知道人類很多疾病樣本數據很少，但卻積累了很多動物數據，用動物數據模型加上目前已有的人類腫瘤細胞系上的藥物數據，運用可解釋型的機器學習能很快遷移到人體內的藥效預測任務上。從結果可以看到，彭健教授這種遷移學習方式對于三陰型乳腺癌患者設計的藥物醫藥可信度提高5倍左右。
另外，彭健教授團隊還把幾何深度學習用到AI抗體的開發。目前雖然蛋白質序列大幅度被解析出來了，但是其本身的形狀幾何結構還有很多的變化，他們想做的就是把蛋白質表面的幾何表征用深度學習方法去表示出來，然后做抗體親和力預測。
彭健教授最近也取得了一些新的進展，他創建的Helixon公司與清華大學醫學院一起合作研發出全球首個AI設計的新冠抗體，這其實是一種新范式。病毒本身是一直在變化的，但通過綜合分析抗體與抗原的相互作用，有效設計抗體可變區氨基酸序列，這樣的抗體本身也是相對比較穩定，且對德爾塔、阿爾法、伽瑪等突變株具有高效和廣譜的病毒中和效果。
另外，AIR蘭艷艷教授也帶領的學生在基因測序方面做了很多新的工作，并在今年的創新工場Deecamp競賽中獲得了冠軍。我們已知基因10%是編碼的，90%是未編碼的，他們利用基因里的未編碼部分，將這些數據用前沿的預訓練技術構造了一個全新的模態。
人工智能和生命科學領域盡管有很多可以合作的地方，但是也有很多壁壘，兩個行業是兩類不同的語言體系，兩類不同的科學家，如何把這兩個行業無縫連接起來很關鍵。AIR提出的AI+生命科學破壁計劃就是希望能跨越兩個學科的鴻溝。 同一張圖AI科學家看到的是各種不同的神經網絡、算法模型；生命科學家看到則是蛋白質、細胞，以及各種生物結構功能。所以怎樣抽象出哪些問題，以及如何利用這些數據，是一個亟待解決的問題。
AI賦能生命健康領域包括三個層次：AI基礎設施建設、數據平臺搭建，以及AI算法引擎設計。
最好的人工智能賦能生命科學的例子就是蛋白質預測模型AlphaFold2。AlphaFold2能夠成功滿足幾個條件：
第一點，它是一個well-defined problem，從蛋白質的氨基酸的序列到三維的結構的mapping；
第二點，30年前就開始的CASP競賽，每次競賽有標準的數據集，每次解析出的蛋白質序列，大家都可以公開上傳；
第三點，數據本身是well-structured，AI新算法可以直接使用。
第一位把深度學習用于蛋白質三維結構預測的是芝加哥大學豐田研究院許錦波教授，他現在也是清華大學智能產業研究院（AIR）的卓越訪問教授。當時在CASP，他把ResNet用到蛋白質三維結構解析，獲得巨大成功。
現在AlphaFold用的是evolutioned Transformer，以后新的算法都可以用上，所以我覺得這是一個非常經典的案例。
我們希望在這個后AlphaFold時代，特別是在大分子制藥方面會有更多進展。
打造AI生命科學干濕閉環實驗的新的范式。現在AI算法還是輔助，主要還是靠生物的濕實驗。未來會有一種新的模式是AI驅動的，完全自動化所有環節的濕實驗，里面沒有任何人的參與，這個是比較困難的，也是一種新的嘗試。
最后做一個總結， 現在整個生物世界在走向數字化、自動化，也包括智能科學計算，像分子動力學，薛定諤方程等，都會和AI相輔相成。另外計算的方式，包括AI、數字驅動、第一性原理等，也將快速地幫助我們解決生命健康的一些問題。
由于這些進展，我們整個生命科學的生物制藥會更加快速精準、更安全、更經濟、更加普惠。但很多的挑戰我們沒有講，比如算法的透明性、可解釋性、隱私安全、倫理等，這些事情都需要我們關注。我相信未來十年是整個生物制藥和人工智能融合的大好時機，也是行業發展的最大的機遇。
以上信息摘自網絡，如有侵權，請聯系刪除，謝謝！
