AI带来生物数字化
首先是内容数字化，后来到企业数字化，现在进入物理世界的数字化和生物世界的数字化， 我们的身体、大脑、器官、细胞、蛋白质和基因等都在数字化。另一方面人工智能、算法和算力系统快速进展使得大量的数据有使用的场景。
同时人工智能也推动生物实验的自动化。
正如刚才量子位创始人李根先生所说，目前人工智能算法取得很多进展，我们有巨量的模型，在国内比如鹏城的盘古、智源的悟道、浪潮的源1.0，国际有GPT-3、微软和AMD联合推出的Megatron-Turing，包括马上将会出现的GBT-4，整个量越来越大。
同时，AI也在极大加速生命健康和生物医药领域的快速发展。
以新药研发为例，目前要开发一种新药需要投入超过十几年的周期，花费数十亿美元，周期很长、费用极高。这样巨大的投入显然会对医药行业带来巨大瓶颈，AI正在改变这种状况。
首先在基因编辑方面，AI+CRISPR可以更精准，更快的找到靶点。
另外，在大分子、抗体，以及TCR个性化疫苗和药物，还有最近AlphaFold在蛋白质三维结构解析方面的新进展，从序列到结构到功能，AI技术功不可没。
我们最近在研究的课题之一，就是怎样使高通量的生物实验自动化，把干实验和湿实验无缝连接起来，形成闭环，真正地加速整个制药和生命科学的发展。
在这点上一个非常形象的例子就是新冠疫苗的开发周期大幅度缩减。中国科学家在新冠病毒出现之后的第一时间，2020年1月份就找到了病毒基因的序列，三个月之后，蛋白质的结构就被解析出来了，此后一个月，病毒和人的交互的方式也解析出来了，去年底疫苗进入临床实验，今年开始大规模使用，不管是灭活疫苗，还是mRNA疫苗，这可能是人类历史上最快的一次用人工智能加速疫苗开发的例子。
另外，AIR彭健教授将迁移学习模型用做药物临床前的评估，和精准临床实验的设计。我们知道人类很多疾病样本数据很少，但却积累了很多动物数据，用动物数据模型加上目前已有的人类肿瘤细胞系上的药物数据，运用可解释型的机器学习能很快迁移到人体内的药效预测任务上。从结果可以看到，彭健教授这种迁移学习方式对于三阴型乳腺癌患者设计的药物医药可信度提高5倍左右。
另外，彭健教授团队还把几何深度学习用到AI抗体的开发。目前虽然蛋白质序列大幅度被解析出来了，但是其本身的形状几何结构还有很多的变化，他们想做的就是把蛋白质表面的几何表征用深度学习方法去表示出来，然后做抗体亲和力预测。
彭健教授最近也取得了一些新的进展，他创建的Helixon公司与清华大学医学院一起合作研发出全球首个AI设计的新冠抗体，这其实是一种新范式。病毒本身是一直在变化的，但通过综合分析抗体与抗原的相互作用，有效设计抗体可变区氨基酸序列，这样的抗体本身也是相对比较稳定，且对德尔塔、阿尔法、伽玛等突变株具有高效和广谱的病毒中和效果。
另外，AIR兰艳艳教授也带领的学生在基因测序方面做了很多新的工作，并在今年的创新工场Deecamp竞赛中获得了冠军。我们已知基因10%是编码的，90%是未编码的，他们利用基因里的未编码部分，将这些数据用前沿的预训练技术构造了一个全新的模态。
人工智能和生命科学领域尽管有很多可以合作的地方，但是也有很多壁垒，两个行业是两类不同的语言体系，两类不同的科学家，如何把这两个行业无缝连接起来很关键。AIR提出的AI+生命科学破壁计划就是希望能跨越两个学科的鸿沟。 同一张图AI科学家看到的是各种不同的神经网络、算法模型；生命科学家看到则是蛋白质、细胞，以及各种生物结构功能。所以怎样抽象出哪些问题，以及如何利用这些数据，是一个亟待解决的问题。
AI赋能生命健康领域包括三个层次：AI基础设施建设、数据平台搭建，以及AI算法引擎设计。
最好的人工智能赋能生命科学的例子就是蛋白质预测模型AlphaFold2。AlphaFold2能够成功满足几个条件：
第一点，它是一个well-defined problem，从蛋白质的氨基酸的序列到三维的结构的mapping；
第二点，30年前就开始的CASP竞赛，每次竞赛有标准的数据集，每次解析出的蛋白质序列，大家都可以公开上传；
第三点，数据本身是well-structured，AI新算法可以直接使用。
第一位把深度学习用于蛋白质三维结构预测的是芝加哥大学丰田研究院许锦波教授，他现在也是清华大学智能产业研究院（AIR）的卓越访问教授。当时在CASP，他把ResNet用到蛋白质三维结构解析，获得巨大成功。
现在AlphaFold用的是evolutioned Transformer，以后新的算法都可以用上，所以我觉得这是一个非常经典的案例。
我们希望在这个后AlphaFold时代，特别是在大分子制药方面会有更多进展。
打造AI生命科学干湿闭环实验的新的范式。现在AI算法还是辅助，主要还是靠生物的湿实验。未来会有一种新的模式是AI驱动的，完全自动化所有环节的湿实验，里面没有任何人的参与，这个是比较困难的，也是一种新的尝试。
最后做一个总结， 现在整个生物世界在走向数字化、自动化，也包括智能科学计算，像分子动力学，薛定谔方程等，都会和AI相辅相成。另外计算的方式，包括AI、数字驱动、第一性原理等，也将快速地帮助我们解决生命健康的一些问题。
由于这些进展，我们整个生命科学的生物制药会更加快速精准、更安全、更经济、更加普惠。但很多的挑战我们没有讲，比如算法的透明性、可解释性、隐私安全、伦理等，这些事情都需要我们关注。我相信未来十年是整个生物制药和人工智能融合的大好时机，也是行业发展的最大的机遇。
以上信息摘自网络，如有侵权，请联系删除，谢谢！
