

> 当代码生成的泡沫触碰生物大分子的真实物理定律，制药产业的残酷周期正在无情刺破通用模型的全能神话。

Anthropic与字节跳动近期相继披露重注AI制药赛道的布局，资本与媒体迅速将其包装为继AI写代码之后的下一个爆发级商业风口。然而，用解决形式化代码的成功经验去生搬硬套复杂生物系统，充其量是科技互联网资本在应用场景匮乏时制造的又一场集体幻觉。生物体不是由确定性逻辑构建的操作系统，AI制药所面临的不是参数规模不足，而是生命科学底层机理与湿实验数据的不可穿透性。

## 代码逻辑的确定性无法降维打击生命科学

**维度灾难迷思**　生成式AI在编程领域的势如破竹，归功于计算机语言拥有严格的形式化规范和近乎零成本的运行测试环境，编译器可以在微秒级时间内判定代码的对错。而生物医药面对的是蛋白质动态构象折叠、多靶点非特异性结合以及复杂的细胞微环境代谢，这些体系处于高维且不可逆的非平衡态物理学系统中，靠海量文本概率推演出来的分子结构，在真实的细胞测试中绝大多数都会沦为无效的死分子。

**数据黑洞困局**　科技巨头公关稿件中高调宣称的“数亿级化合物库”，其背后充斥着严重的负样本缺失与分布偏移。学术界和药企在漫长研发史上沉淀下来的，绝大多数是经过粉饰的成功实验数据，而海量具有核心认知价值的失败数据早已被封存于物理垃圾箱。通用大模型在这一严重失真且极其稀疏的数据集上进行预训练，其拟合出的生物活性预测曲线往往只是虚妄的统计学幻象。
![42.jpg](https://static.downly.cn/images/1379e9594fd7cd742dfa6e1c53ed05a8.jpg)
<center>图源备注 图片由AI生成</center>

## 资本退潮后的算力泡沫与药企真实防御

**管线清退与周期审判**　医药研发拥有严格且不可跳跃的客观物理周期，从靶点发现到三期临床试验，任何模型生成的候选分子都必须经受长达数年乃至十数年的活体安全性验证。当首批由所谓大模型辅助设计的分子在临床二期有效性测试中大面积折戟时，被科技叙事推高的生物计算独角兽将迎来惨烈的流动性骤缩，华尔街终将意识到算力无法直接置换细胞的代谢周期。

**药企数据孤岛的绝对封闭**　互联网巨头习惯了凭借爬虫和平台垄断攫取通用数据，但在生物制药领域，跨国药企对核心临床管线和患者生物样本的保护堪称最高防线。巨头模型公司缺乏真正高质量的专有湿实验验证闭环，充其量只能在产业链最边缘的外包筛选环节承接部分低附加值算力服务，根本无法撬动传统医药巨头的核心研发护城河。

![43.jpg](https://static.downly.cn/images/49291d413062334de5011615762af4f0.jpg)
<center>图源备注 图片由AI生成</center>

AI能够成为辅助药物化学家探索化学空间的优良算盘，但试图用几篇华丽的算法论文宣告攻克制药全流程，不过是互联网资本又一次对自然规律傲慢的过度透支。

大模型扎堆AI制药冷思考 算力繁荣背后的生物黑盒与数据断层



> 在生物医学领域，精准控制细胞的基因表达是实现基因治疗、细胞工程和疾病研究的关键。然而，设计能够精确调控特定基因开启或关闭的 DNA 序列，是一项极其具有挑战性的工作，往往依赖于耗时耗力的试错法。近日，一项发表在顶级期刊 Cell 上的开创性研究带来了突破性进展。科学家们首次利用生成式 AI 设计合成的 DNA，成功在健康的动物细胞中实现了对基因表达的精准控制。这项研究不仅展示了 AI 在合成生物学领域的强大潜力，也为未来的基因疗法和细胞工程开辟了新的可能性。

## 基因表达调控的复杂性

基因表达是指细胞根据遗传信息（DNA）合成蛋白质的过程。这个过程受到高度复杂的调控网络的控制，包括 DNA 序列中的启动子、增强子、阻遏子等调控元件。

![image.png](https://static.downly.cn/images/20250521055806.378529683.png)

这些调控元件就像开关和调光器一样，决定了基因何时、何地、以多高的水平进行表达。设计具有可预测和精确调控功能的合成 DNA 序列是一项艰巨的任务，因为不同调控元件之间的相互作用非常复杂，且在不同的细胞类型和生理条件下表现不同。传统的基于规则的设计方法常常难以捕捉这种复杂性。

## 生成式AI的力量 颠覆传统设计模式

这项研究的关键突破在于利用生成式 AI 进行 DNA 设计。研究人员开发了一种生成式 AI 模型，该模型可以从大量数据中学习 DNA 序列与基因表达模式之间的复杂关系。

![image.png](https://static.downly.cn/images/20250521055837.864951541.png)

与遵循预定义规则的传统方法不同，该 AI 模型可以 **生成全新的 DNA 序列**，这些序列被预测具有所需的调控功能。这项研究特别专注于设计合成 DNA 序列，以便在健康的哺乳动物细胞中精确控制目标基因的表达水平。

## 首次实现健康动物细胞的精准控制

这项研究最显著的成就之一，就是首次在 **健康的动物细胞** 中实现了利用 AI 设计合成的 DNA 对基因表达的 **精准控制**。

此前的一些研究可能在模式生物或体外细胞系中取得了类似结果，但在复杂的健康哺乳动物细胞环境中实现精确控制更具挑战性。健康的细胞环境是动态且受到严格调控的，对外部遗传物质的表达调控更为复杂。

研究人员通过实验验证了 AI 设计的合成 DNA 序列的有效性。他们将这些合成 DNA 导入健康的动物细胞，并检测目标基因的表达水平。实验结果表明，AI 设计的 DNA 序列能够可靠且可预测地在不同水平上调控基因表达，展示了传统设计方法无法比拟的高精度。

![image.png](https://static.downly.cn/images/20250521055907.455595728.png)

这种在健康哺乳动物细胞中实现精确控制的能力，为基因治疗和细胞工程开辟了巨大的可能性。

## 这项研究的深远影响

这项研究成果对基础生物学研究和应用生物医学技术都具有深远的影响。

### 加速基因调控机制研究

AI 设计 DNA 的能力可以帮助科学家们更快速、更有效地探索基因调控的广阔领域。通过设计和测试大量具有不同调控特性的合成 DNA 序列，研究人员可以更深入地了解基因表达是如何被控制的。

### 革新基因治疗方法

目前许多基因疗法面临的挑战之一，就是难以精确地控制治疗基因的表达水平。这项研究提出的 AI 设计方法为开发更安全、更有效的基因疗法提供了强大的工具。可以设计能够在特定细胞或组织中以期望水平表达的治疗基因载体。

### 推动合成生物学发展

这项研究展示了生成式 AI 在合成生物学领域的变革性潜力。未来，AI 有望成为设计和构建合成生物学系统的不可或缺的工具，从而实现创建具有新功能的细胞和生物体，应用于生物传感器、生物燃料生产等领域。

## 展望未来 AI与生物学的深度融合

这项发表在 Cell 上的研究代表了 AI 与生物学融合迈出的重要一步。通过利用 AI 强大的设计能力，科学家们可以克服传统方法的局限性，加速生物医学科学领域的发现和创新步伐。

随着 AI 技术的进一步发展和生物数据的不断积累，我们可以期待未来 AI 在 DNA 设计、基因编辑、药物发现等领域发挥越来越重要的作用。这项研究仅仅是一个开始，AI 与生物学的深度融合有望开启一个精准医疗和合成生物学的新时代。



Cell 重磅：生成式AI首度精准设计合成DNA，在健康动物细胞中调控基因表达



> 科学探索的未来图景正因人工智能而变得愈发清晰。在周一举行的公司 Build 2025 大会上，科技巨头微软 throw a spotlight on its ambition to revolutionize scientific discovery, 正式揭开了其全新平台 Microsoft Discovery 的神秘面纱。这款平台旨在 harnessing the power of agent AI，全面加速和 transformar 科学研究的过程，预示着科学发现将迎来一个由AI驱动的崭新纪元。

## Microsoft Discovery 亮相Build 2025

在备受瞩目的年度开发者大会 Build 2025 上，重点介绍了 Microsoft Discovery 平台。这款平台被微软定位为一项 strategically important initiative，其核心目标是利用前沿的代理AI技术，显著提升科学研究的效率和能力。

![image.png](https://static.downly.cn/images/20250520030705.012878741.png)

微软表示，Microsoft Discovery 平台具备“可扩展性”（scalable），这意味着它能够适应不同规模和复杂度的科研项目需求。更引人注目的是，该平台被设计用于“端到端”（end-to-end）处理某些与科学相关的工作负载。这表明 Microsoft Discovery 不仅仅是一个数据分析工具，更是一个能够覆盖从实验设计、数据收集、处理分析到结果解读、甚至论文撰写等科研流程多个环节的 comprehensive solution。

## 代理AI赋能 变革科学发现流程

Microsoft Discovery 的关键在于其对“代理AI”（agent AI）的运用。传统的AI模型往往专注于特定任务，而代理AI则更具自主性和协同性，能够像智能助手一样理解并执行复杂的指令，甚至与其他AI或工具进行交互，以完成更为宏大的目标。

在科学发现领域，代理AI可以扮演多种角色 它可以自动检索和分析海量的学术文献，发现不同研究之间的关联性；可以 design and optimize experimental protocols，减少人工试错；可以运行复杂的模拟和计算，探索新的理论模型；甚至可以 based on 实验结果自动调整研究方向。

![image.png](https://static.downly.cn/images/20250520030648.803094887.png)

例如，在药物研发领域，代理AI可以分析大量的生物数据，预测潜在的药物靶点，设计合成路线，并模拟药物与靶点的相互作用，从而大大加速药物筛选和优化的过程。在材料科学领域，代理AI可以探索全新的材料结构，预测其物理化学性质，并指导实验合成。

微软认为，通过利用代理AI的自主性和端到端处理能力，Microsoft Discovery 将能够显著缩短科学发现的周期，降低研究成本，并 enabling 科学家 tackling 以前因复杂性过高而难以解决的问题。

## 构建开放可扩展的科研生态

Microsoft Discovery 不仅是一个技术平台，微软还希望围绕它构建一个开放、可扩展的科研生态系统。这意味着该平台可能不仅仅对微软内部的研究开放，未来也 likely 会向外部科研机构和科学家开放。

通过开放平台和API，科学家可以将自己的数据和模型集成到 Microsoft Discovery 中，利用平台的计算能力和AI能力加速自己的研究。微软也可能提供针对特定科学领域的专业模块和工具，满足不同学科的需求。



这种开放模式有助于促进全球科学界的合作与创新，打破信息壁垒，加速知识的传播和共享。通过汇聚全球智慧，Microsoft Discovery 有潜力成为推动科学进步的重要引擎。

## 挑战与未来愿景

Microsoft Discovery 的发布标志着微软在AI应用于科学发现领域的雄心迈出了重要一步。然而，将这样一个宏大的平台 fully realize 并使其 widespread application，仍然面临一些挑战。

首先，需要 further develop 和 refine 代理AI的能力，使其更能理解和处理科学研究中固有的不确定性和复杂性。其次，数据的标准化和共享仍然是关键问题，需要建立更为完善的数据基础设施和合作机制。此外，确保AI在科学研究中的应用符合伦理规范和安全标准也至关重要。



尽管如此，Microsoft Discovery 的愿景令人振奋。微软希望通过这个平台，让AI成为科学家的强大助手，让他们能够将更多精力投入到创造性的思考和实验设计中，而将繁琐的数据处理和计算工作交给AI完成。如果这一愿景得以实现，我们将 witnessing a significant acceleration in the pace of scientific discovery，为人类社会的发展带来 profound impact。Microsoft Discovery 的推出，无疑是开启AI驱动科学发现新纪元的关键一步。

搜索结果: 生物数据