微信掃描二維碼
獲取公司更多資訊
公眾號(hào)：viablife
歡迎您關(guān)注唯鉑萊
21世紀(jì)是多元化的世紀(jì)，被稱為生命科學(xué)及信息化的時(shí)代，其間誕生的合成生物學(xué)、人工智能等學(xué)科引起了各國(guó)政府和國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。人工智能與合成生物學(xué)的結(jié)合，一方面是為了促進(jìn)智能、全自動(dòng)一體化的生物合成流程的形成；另一方面是為了推動(dòng)人工智能向更深層次的方向發(fā)展，即將人工智能從日常生活的運(yùn)用發(fā)展成科學(xué)研究的應(yīng)用。人工智能與合成生物學(xué)的結(jié)合將在健康醫(yī)療、生物醫(yī)藥、復(fù)雜信號(hào)感知與識(shí)別、高性能仿真與計(jì)算等領(lǐng)域?qū)崿F(xiàn)顛覆式的產(chǎn)業(yè)應(yīng)用。
人工智能（Artificial Intelligence，AI）是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)，是一個(gè)總括術(shù)語(yǔ)，包含了計(jì)算機(jī)科學(xué)的幾個(gè)不同應(yīng)用，大體上可以分為三類應(yīng)用程序：(ⅰ) 機(jī)器學(xué)習(xí)（Machine Learning），主要表現(xiàn)為通過(guò)程序員設(shè)置的算法來(lái)分析已知特定結(jié)果的數(shù)據(jù)的監(jiān)督學(xué)習(xí)、通過(guò)算法分析未知結(jié)果的數(shù)據(jù)的分析以及測(cè)評(píng)算法本身的準(zhǔn)確性的強(qiáng)化學(xué)習(xí)的三種形式；(ⅱ) 深度學(xué)習(xí)（Deep Learning），是一種“人工神經(jīng)網(wǎng)絡(luò)”，主要表現(xiàn)為模仿人腦處理信息和做出決策，識(shí)別已知或未知的信息；(ⅲ) 認(rèn)知計(jì)算（Cognitive Computing），代表一種全新的計(jì)算模式，包含信息分析、自然語(yǔ)言處理和機(jī)器學(xué)習(xí)領(lǐng)域的技術(shù)創(chuàng)新，能夠以更加自然的方式與人們進(jìn)行交互。以一部智能手機(jī)為例，它是一款A(yù)I產(chǎn)品，能通過(guò)算法分析你平時(shí)瀏覽的信息數(shù)據(jù)，并在你下一次使用時(shí)向你推薦相關(guān)類似的信息，這是一種機(jī)器學(xué)習(xí)的表現(xiàn)；平時(shí)使用的指紋解鎖、臉部識(shí)別是智能手機(jī)的多種功能之一，而這種功能就是利用深度學(xué)習(xí)所表達(dá)出來(lái)的一種結(jié)果；除了識(shí)別外，語(yǔ)音助手也是智能手機(jī)的一類特色，如Siri、小愛同學(xué)等，都可以讓使用者可以更自然地與手機(jī)進(jìn)行互動(dòng)，這就是認(rèn)知計(jì)算的一種結(jié)果。與智能手機(jī)同理，將AI與合成生物學(xué)結(jié)合，能夠創(chuàng)造出更多具有價(jià)值的產(chǎn)品。合成生物學(xué)（Synthetic Biology）就是以人工手段制造生物系統(tǒng)——人工生物系統(tǒng)，從最基本的要素開始一步步建立零部件，最后讓它們像電路一樣運(yùn)行。合成生物學(xué)的主要研究?jī)?nèi)容分為三個(gè)層次：(ⅰ) 是利用現(xiàn)有的天然生物模塊構(gòu)建新的調(diào)控網(wǎng)絡(luò)并表現(xiàn)出新功能；(ⅲ) 是人工創(chuàng)建全新的生物系統(tǒng)乃至生命體。基因測(cè)序、基因合成以及基因編輯技術(shù)的加速發(fā)展為合成生物學(xué)領(lǐng)域的研究奠定了堅(jiān)實(shí)的基礎(chǔ)；而計(jì)算機(jī)、大數(shù)據(jù)、先進(jìn)制造及自動(dòng)化等AI技術(shù)為合成生物學(xué)的應(yīng)用插上了騰飛的翅膀。
AI與合成生物學(xué)結(jié)合的趨勢(shì)越發(fā)明顯隨著AI和大數(shù)據(jù)時(shí)代的到來(lái)，深度學(xué)習(xí)技術(shù)在復(fù)雜對(duì)象的特征表征、多模態(tài)融合、樣本自動(dòng)生成等問(wèn)題中表現(xiàn)出獨(dú)特的優(yōu)勢(shì)，為生物分子的設(shè)計(jì)提供了新的可能。今年2月，澳大利亞研究人員在《EMBO Reports》期刊發(fā)文指出生命科學(xué)與信息科學(xué)融合產(chǎn)生的未來(lái)場(chǎng)景，可被看作生物信息的未來(lái)，提出了結(jié)合合成生物學(xué)及AI領(lǐng)域的生物鑄造廠（Biofoundries）的概念，其中包含了五項(xiàng)內(nèi)容：(ⅰ) 彈性社會(huì)（Resilient Societies），即加強(qiáng)倫理、公正和包容的社會(huì)創(chuàng)新組成；(ⅱ) 健康人群（Healthy People），即關(guān)注健康結(jié)果、綜合保健與健康的研究；(ⅲ) 安全星球（Secure Planet），即維持人們相互依存的世界，并探索人們?cè)谟钪嬷械奈恢茫?/span>(ⅳ) 繁榮經(jīng)濟(jì)（Prosperous Economies），即以可持續(xù)方式提高經(jīng)濟(jì)生產(chǎn)力并促進(jìn)繁榮的能力；(ⅴ) 創(chuàng)新技術(shù)（Innovative Technologies），即合成生物學(xué)和人工智能進(jìn)一步發(fā)展的技術(shù)、系統(tǒng)、設(shè)計(jì)和實(shí)踐等。今年5月，國(guó)際學(xué)術(shù)期刊《Nucleic acids research》在線發(fā)表了清華大學(xué)汪小我副教授課題組的研究論文《基于深度生成式模型的大腸桿菌合成啟動(dòng)子設(shè)計(jì)》。該研究首次采用人工智能方法設(shè)計(jì)產(chǎn)生全新的基因啟動(dòng)子，為生物調(diào)控元件的設(shè)計(jì)和優(yōu)化提供了嶄新的手段。世界上將AI與合成生物學(xué)結(jié)合的應(yīng)用還有很多，根據(jù)Simon Smith于BenchSci博客上發(fā)表的帖子可知，目前至少有230家在藥物研發(fā)中使用AI的初創(chuàng)企業(yè)，他們利用AI在合成生物學(xué)領(lǐng)域進(jìn)行不斷地嘗試：有些企業(yè)通過(guò)AI收集相關(guān)合成生物學(xué)數(shù)據(jù)、提取文獻(xiàn)資料中的因果聯(lián)系，以此來(lái)分析、評(píng)估研究的發(fā)展方向、重點(diǎn)產(chǎn)品等，如Elucidata Corporation、Causaly、Biorelate等；還有些企業(yè)通過(guò)AI對(duì)疾病模型進(jìn)行化合物測(cè)試，并以此來(lái)篩選有效的藥物，如Recursion Pharmaceuticals、Pharnext、Lantern Pharma等；但更多的企業(yè)是將AI用于基因組的創(chuàng)新創(chuàng)造，以此來(lái)開發(fā)更多全新的化合物，如Atomwise，這是第一家將機(jī)器學(xué)習(xí)應(yīng)用于藥物設(shè)計(jì)和發(fā)現(xiàn)的企業(yè)，其首席執(zhí)行官AbrahamHeifets博士提到Atomwise的算法可以虛擬篩選的小分子化合物的數(shù)量幾乎沒有限制，他們已經(jīng)篩選了120億個(gè)分子，大多是自然界中不曾存在過(guò)的，Heifets博士斷言，這些理論化合物的可用性正在迅速增加，在將來(lái)一定能夠發(fā)揮出較好的效用。
將AI與合成生物學(xué)結(jié)合存在的難點(diǎn)不論是AI還是合成生物學(xué)都還處于發(fā)展階段，并不是兩個(gè)非常成熟的領(lǐng)域，因此這可能會(huì)導(dǎo)致二者之間的深度聯(lián)系較難被發(fā)掘，甚至還可能影響到本身的發(fā)展。將AI與合成生物學(xué)結(jié)合需要大量的數(shù)據(jù)支持，包括各類研究信息、文獻(xiàn)資料等，單從數(shù)據(jù)結(jié)合這一方面考慮，就可以感受到工程量的巨大，更何況很多的數(shù)據(jù)信息屬于商業(yè)機(jī)密亦或是專利保護(hù)的范圍，很難通過(guò)合理的途徑將數(shù)據(jù)信息結(jié)合。AI本身的算法嚴(yán)謹(jǐn)與否也影響著AI與合成生物學(xué)的結(jié)合成果，若是不夠嚴(yán)謹(jǐn)，就會(huì)導(dǎo)致AI導(dǎo)出結(jié)果的可信度降低，那么利用其去促進(jìn)合成生物學(xué)發(fā)展的構(gòu)思也就失去了意義。因此，在重視AI及合成生物學(xué)本身發(fā)展的同時(shí)，還要注意二者結(jié)合中存在的不足之處，努力將其改進(jìn)，才能更好地利用兩者的結(jié)合成果。
結(jié)語(yǔ)
雖然AI與合成生物學(xué)的結(jié)合仍然存在較為棘手的難點(diǎn)，但是從目前對(duì)它的研究可以看出在將來(lái)這樣的系統(tǒng)也許可以在細(xì)胞內(nèi)工作，幫助回答生物問(wèn)題或是診斷疾病。如果一個(gè)生化過(guò)程能夠?qū)ζ渌肿拥拇嬖谧龀鲋悄茼憫?yīng)，它將會(huì)允許研究人員制造出日益復(fù)雜的化學(xué)物質(zhì)，或者搭建出新的分子結(jié)構(gòu)。同時(shí)脫離科技應(yīng)用的理念，這些系統(tǒng)的設(shè)計(jì)也可以讓我們間接認(rèn)識(shí)到思維的進(jìn)化過(guò)程。
參考資料：
1.https://blog.benchsci.com/startups-using-artificial-intelligence-in-drug-discovery2.Jd R E W , Jd G H J , Jd A B S . Artificial Intelligence in Biotechnology: A Framework for Commercialization 1[J]. Biotechnology Entrepreneurship (Second Edition), 2020:419-427.3.Oliveira A L . Biotechnology, Big Data and Artificial Intelligence[J]. Biotechnology Journal, 2019.封面：源自網(wǎng)絡(luò)圖片的裁剪組合（文章內(nèi)容譯自上述參考資料，同時(shí)對(duì)其內(nèi)容進(jìn)行了一定的簡(jiǎn)化、補(bǔ)充，若有不足之處，歡迎指正）
