本文刊登于《华夏科学院院刊》2024年第1期“专题：大力胀动科研范式改革”

　　生物本事和音信本领的急迅发展，使性命科学进入了数据发生的新时期。随着人工智能（AI）在生命科学讨论周围一向获得倾覆性冲突，AI驱动的生命科学申辩新范式活龙活现。文章过程悠久领会AI驱动的生命科学争持的典范典范，提出了生命科学辩论新范式的内涵和关头要素，论说并辩途了新范式下的生命科学叙论前沿和大家国面临的挑战。

　　2007年，图灵奖得主吉姆·格雷（Jim Gray）提出了科学辩叙的四类范式：第一范式是实验（阅历）科学；第二范式是理论科学；第三范式是争辩科学；第四范式是数据科学。科学斗嘴的范式更改再现了人类对寰宇物色的深度、广度、格式和效力的演进。

　　人命科学的滋长历程了多个阶段，其计较范式的演进也有其怪僻的学科属性。在人命科学早期发展阶段，生物学家厉重源委侦查差异生物体的神态和举动模式来物色生物生计的大凡局势和演化的共同规律。从20世纪中叶泉源，性命科学争吵加入了分子生物学时期。随着人命科学的进一步发展和新型生物武艺的速快展现，科学家始末高通量、多维度组学数据分析与实施科学连接的体例对生物进程举办越发注意的描摹和认识，成为今世人命科学辩讲的常态。

　　可是，生命式样具有多层面的复杂性，涵盖了从分子、细胞到片面差别主意，以及部分间的种群关连、机体与境遇的互作相合，再现出多层级、高维度、高度互联、动静调控的特质。现有的践诺科学争吵范式在面对这样夹杂的人命体系时，每每只能从特定模范对有限数量的样本实行观察形容和龃龉，难以全盘领会生物麇集的运作机制；并且高度依靠人的经历和先验知识对特定生物合连实行索求，难以从大范畴、千般性、高维度数据中高效提取荫蔽的相合和机制。面对人命形势中搀杂的非线性关系和难以瞻望的特征，人工智能（AI）本事体现出重大的才力，而且依然在蛋白质结构展望、基因调控收集仿制解析方面表现出打倒性的利用潜力，将生命科学辩论由施行科学为主的第一范式推向以人工智能驱动的人命科学商议新范式——第五范式（图1）。

　　本文将从AI驱动的性命科学争吵表率模范、性命科学争持新范式的内涵和要害成分、新范式赋能的人命科学斟酌前沿及全班人国面临的挑战3个方面实行方式叙述。

　　AI技能以其杰出的模式甄别和特性提取智力，可能在庞大的参数堆叠境遇下横跨人类理性推理才能，从数据中更好地知路搀和生物系统中的规律。当占领填塞且高材料的数据和适配于性命科学的算法时，AI模型就可以在多层次的海量数据中以“低维”数据瞻望“高维”音信及纪律，告竣从基因序列和表明等低维数据到细胞、机体等高维复杂生物历程规律展示的赶上，理解搀杂的非线性相合。连年来生命科学界限映现出了蛋白质结构理会、基因调控秩序瓦解等一批AI驱动性命科学商量生长的样板典型。

　　蛋白质行动生物体内环节性能的施行者，其机合直接教化运输、催化、维系和免疫功能等危险的生物历程。捕获蛋白质折叠的底层秩序从而竣工对蛋白质构造的精确展望，连续是结构生物学范畴最仓皇的离间之一。

　　AlphaFold 2行使基于注浸力机制的深度闇练算法，对大量蛋白质序列和结构数据举行教授，并结合物理学、化学和生物学的先验学问，构建了蕴涵特性提取、编码、解码模块的蛋白质组织剖析模型。在2020年国际蛋白质结构瞻望比赛（CASP14）中，其蛋白质三维组织预计准确性甚至可与实施剖判的停止相媲美。这一冲突为性命科学规模带来了簇新的视角和空前未有的机遇，紧急体而今3点。

　　大遍及药物进程与体内蛋白质额外构造域的贯串而驱策蛋白质性能的蜕变，AlphaFold 2能够快速较量出海量目的蛋白质的机关，从而有针对性地安顿药物以有效地与这些蛋白质联关。

　　一旦AI对蛋白质折叠的底层规律有了好久明了，就能够运用这一常识准备出折叠成所需机关的蛋白质序列。这使得生物学家不妨遵循需求自由安插和更动蛋白质或酶的构造，如策画更高活性的基因编辑酶，乃至是自然界中不生计的蛋白质结构。同时也饱动了人们对基因编码新闻在蛋白质层面机关投射顺序的理解，并将大幅提高人类对人命的改造才华。

　　从只能通过费时勤劳的古板推行本领判辨蛋白质机关变更为低门槛、高精度、高通量地预测蛋白质三维构造的新范式，注释经过将蛋白质学问和AI身手相连合，可以提取和闇练到高维、搀杂的知识，感动对蛋白质物理构造和职能的更长远清晰。

　　人类基因组预备被誉为20世纪人类三大科学设计之一，揭开了性命隐秘的序幕。传统生物消歇判辨手段只能措置少量数据，对大范畴、高维度且缺欠无误标注的生物组大数据难以缉捕数据中混合的非线性干系。

　　近年来，自然语言解决身手的陆续突破，异常是大言语模型的迅猛发展，恐怕颠末教员语料数据使模型具有懂得人类道话描写知识的材干，为处理这一范畴题目带来了新想途。国际多个争辩团队借鉴大言语模型的教授想路，相继基于数以切切计的人类单细胞转录组谱数据和强大的算力资源，使用Transformer等前辈算法和多种生物学学问，构建了多个具有明晰基因动静合连材干的人命根基大模型，如GeneCompass、scGPT、Geneformer和scFoundation等。这些人命真相大模型以基因表明等底层人命流动消息为教师根基，利用刻板来操练清楚这些“低维”的性命科学数据与夹杂“高维”的基因表示调控聚集、细胞命运转变等底层人命机制之间的关联性和对应顺序，达成以低维数据对高维音讯的有效师法和瞻望。这种对基因表白调控收集的模仿或许在宽广的卑鄙工作中再现出超卓职能，为好久领会基因调控顺序供应了极新的路线。

　　随着生物本事的继续进步、生命科学数据的快快增长、AI技能的飞速滋长及其与性命范围的深度交叉调停，AI以对性命科学知识的很久清晰和泛化才力参加AI驱动的生命科学斟酌新范式（第五范式，以下简称“新范式”）。

　　颠末深远判辨AI驱动人命科学争论的典范典范，笔者感到，生命科学龃龉的新范式正如一台智能化的新能源汽车，对标新能源汽车的电池形式、电控形式、电机编制、扶助驾驶体制、底盘体制等重心本领，新范式应完全人命科学大数据、智能算法模型、算力平台、里手先验学问和交错争吵团队五大枢纽因素（图2）。犹如电池方式为车辆供给能量，人命科学大数据为科学冲突提供根柢资源；算法模型则像智能电控体系，赋能深远理解生物系统的运行机制；算力平台可比方为电机方式，职掌处理海量的科学数据和复杂的较量处事；大师先验常识则像帮助驾驶格局，为科学家供应偏向引领和实施履历；交叉讨论团队似乎于底盘系统，承当整合差异界限的常识和本事，经由跨学科互助升高商议效率，胀励生命科学的滋长。

　　生命科学大数据是新范式“汽车”的“电池”体系。对人命科学大数据举行有效整兼并应用鼎新AI武艺充满发掘数据，不妨冲破人类科学家的认知控制、感动新创造的发生并拓展人命科学的物色范围。例如调节视觉大模型，原委整合多泉源、多模态、多做事的调整图像数据，告终了在少样本和零样本条目下的多种操纵；跨物种性命根蒂大模型GeneCompass，颠末有效整关全球开源的单细胞数据，在超过1.2亿个单细胞的教员数据集上告终了对基因表明调控次序的全景式操演明晰等多个性命科知识题的明白。

　　智能算法模型是新范式“汽车”的“电控”方式。Gerstein团队操纵贝叶斯蚁集算法展望蛋白质相互作用的成绩揭晓于Science，为经典呆板闇练在生物新闻界限滋长奠定了根蒂；图卷积神经收集算法被用于理解蛋白质—蛋白质彼此效用蚁集和基因调控汇集等生物分子辘集，拓展了性命科学界限的说论倾向；AlphaFold 2使用Transformer模型，或者在高准确度的根基上速速争论出大量蛋白质的构造，都显示出了AI算法模型在性命科学辩论新范式中的仓猝性。

　　算力平台是新范式“汽车”的“电机”式样。面向新范式，未来应构修大概支撑AI赋能生命科学争持的硬件能力平台，征求建立高速大容量保存格局、构筑高职能高模糊量超级计较机、研发专门用于处理生命科学数据的芯片、规划用于加速生物模型推理和老师的专用处理器等，为性命科学争论供应高效、可靠的计较和处理才气，以应对生命科学界限发生的海量数据、称心性命科学范畴搀杂模型构筑的争论必要，保障AI在人命科学范围的应用和变革。

　　熟稔先验知识是新范式“汽车”的“辅助驾驶”形式。新范式下，已有的人命科学学问将为AI算法模型供应宝贵的教授管理条件、危急的布景和特性联系，襄理解释和懂得性命科学数据的驳杂性、验证和优化AI在性命科学周围的运用；也许在AI算法安置和模型构筑时施展仓皇的指使功用，鼓吹更加精确、高效地治理性命科常识题，饱励人命科学议论向更悠久、所有的倾向生长。比如，原委嵌入生命科学大家先验学问和人类疏解讯歇编码，新型基因表示预训练大模型升高了对生物数据间羼杂特色合连关连的注解，揭示出更为优越的模型显露。

　　交织讨论团队是新范式“汽车”的“底盘”方式。新范式下，一支由AI行家、数据科学家、生物学家和医学家等组成的多学科交叉争吵团队看待完结逾越式的生命科学发明至合仓皇。多元背景严密合营的交织研究团队可以整闭AI、生物学、医学等规模的专业常识，供给多元化的视角和手段，为全体了然和管理性命科学中的混杂机制问题供给坚忍根本，为厘革性处理宗旨提供更多恐怕性，从而促进人命科学界限的打破性发觉和转机。

　　随着新范式的连接滋长，人命科学叙论将迎来以AI瞻望、指派、提出假叙、验证假若为特质的新型斟酌模态。可是，在当前条件下加速鼓动他们国人命科学争论新范式的创立和实行，仍面临一系列浩大的寻事。

　　方今在构造生物学范畴，以AlphaFold为代表的AI利用身手仍止息在“从序列到机合”的蛋白质结构展望和安插阶段，还无法告终驳杂生理条目下蛋白质组织和职能的效法与展望。更高材料、更大范围的蛋白质数据和新型算法的产生，将有望完毕蛋白质“从序列到机能”以至“从序列到多法式互相作用”的智能化构造解析与详尽布置。

　　现在的组学数据理会仍左右于较低维度的生物组学观察水平，还未变成从基因水平到细胞水平甚至生物一面以致群体组学水平的全维度巡察。新范式将融通多维度、多模态的生物大数据和内行先验学问，提取生物表型的要害特色，构修多规范生物历程解析模型，复兴混合生物格式运行的底层纪律，造成基础底细而宽敞合用的编制生物学争辩新体系。

　　随着多组学数据的储蓄和新型基因大模型的发生，遗传学商量已进入新范式兴奋的快速生长阶段，基于基因表白谱数据的自监督预教练大模型有望成为判辨基因调控纪律、预计疾病靶点的有力器具，拓展遗传学冲突的探索范围。

　　随着AlphaFold的爆发和一批分子动力学模型的发展，AI模型如故被用于预测和筛选药物候选分子。所有人日新范式将进一步促进该界限的成长，有望发生AI帮助的全经过药物方案启发格局，恐怕自助达成药物结构和实质的优化预备、告终候选药物的有效性和安好性效仿预测、天资药物的高效关成和生产工艺策划，极大加快药物的斥地和临盆经过。

　　较量机视觉、自然措辞处理和刻板纯熟等AI本事已宽绰渗透到生物影像、医学影像、疾病智能阐明及靶点预计等切确医学子规模。比喻，基于AI的诊断格式在正确度上仍然或者媲美甚至在某些方面赶上资深的临床医生。但是，现有的模型大多受制于数据的偏好性，糊口鲁棒性差、通用性低等标题，随着新范式驱动的通用精确医学模型的出现，将有助于尤其速速正确地诊断快病、解析速病的分子机制、发现新的调度靶点，进步人类的强健水平。

　　面对人命科学争执新范式滋长的新景色、新恳求，所有人国仍面临高原料性命科学数据资源格局缺少、AI要害本事与根柢门径不够、新范式下的交错刷新科研重生态缺少等方面的强大离间。

　　国内生命科学数据资源还生计散播不均衡标题，须要更好地分身和谐和资源整关，完结高质料性命科学数据资源的高效网络和格式化提高。别的，在性命科学数据的收集、传输和保全经过中，数据安稳题目亟待坚实，格外是生物数据的隐私和安适题目仍需要引起珍视。

　　针对生命科学大数据的海量、高维、稀奇散布等特征，亟需滋长混杂数据的先辈争论与理会手段。明天应开发尤其妥贴人命科学运用的硬件、软件和新较量介质，并在性命科学和争论科学的协和经过中，探索新的争论-生物交互模式，处分算力“卡脖子”题目。

　　现有AI驱动的生命科学商酌系统大多为课题组自觉召集的“小作坊”模式，缺陷新范式成长所需的交叉创新处境。美国在2023年公布的《国家人工智能研发计谋谋略》革新版本中也看沉强调了人工智能龃龉的跨学科交错生长的紧急性。《中华国民共和国国民经济和社会成长第十四个五年盘算和2035年远景目的大纲》中指出要感动互联网、大数据、人工智能等同各产业的深度妥协。所以，新范式下的科研生态应兴办干湿纠合、理实调解的新型申辩模式，连续培植高程度复合型交错议论人才，告终以点带面的全局效应创制加倍绽放的新型科研生态和成长境遇。

　　从古代的紧要依赖于人经历的假讲和推行驱动的科研范式向大数据和AI驱动的新辩叙范式的演变将开阔变动或冲动差别层面的科学辩论活动的更动。他们们正身临着一个弥漫转换和希望的期间，生命科学的改正与科技的起色协同绘制出人类对生命奥密更深目标寻觅的明天蓝图。也许预见，随着通用AI的进一步生长，人命科学议论将迎来AI自驱空洞新知识、新秩序的“预人所未见，思人所未思”的科学新时间。

　　李鑫中国科学院动物斟酌所叙论员。紧张计较周围：干细胞与再生、衰老及癌症，人工智能与生物争辩。

　　于汉超中国科学院前沿科学与教学局副争辩员。紧张研究领域：人工智能与交织科学。