基因大模型与合成生物学
探讨AI在基因编辑、生命复活及DNA生成中的应用与防线
0个信源参与该主题的先锋
全部段落
10月20日
- Alex Rives Biohub 刚宣布将虚拟生物学计划（Virtual Biology Initiative）扩容至 18 亿美元，协调美国能源部、NIH、Google DeepMind、Isomorphic Labs 和 Meta，共同生成训练通用细胞生物学模型所需的数据。 项目将绘制细胞的情境图谱，把空间生物学中的分子读数与成像联系起来，覆盖“数千亿甚至更多个细胞”；同时向其他资助方和全球科学界开放合作。
- Rives 认为，可观测性是虚拟细胞模型面临的根本瓶颈之一，但并非唯一瓶颈。 “细胞有太多东西是我们根本无法测量的”；要取得进展，需要模型、大规模数据生成和观测工具。他认为，现有模型“还够不上能真正有意义地模拟细胞、并为实验生物学充当预言机的模型”。
- 未来 5 年可实现的目标，是一个“细胞的信息论模型”：根据细胞状态和输入，预测其下一状态的概率分布，并以此迈向“生命的世界模型”。 在“无限数据和算力”的极限下，各种架构最终或许会趋同；但细胞生物学距离这一极限还很远，因此归纳偏置仍然重要。
- Biohub 的核心思路落在测量硬件上：激光相位板以“世界上最强的驻波激光”为冷冻电子断层成像带来相位衬度，帮助科学家分辨单个分子及其在活细胞中的相互作用。 Biohub 还利用斑马鱼全生物成像，从胚胎追踪每个细胞直至生物体完全发育。
- LLM 的路径同样适用于生物学：先通过预训练学习统计规律，再进行 elicitation，随后推进“生物学 RLVR”，由实验室验证，形成提问、实验、学习并提出更好问题的“实证式 AI”递归闭环。 与数学和编程不同，生物学的验证必须在实验室完成，而不能依赖快速计算。
- 时间表与潜在回报：1至2年内绘出健康与疾病细胞图谱的初稿，5年内形成“相当全面的地图”；之后的问题将是“如何干预，逆转病理状态？” Rives 表示自己对 EHR 数据想得不多；他担心缺乏因果基础时，模型只会学到“一堆相关性”，但也承认健康记录有助于把现有药物和治疗送到合适患者手中。
9月30日
- Moonshots 短期内，AI在生物领域的价值与其说是自主发现，不如说是连接碎片化研究、统一语言，并设计仍需实验室验证的实验。 基因名称和实验流程缺乏一致性，可能导致40–60%的复现失败率；Dave Blundin补充称，数据集本身可能比模型更有价值，尤其是在比较基因组学覆盖数千个基因组的情况下。
- Ben Lamm Lamm不认为字面意义上的复活会是终点：合成生物学可以制造高度近似的版本，但化石记录的不完整、表观遗传、环境与发育过程，使精确复原几乎不可能。 尽管据称历史上曾有数十亿只暴龙类生存，迄今发现的暴龙类化石仍不到100具，因此人类更可能构建“可编程生物系统”，而不是重建完整的历史生物圈。
- Lamm预计，不到10年，人类就能工程化改造关键表型、合成或多重编辑生物，并在子宫外培育它们。 Colossal已从庆祝完成20处编辑，进展到稳定实现超过300处编辑、效率超过90%，目前正在测试1,000处；但Lamm仍预计，大片段 DNA 合成最终会超过多重编辑。
- Lamm预测，24个月内将出现全程子宫外完成的哺乳动物出生，即从受孕到出生都不依赖代孕母体；Peter认为这一时间表“非常可能”实现。 另一方面，Colossal正在绘制基因型与表型之间的关系，覆盖体型、毛色、褶皱、鳞片、羽毛、獠牙和花纹等特征。公开展示的第一代 woolly mice 在一次递送中完成了8次碱基编辑。
- 更宏大的基础设施目标，是在Lamm预计未来25年全球生物多样性将损失一半之前，为生命“备份”。 Colossal通过75个合作伙伴开放提供保护技术，正在建设政府级生物样本库，并希望政府协调投入数十亿美元；尽管他预期会出现“吓人的时刻”，Lamm仍将其比作飞机颠簸：“大家最终都会落地。”
9月27日
9月23日
- Eric Nguyen Radical Numerics押注基因组语言模型将从读取 DNA 走向设计 DNA，并在同一套技术路径中内置防御能力。 Eric Nguyen梳理了从 HyenaDNA 的百万 token 上下文，到 Evo 的生成式基因组学，再到 Omni 的任务对齐。由于能够设计生物功能的模型也可能识别生物功能，公司确立了覆盖科学发现、人类健康和生物安全的“双重使命”。
- Omni所称的突破不只是规模，更在于把基础模型变成可用基因组系统的后训练。 Evo 和 Evo 2 展现了广泛能力，但在一些任务上仍可能输给专用模型；Omni通过任务专属格式、特殊 token、监督样本和问答结构，回答“某个突变是否致病”这类实际问题。Nguyen称，这推动Omni在变异效应任务上达到当前最先进水平，尤其是在长距离、非编码 DNA 领域。
- Latent Space 最具价值的切入口，是人类基因组中约98%的非蛋白编码区域——传统解读在这里最薄弱。 蛋白编码区域只占基因组约1.5–2%，而大量疾病相关变异位于调控区域，其影响取决于具体上下文。Omni比较野生型与突变序列的似然，将差异转化为“意外因子”，再通过对齐训练输出可以直接使用的预测。
- Eric Nguyen Radical最具推测性的设计结果，把生物优化轨迹视为基因组版本的链式思考。 研究给模型输入按适应度从低到高排列的 RNA 适配体，模型延续这一轨迹，生成了评分高于训练样本的合理序列。Nguyen反复强调，这一结果仍需湿实验验证；但他认为，该范式可以延伸至抗菌噬菌体和具有选择性稀土结合能力的蛋白质。
- 公司提出的技术优势，不是孤立的蛋白质结构，而是更长的生物学上下文。 Nguyen将 DNA 称为“物理世界的印记”：上游调控区域、邻近基因、物种身份和进化历史，都可能约束哪些设计是合理的。这一框架支持建立覆盖 DNA、RNA、蛋白质、表观基因组学、代谢组学、最终延伸至自然语言的统一模型，而不是一组单模态工具。
- Latent Space 生物安全既是使命承诺，也可能成为产品类别，但双方并未假装筛查问题已经解决。 Radical将防御拆分为检测、归因、对策和政府层面的威慑；其模型的目标，是即使序列不再匹配已知病原体数据库，也能识别功能性危险。RJ的反驳很现实：在数十亿条序列的规模上，误报可能阻碍正常研究；而与软件漏洞不同，“我们的基因组是固定的”，无法简单打补丁。