AI生物

开场：你以为你了解自己身体的每一个细胞？ 人类生物学教科书告诉你，人体有约 200 种细胞类型：神经元、肌肉细胞、肝细胞、红细胞、白细胞… 这个分类体系已经维持了 100 多年。 2025 年，人类细胞图谱（Human Cell Atlas）项目的一个子团队用 AI 分析了 1000 万个人类细胞的单细胞 RNA 测序数据。AI 报告说，它发现了 37 种"新"的细胞类型——这些细胞在形态学和传统标记物上与已知细胞相似，但它们的基因表达模式明显不同，构成独立的"细胞类型"。 你的身体比你想象的要复杂得多。 而 AI 是唯一能"看到"这种复杂性的工具。 单细胞 RNA 测序：生物学的大数据时代 传统生物学研究细胞的方式是"搅拌器"模式——将一块组织放在搅拌器里打碎，然后测量所有细胞的平均基因表达。这就像把一个城市所有人的声音混合在一起，然后说"这个城市的人平均说话音高是 220 Hz"——你失去了所有关于个体的信息。 单细胞 RNA 测序（scRNA-seq）改变了这一切。 它可以测量单个细胞中所有基因的表达水平。一个实验可以产生 1 万到 100 万个细胞的基因表达数据。每个细胞有 2 万个基因的表达值。总数据量：几亿到几十亿个数据点。 这个数据量，人类肉眼无法分析。 你需要 AI 来降维、聚类、分类、可视化。这就是 AI 在单细胞组学中的核心角色。 AI 是如何"发现"新细胞类型的？ AI 在单细胞数据中发现新细胞类型的过程，大致分为四步： 第一步：降维。 将 2 万个基因的表达值压缩到 2-3 个维度（通过 UMAP 或 t-SNE 算法），使细胞可以在二维平面上可视化。相似的细胞在图上靠近，不同的细胞在图上远离。 第二步：聚类。 AI 在降维后的空间中自动识别"细胞群"——哪些细胞聚集在一起，形成独立的"簇"。每个簇代表一个潜在的细胞类型。 第三步：差异表达分析。 AI 找出每个簇"独特表达"的基因——这些基因是定义这个细胞类型的"分子标记"。 第四步：注释。 AI 将每个簇与已知的细胞类型进行比对。如果某个簇的基因表达模式与所有已知细胞类型都不匹配，它就是一个"候选新细胞类型"。 这 37 种新细胞类型，在前三步被 AI 识别，在第四步被确认为"新"——它们不属于任何已知的细胞类型。 ...

开场：一封信，30 亿个字母 2013 年，人类基因组计划完成 10 周年。测一个人的全基因组需要 1000 万美元和几个月的时间。2023 年，这个数字变成了 200 美元和 24 小时。2026 年，99 美元，5 小时。 但有一个问题始终没有解决：测出来有什么用？ 想象你收到了一封用 30 亿个字母写成的信，字母只有 A、T、C、G 四种。你看得懂每一个字母，但你不理解这封信说了什么。哪些字母组成了"单词"（基因）？哪些"单词"是拼写错误（突变）？这些"拼写错误"会导致什么后果？你不知道。 AI 基因组学要解决的问题，就是读懂这封 30 亿字母的信。 人类基因组：一本有"拼写错误"的百科全书 你的基因组里有大约 2 万个基因，编码蛋白质的 DNA 序列只占整个基因组的 1.5%。剩下的 98.5% 曾被称为"垃圾 DNA"——但后来发现，它们不是垃圾，而是调控序列、结构序列、以及我们还不知道功能的神秘序列。 每个人的基因组和"参考基因组"相比，大约有 400-500 万个单核苷酸变异（SNP）——也就是"拼写错误"。大多数 SNP 是无害的（比如决定了你的头发颜色、身高、是否乳糖不耐受）。但少数 SNP 会导致疾病——从囊性纤维化到癌症易感性。 问题在于：400 万个变异中，哪些是致病的，哪些是无害的？ 人类遗传学家花了 30 年，也只能解释其中一小部分（约 10-15%）。 AI 做了什么？ AI 基因组学最核心的应用是变异解读（Variant Interpretation）——判断一个基因变异是否会导致疾病。 传统方法是：对每个变异，查阅文献（有没有人报道过这个变异导致疾病？）、做功能预测（这个变异会不会改变蛋白质结构？）、看人群频率（这个变异在健康人群中常见吗？如果常见，大概率无害）。 AI 的方法不同。 2025 年，DeepMind 发布了 AlphaMissense——一个专门用于预测"错义突变"（导致氨基酸改变的突变）致病性的 AI 模型。它把 7100 万个人类基因组中已知的错义突变分了类：57% 可能是良性的，32% 可能是致病的，11% 不确定。 AlphaMissense 的预测准确率达到了 90%（在已知致病性标签的突变上验证）。 这意味着，对于绝大多数未知的错义突变，AI 可以给出一个"粗略的判断"。 ...