今日，我将再次为大家展示a16z“AI Revolution”活动的深度解析。本次我们将探讨的主题是insitro创始人兼首席执行官Daphne Koller所带来的“数字生物学”。她讨论了关于细胞的LLM（大语言模型）如何彻底改变药物发现的方法，以及如何在用原子建造和用比特建造之间架起技术和文化的桥梁。

为何选择生命科学？

生命科学是一个充满挑战而至关重要的领域，特别在安全和有效地改善人类健康方面，使其成为一个极具价值的AI技术应用领域。

现在正是从事生命科学研究的好时机，因为科技进步使得我们能够在更大的规模上，甚至在细胞和亚细胞层面，量化生物学数据。

Daphne凭借她在机器学习和生物医学数据领域的专业知识，能够弥合这两个不同学科之间的鸿沟，从而产生不成比例的影响。

人工智能在生命科学中的应用

AI和机器学习为生命科学提供了大规模生成和分析数据的能力，从而加快了药物发现和疾病研究的进程。

Insitro的数据工厂是一个独特的平台，通过它，研究人员能够制造和设计细胞，进而在基因层面探讨疾病的成因和可能的治疗方法。

POSH（Pooled Optical Screening in Humans）平台利用CRISPR技术在基因层面操作细胞，为研究人员提供了一个实时、大规模的实验环境，以探索基因和细胞表型之间的关系。

通过AI和机器学习技术，研究人员不仅能够加速数据分析，还能进行主动学习和实验设计，进一步深化对生命科学领域的理解和发现。

生命科学中的AI为药物发现和疾病研究开辟了一种全新的、工程化的方法，这对于实现有效的治疗干预和推进医药领域的创新具有重要意义。

细胞的大语言模型（LLM）

利用AI，特别是大语言模型（LLM），为细胞数据创建一个潜在空间，辨识疾病和非疾病状态，以及不同的疾病表型。

AI的应用使得数据获取和处理成为可能。

通过模拟自然语言处理的大语言模型（如GPT），为细胞创建了一个“语言模型”，从而掌握细胞的“语言”和表达轮廓。

通过大量细胞数据的分析，可以探索病因基因如何影响细胞状态，以及治疗如何可能将病态恢复到健康状态。

随着更多数据的累积，模型的性能持续改善，为理解生物学、疾病和健康提供了更深的洞见。

疾病工程化和药物发现

通过系统化方法从研究特定疾病开始，经过一系列步骤，最终实现在正确的患者群体中进行实际干预。

期望在未来十年内，通过此过程，能向患者交付一些药物，同时也从中学习和优化此过程。

生物学工具，如CRISPR基因编辑技术的进步也为解决更多疾病提供了可能，使得治疗探索变得更为有意义。

通过在人类细胞和人类系统中进行所有研究，旨在减少临床试验失败的可能性，因为老鼠模型与人类存在显著差异。

AI和机器学习的引入使得处理和分析高维、复杂的生物学和临床数据变得可能，有助于在不同的生物学系统之间架起桥梁，从而更好地理解疾病，并推动药物发现和治疗策略的发展。

构筑比特与原子之间的桥梁

insitro的创立融合了计算机（in silico）与实验室（in vitro）的元素，象征着技术与生物学的交融。

创造共享语言和愿景是跨学科文化建设的核心，以确保AI专家与生物学专家能有有效的交流和合作。

通过雇佣具有双重背景的人才，为两方提供了沟通和理解的“翻译”平台。

公司文化强调开放、建设性和尊重的交流，促进了跨领域团队的协作与创新。

重视原子世界的复杂性，同时欣赏AI接触物理世界带来的前沿影响，如通过机器人实现更为标准化、重复的实验操作。

通过AI的应用，弥合了数字世界与物理世界的差距，尤其是在生物实验和药物研发领域。

面临的机遇

生命科学与AI的交叉融合预示着“数字生物学”时代的来临，将以前所未有的精度和规模衡量生物学，并利用机器学习及数据科学工具解释生物学数据。

利用现代生物技术如CRISPR和基因编辑，为工程生物学和治疗方法提供了新的可能。

在人类健康、农业以及环境保护等领域，数字生物学将开启新的机遇，如创建能抵抗极端天气的作物，或通过生物材料实现更好的碳封存。

借助于生物学和AI的融合，为应对全球变暖、气候变化和世界粮食安全等全球性挑战提供了新的解决方案和视角。

这种交叉融合不仅仅是生物学和人工智能技术的结合，也是应对未来挑战、实现可持续发展的重要途径。

明日，我将继续为大家带来a16z“AI Revolution”活动的深入解读。我们将探讨的主题是databricks联合创始人兼首席执行官Ali Ghodsi所带来的“企业的AI食品战争”。敬请期待！

参考

https://a16z.com/digital-biology/