听完生信大牛谈AI，我开始创办专栏
作者|穆易青、Kimi
大家好，我是穆易青，今天向大家介绍我的新专栏，主要探讨AI大语言模型在生物信息学领域应用。在带大家深入了解专栏之前，我愿先分享催生这个专栏的灵感与初衷。
回溯到2023年2月，我正驻扎在北京总部，当时chatGPT3.0诞生前两个月还没有被大众关注到，资本也还没有开始炒作。不到2个月，用户数量爆炸式增长，openAI被迫开启用户注册，领导让我研究一下，看能不能用在解决一些客户的生信问题上。我就开始研究注册和使用方法，并且写了第一篇与大语言模型（LLM）相关的文章——如何注册chatGPT账号。可惜由于注册流程受国内网络限制，CSDN审核就没通过，也就没了下文。
这篇注册流程本来应该是这个专栏的第一篇文章。
受网络监管问题，国人在使用GPT方面始终不太方便，除了上面讲到的注册问题，还有就是GPT的网络不稳定性以及对中文的认知偏差。网络不稳定这个相信用过GPT的读者都清楚，限时、限字数访问。而对中文的认知偏差，则让我很长一段时间内，都会先把中文翻译成英文进行输入，得到英文输出后，再要求翻译回中文。好在国内大厂也没有闲着，消费级应用方面，3月百度顶着压力发布了“文心一言”，4月阿里发布了通义千问，5月则是科大讯飞星火。尽管这些模型在当时还有很多不足，但也收获了一大批国内用户。
回到专业上来，生物信息学，作为一门交叉学科，一直以来都在与知识的多样性、数据的海量和复杂性作斗争。你在招聘网站上多看一些与生物信息相关的技术岗位，就会发现社会对这个专业的定义其实相当广泛。组学分析、流程搭建、算法工具研发、药物设计等都可以作为生物信息工程师的工作内容。同行之间的交流也由于不同组学，不同研究对象等因素，经常出现鸡同鸭讲（字面意思）的情况。另一方面，随着各类组学技术和测序仪器的飞速发展，我们能够获取的数据量呈指数级增长。这些数据不仅体量庞大，而且类型多样，包含了丰富的生物学信息。然而，从这些数据中提取有价值的信息，构建准确的模型，预测生物学现象，却是一个巨大的挑战。
其实，单单是LLM的使用，就是一个需要花不少时间研究的命题。而我希望将LLM与我从事的行业相结合，为后来的人作出一点自己的贡献，而这也是最初的专栏定位。今年7月，我去宁波参加行业会议，听业内大佬讲他们的研究，与大家熟知的课程老师和教材主编交流，收获很大，更加坚定了我要创办一个生信+AI的专栏。回来之后，我反复总结，听取录音，从生物信息学的角度和应用层面，对业内AI应用的定义总结出下列六个等级：
L0 无AI应用：通过手动操作，执行生物信息学任务，完成分析的过程；
L1 通用AI应用：基于消费级AI应用模型解决生物信息学问题，即AI应用具有普适性，需要一定的引导使其具备生物信息的垂直属性；比如我们日常向各种大语言模型提问，或者让chatPDF帮我们阅读文档。
L2 垂类AI应用：利用市面上已知的AI模型与工具，通过输入知识库和RAG技术，形成一个垂直领域的应用。chatGPT的应用商店内的各种应用工具就是开发者基于chatGPT研发而成。
L3 生物学算法创新：基于传统意义上的机器学习（ML），深度学习（DL）到神经网络（CNN）的生物学算法创新；或是将算法用于与生命科学相关的基础研究，实现研究目的；
L4 生物学工具开发：通过包括且不限于上述算法开发的工具或模型，比如西北农林科技大学参与研发的DNABERT，它基于BERT的Transformer架构，将DNA序列视为一种“语言”进行分析和理解。而在蛋白结构领域，则以AlphaFold系列最为著名；
L5 多模态数据整合：基于大数据构建的多模态数据整合模型，可以处理多组学、多模态数据，实现联合分析。由清华大学智能产业研究院（AIR）和水木分子公司合作开发的BioMedGPT就是一个多模态生物医药大模型，它整合了基因、分子、细胞、蛋白、文献、专利、知识库等多源异构的数据。不过目前国内外还没有基于国家级数据库的生物类数据模型，需要持续观察。
基于这个等级分类，我对专栏提供的内容做了大致的限定，即：面向L0，L1级别的读者，提供L1，L2级别的应用指导。接下来，我将详细介绍这个专栏的各个方面。
这个专栏提供/不提供哪些内容？
俗话说：“授人以鱼不如授人以渔”。专栏内容专注于生物信息学与AI大语言模型结合应用，则主要向读者展示的是知识发现和数据挖掘的过程，并引导读者自己探索。专栏旨在启发那些对生物信息学感兴趣，希望利用AI技术解决实际问题的读者。
- 技术教程：针对L1级别，我们将提供如何使用消费级AI工具的指南，包括基础大语言模型的使用，以及如何利用这些工具进行简单的数据分析。
- 案例研究：分享L2级别应用的案例，展示如何结合已知AI模型和生物信息学知识库进行专业分析。
- 行业动态与资源推荐：推荐适用于不同等级的工具和数据库，帮助读者选择合适的资源进行学习和研究。
发布频率：考虑到不同内容的写作难度不同，高质量技术教程和案例研究预计1-2周/篇，工具简介1周1-2篇，工作繁忙时允许拖更（也允许催更）。
专栏刚开始应该会出几篇低频高质教程。随着和读者的互动与选题调整，将逐渐增加资源推荐，后期有余力会在社群或线上组织话题讨论，并整理好讨论内容进行展示。另外，我自己从其他生信推送文章中取长补短，对专栏也进行了约法三章，包括：
- 不提供知识焦虑
- 不推送广告
- 不嘲讽读者（除非忍不住）
面向人群有哪些？
- 初学者：对生物信息学和AI感兴趣的新手，希望了解基础知识和入门技能。
- 非专业科研人员：需要使用生物信息学工具进行研究，但缺乏专业背景的学者。
- 生物信息学专业人士：希望提高工作效率，探索AI在生物信息学中应用的专业人士。
- 数据科学家：对生物信息学数据分析和模型构建感兴趣的数据科学家。
虽然在生物信息领域摸爬滚打多年，我更多的是在构建流程，我的博文也是时断时续，自觉在专业深度上尚有提升空间。因此，本专栏更适合初学者和转行科研人员。当然，如果有专业人士愿意加入社群，指导新人，交流经验，那么我也非常愿意提供这个平台。
如何交流与分享？
- 博客文章：定期发布专栏博客，涵盖技术教程、案例分析和行业动态。
- 社群交流：建立专栏相关的社群，如微信群，我们已经有了生信流程搭建群，里面的氛围非常好，我们鼓励读者之间的互动和讨论，创造良好的交流生态。
- 会议内容、前沿论文整理：参加，整理相关会议要点和精华内容，总结最新的科研论文，提取关键信息，帮助读者快速了解学术前沿。
- 在线研讨会/工作坊：定期举办在线研讨会或工作坊，邀请行业专家进行深入讲解和交流。
- 视频教程：制作视频教程，直观展示AI工具的使用过程和数据分析的实际操作。
形式的重要程度是自上而下的，通过这些内容展现形式，专栏将为读者提供一个全面、系统的学习路径，从基础概念到高级应用，逐步引导读者深入生物信息学与AI的结合领域。我相信，通过这个专栏，读者不仅能够获得知识，更能够激发思考，开拓视野，共同推动生物信息学领域的发展。
最后，我还想聊聊专栏的名字。打过游戏、生过孩子的读者都知道，取名字其实挺难的。最开始我和家属想了好几个，总觉得没有点明内容核心，后来家属放弃。而我干脆将笔名和生信、大语言模型的粗暴组装，歧义有些取巧——尽管这并不是一个与生信相关的AI模型，也希望给人耳目一新的感觉。另外，我还给这个专栏设置了英文名和图标，叫”BioChat“，虽然感觉有些山寨，但确实意为生信与大语言模型的结合，这个会暂时作为一段时间的logo，大家平时聊这个专栏也可以用英文名，毕竟中文名字太多。关于这个logo的制作，要感谢我的好朋友老周，没有他就没有这么高质量的图标。
🌟 非常感谢您抽出宝贵的时间阅读我的文章。如果您觉得这篇文章对您有所帮助，或者激发了您对生物信息学的兴趣，我诚挚地邀请您：
👍 点赞这篇文章，让更多人看到我们共同的热爱和追求。
🔔 关注“木青生信大模型”，不错过每一次知识的分享和探索的旅程。
📢 您的每一个点赞和关注都是对我最大的支持和鼓励，也是推动我继续创作优质内容的动力。
📚 我承诺，将持续为您带来深度与广度兼具的生物信息学内容，让我们一起在知识的海洋中遨游，发现更多未知的奇迹。
💌 如果您有任何问题或想要进一步交流，欢迎在评论区留言，我会尽快回复。