AI帮助搭建生物制造“超级工厂” 科学研究用上AI了

[ 应用AI技术与否，在效率上差异明显。闫建斌告诉记者，他希望AI未来在生物制造中的作用越来越大。以细胞发酵系统为例，AI技术能更好地分析发酵参数，做出实时决策，帮助构建全自动化和智能化的发酵大平台，就像自动化、智能化水平高的“汽车超级工厂”。 ]

[ 20世纪60年代，人们发现珍稀孑遗植物红豆杉能够产生紫杉醇，用于治疗乳腺癌、卵巢癌等癌症。 ]

2024年诺贝尔奖对人工智能和跨学科研究的偏爱在学界引发广发讨论。但有别于一开始一些人的震惊和不解，学界近期开始广泛关注并谈论AI的影响了。

学术期刊《Nature》近日发布了一篇文章，称AI工具正在改变原本的科研工作方式，例如提高做文献摘要的效率等。记者了解到，一些研究者还考虑在研究中应用AI技术，或在跨学科研究中融合AI、寻找智能的表现形式。“到目前为止我们接触AI很少，但最近也让学生尝试用AI来识别少层石墨烯的层厚和转角。” 清华大学教授周树云告诉第一财经记者。

近日，周树云和另外48名青年科学家获第六届科学探索奖，这些青年科学家代表了一股颇具活力的科研力量，第一财经记者与几名获奖者探讨了AI对不同学科研究的深刻影响。

AI助力紫杉醇生物制造“超级工厂”

在生物制造领域，AI技术已在帮助研究者解决一些重大难题。

回忆起在西藏见到红豆杉时的场景，中国农业科学院深圳农业基因组研究所研究员闫建斌告诉记者，要在原始森林中探索道路，寻找红豆杉，红豆杉生活环境独特，往往在溪流或瀑布周围。随着人类活动范围扩大，红豆杉生活范围不断缩小，但当他看到红豆杉长在原始森林里的样子，还是产生了红豆杉正静静保护着人类的感觉。

20世纪60年代，人们发现珍稀孑遗植物红豆杉能够产生紫杉醇，用于治疗乳腺癌、卵巢癌等癌症。但红豆杉中紫杉醇含量很低，生长期又长，目前主流的化学半合成方法需要使用红豆杉的枝条和叶子作为原料，高度依赖红豆杉植物资源，且提取成本高、存在化学污染。学界和企业一直探索另一条途径，即紫杉醇生物合成，然而，打通这条途径此前一直是世界级难题。

闫建斌告诉记者，生物合成紫杉醇此前被“卡”的环节特别多，包括没有基因组信息、超长合成途径中的反应中间体不清楚、没有合适的酶表征系统等等。“大约20步反应中有一半都是P450细胞色素酶，这类酶结构和活性复杂，自然界中有20万种P450细胞色素酶，要从中找到紫杉醇合成酶，如同大海捞针。” 闫建斌解释。

闫建斌代表性的研究成果正是打通了紫杉醇生物合成途径。他绘制了南方红豆杉基因组图谱，发现紫杉醇生物合成的关键酶，揭示紫杉醇合成调控的新机制，进而实现了紫杉醇生产原料巴卡亭Ⅲ的异源生物合成。

这一研究过程中，AI技术起到至关重要的作用。

闫建斌告诉第一财经记者，他的研究过程已在全面应用AI。例如，紫杉烷类分子众多，化学空间巨大，难以分离出所有化合物，团队便做了AI算法模型，用AI预测化学结构。当细胞里人工加入的酶产生紫杉烷类分子时，在没有标准品的情况下，AI也能判定是否生成了紫杉烷类分子。代谢过程中，很多酶的结构也用到AI技术预测和人工改造。此外，在做基因组及基因组对应的基因表达调控网络分析时，当受原有算法限制而不能得到更精准数据的时候，AI技术也能有所帮助。

“这些例子中，此前紫杉醇合成生物学领域还没有人用过（这类AI辅助）。当AI技术包括AlphaFold出来时，我们的合作者包括北京大学、复旦大学的合作团队就已在探讨基因组学、代谢组学怎样与AI更好地融合。这个领域我们已经做了一些工作，但还有许多问题正在解决，涉及大量工作。” 闫建斌表示。

应用AI技术与否，在效率上差异明显。闫建斌告诉记者，他希望AI未来在生物制造中的作用越来越大。以细胞发酵系统为例，AI技术能更好地分析发酵参数，做出实时决策，帮助构建全自动化和智能化的发酵大平台，就像自动化、智能化水平高的“汽车超级工厂”。

智能无处不在

闫建斌提及的AlphaFold是一种AI蛋白质结构预测工具，今年的诺贝尔化学奖正是颁给了AlphaFold设计团队谷歌DeepMind的戴米斯·哈萨比斯（Demis Hassabis）和John Jumper（约翰·江珀），以及在计算蛋白质设计领域作出贡献的大卫·贝克（David Baker）。

相比化学奖，诺贝尔物理学奖颁给AI领域的科学家彼时引起更大争议。有解读认为，这种有交叉学科乃至跨学科意味的评选结果，释放了AI将无处不在且影响深远的信号。

数学物理学领域研究者周树云致力于探索二维材料及拓扑材料的非平衡态超快动力学和光致新奇物理效应，她向记者谈起AI在物理学领域的应用情况。“这与具体的领域和研究方向有关。对理论计算而言，有些研究人员可能已经把AI用得很好且有效促进了科学研究。对我们的实验研究来说，目前还处于接触和学习的阶段。在未来，预期AI对科研乃至整个社会的影响将非常巨大。”周树云表示。

除了当前基于芯片硬件且主要以算力、算法、数据为核心要素的AI系统，学界也正在从不同角度研究智能的表现形式，涉及一些交叉学科的探索。

中国科学院沈阳自动化研究所研究员刘连庆是先进制造领域研究者，他提出高扰动环境下三维运动高精度检测方法，初步构架了基于机电—生命在分子细胞尺度相融合的机器人系统，研究方向包括微纳测量、微纳操控和类生命机器人。

刘连庆向记者解释，四足机器人、人形机器人、机器鱼等仿生机器人属于“形仿”，即外表看起来像，但如果看内部会发现“没血没肉”。以前机器人完全是机械电子系统，而他希望未来的机器人可以是机械电子系统和生命系统的融合体。类生命机器人不同于形仿，而是期望把大自然亿万年进化出来的生理学机制和功能应用在机器人上，这需要在组织、细胞和分子尺度上实现生命系统和机电系统的融合。

“现在硅基人工智能能力很强，但需要非常大的算力，消耗巨大能量，训练一次GPT可能就需要一个大型居民区一年的耗电量。对比之下，人脑‘耗电量’低，计算能力、逻辑思维能力却很强。我们现在研究类生命智能是碳基智能，即用工程手段在体外把神经细胞培养成一个‘体外脑’。这个‘体外脑’里有各种各样的微电极，我们希望用这个大脑去控制机器人，而不是用传统的硅基智能方式。”刘连庆表示，这个方法要是行得通，对人工智能实现途径将是一个重要补充。

“现在我们已经发现有很多（信息电子之外各领域）的获奖人，既是这个领域的专家同时又是人工智能专家。” 腾讯公司高级副总裁奚丹在采访中表示。

而就科学研究中AI的局限性和人类研究者无法被替代的工作，闫建斌则告诉记者，现在AI还像一个小孩，AI的表现取决于人类给予它学习的数据。“哪些是人类不可取代的，这是很深层次的问题，很多人在探讨AI会不会最终取代人。我只能说，在我的研究中，现阶段对AI应用来说，最重要的还是由实验人员生产足够的数据。”闫建斌说。