在生物学研究领域，传统基于分子、细胞、生理学实验方法进行的研究通常被称作湿实验，如今这些传统的生物学方法在某种程度上都遇到了瓶颈，而被称作干实验的计算机模拟和生物学相结合的研究，正在利用 AI、大数据等创新手段，为生物学研究打开了另一扇窗。

计算机科学和生物学碰撞出了哪些火花？计算生物学的未来发展是怎样的？又是什么原因让越来越多生物学的人才选择加入了微软亚洲研究院？让我们从三位微软亚洲研究院计算生物学组研究员的故事中来发现答案吧。

王童:从蛋白质结构预测到分子动力学模拟

2019年，刚在清华大学完成博士学业的王童直接加入了微软亚洲研究院。读博期间，王童从事的就是计算生物学这个交叉学科的研究，“在计算生物学领域除了需要掌握计算机、生物学的知识外，还会涉及数学、物理等其他学科”。微软亚洲研究院的这一年里，王童开启了从蛋白质结构预测，到分子动力学模拟等多个与蛋白质相关的研究项目。

“相信随着 AI 和计算机技术在生物学各个领域的深入应用，一定会对生命科学和医学产生越来越深刻的影响，比如基因对比、基因鉴定就已经从之前难以企及的高端技术进入到了寻常百姓的生活中。未来将会有更多的生物高科技因为 AI 和计算而加速普及，”王童表示。

邓攀:免疫学和肠道微生物组学

目前传统的生物学方法可能遇到了瓶颈。在这种情况下，把大数据和 AI 的方法纳入进来很有必要。以前用生物学的方法每次只能看到一点点发现，但如果用计算的方法，则有可能窥见更大的画面。”

邓攀目前的研究方向主要是免疫学和肠道微生物组学。在免疫学方向上，邓攀主要做的是T细胞的研究，以解决获得性免疫中的免疫细胞和抗原识别的问题。事实上，一个人体内平均有超过100万种不同的 T 细胞受体，而全部人群中可能出现的 T 细胞受体种类高达10的15次方，多样性极高、计算量极大，但这正是 AI 技术发挥专长的舞台。在研究过程中，邓攀参与了微软与西雅图一家生物技术公司的合作项目，旨在通过机器学习等 AI 技术，将 T 细胞受体语言转换为抗原语言，寻找身体正在对抗哪些疾病。对于肠道微生物的研究，其实也有类似之处，肠道微生物不仅多样，而且它们相互之间的影响以及对于人体机制的影响都相当复杂而隐秘，要找到其中的规律，必须依赖 AI 技术的帮忙。

邓攀表示，生物学是一个发现性学科，主要目的是解释生物体的运转机制，所以生物学论文更强调发现的新颖性；但计算机领域则十分强调方法和思路的创新性，AI 正在倒逼传统的生物学领域去思考如何利用大量的数据挖掘其中的生物学洞察。“可以横跨在计算机科学、生物学等多个领域，并游走于不同的研究范式和思维方式之中，让我在微软亚洲研究院收获颇多。”

朱建伟:用深度神经网络预测蛋白质结构

朱建伟和团队通过引入创新方法，在蛋白质三维结构的任意两个氨基酸之间的距离预测中，取得了巨大改进。微软亚洲研究院的研究员们从多序列比对（Multiple Sequence Alignment，MSA）出发，直接使用大的深度神经网络预测两个氨基酸的距离，与之前先标注蛋白质属性、提取相关特征再预测蛋白质结构的方法相比，大大提高了后续三维结构预测的准确率。

朱建伟介绍道，“计算机领域方法的引入，给生物研究提供了全新的思考角度。传统的生物学家更偏重于生物的本质理论，从问题出发，通过解释生物体的内涵原理来做研究。而从机器学习的角度来看，则是从数据出发，利用已有数据去发现问题、解决问题。两方面相互推动，可以加快推进生物学的研究。”

自2017年前后精准医疗开始兴起，AI+生物也成了业界热点，尤其是2020年全球受到新冠疫情的冲击，社会各界对相关领域的关注度进一步提升。在朱建伟看来，未来 AI 技术除了在生物学的基础研究层面可以发挥更大作用，在卫生健康、疾病治疗等应用层面也将更快见效，像 AI+制药、AI+生物图像、AI+诊断结合、AI+基因检测，都会是下一阶段的重点。

内容中包含的图片若涉及版权问题，请及时与我们联系删除