AI如何改变生命科学

同一期刊、同一个问题、八种学科背景的回答。 2026 年 9 月《Cell》的 Voices 栏目请八位研究者各自回答“AI 正在怎样改变生命科学”。 没有人否认加速正在发生，也没有人认为模型可以替代判断； 而真正缺的东西，八个人说得很不一样。 八位作者分别来自制药与机器学习、结构生物学、计算生物学、免疫信息学、生物统计、神经科学、蛋白注释与临床 AI。 八篇短文放在一起，像一次不约而同的诊断：算力与模型已不是瓶颈，卡住的地方在数据那一端。

Daphne Koller 认为，药物发现的瓶颈从来不是化学，而是我们追着疾病跑却不了解病因——错误的靶点、错误的细胞、错误的人群。 AI 最该回答的是因果问题：面对以整个人为尺度测量的结局，究竟是哪个基因、在哪类细胞里、通过什么机制在驱动它，扰动之后它会不会反过来。 真正的因果杠杆只有两处来源：人类遗传学和人类细胞的直接扰动。 在卢培龙看来，序列到结构这一段进展显著，结构到功能这一段仍然空着，而缺口主要不在算法，在功能数据本身——数量、质量与标准化都不够。

Laura Cantini 的出发点是单细胞技术，基础模型随之成为从这种复杂度里提取模式的主力。 但领域里最基本的问题仍未解决——一个细胞凭什么决定走向某一种命运，驱动这些转变的调控逻辑又是什么。 Yuri Pritykin 把问题推到最难的一端，免疫系统或许是最难的一处，也恰恰是解决之后最要紧的一处。 Kanaka Rajan 的问题落在另一个层面：大脑如何协同工作。 现有神经科学技术足以揭示孤立状态下的单个大脑，她想知道的却是一小群人在实时互动中如何协调。 Jean Y. H.

Yang 认为，AI 能把生物学从描述性的科学变成预测性的科学。 Martin Steinegger 的问题来自环境样本：土壤、海水、废水。