9月26日下午，2021年世界互聯(lián)網(wǎng)大會在烏鎮(zhèn)召開。在數(shù)據(jù)與算法論壇上，清華大學智能產(chǎn)業(yè)研究院（AIR）院長張亞勤院士圍繞“人工智能賦能生命科學”這一主題，介紹生物世界發(fā)生的數(shù)字化和智能化新變革，并分享清華大學智能產(chǎn)業(yè)研究院（AIR）在人工智能與生命健康交叉學科發(fā)展上的新布局。本次報告由張亞勤院長及團隊成員馬維英、蘭艷艷、黃婷婷共同完成。
隨著基因測序技術、高通量生物實驗、傳感器等技術的發(fā)展，生命科學與生物醫(yī)藥領域正在步入數(shù)字化3.0時代，數(shù)字化、自動化進程加速。健康計算作為一種新型智能科學計算模式，是以人工智能和數(shù)據(jù)驅(qū)動為核心的第四研究范式。它將極大助力人類探索并解決生命健康問題。
人工智能從上世紀五十年代發(fā)展到今天，產(chǎn)生了很多不同的算法，尤其是以早期的RNN、LSTM和CNN為代表的深度學習技術，及過去這兩年的GAN、transformer-based (BERT和GPT-3模型)， 預訓練模型等等，可以說從我們感知方面語音識別、人臉識別、物體的分類，已經(jīng)和人達到同樣的水平。但在自然語言理解，知識推理，和視頻語義和泛化能力方面還有很多差距。另外在算法透明性，可解釋性，因果性，安全，隱私和倫理等方面還存在較大挑戰(zhàn)。
在可信AI計算方面最近又很多進展， 一個例子是聯(lián)邦學習，這也是清華大學智能產(chǎn)業(yè)研究院的一個重要研究課題。聯(lián)邦學習主要有兩種方案，一種是橫向聯(lián)邦學習，它主要面向不同來源特征和模型相同的場景，能夠保證相同模態(tài)不同來源數(shù)據(jù)之間的隱私性。另一種叫做縱向聯(lián)邦學習，它可以處理不同來源的特征和模型不同的情況，能夠保證多模態(tài)數(shù)據(jù)之間的隱私性。
我們已經(jīng)看到，AI正在加速生命健康與生物醫(yī)藥領域向著更快速、更精準、更安全、更經(jīng)濟、更普惠的方向穩(wěn)步發(fā)展。具體體現(xiàn)在，人工智能在蛋白質(zhì)結構預測、CRISPR基因編輯技術、抗體/TCR/個性化的疫苗研發(fā)、精準醫(yī)療、AI輔助藥物設計等方面的研究已成為國際前沿戰(zhàn)略性研究熱點。
考慮到這樣的學科發(fā)展趨勢和產(chǎn)業(yè)背景，清華大學智能產(chǎn)業(yè)研究院（AIR）在“AI+生命健康方向”做了四個研究方向的布局，聚焦在研究“AI增強個人健康管理與公共衛(wèi)生”、“AI+醫(yī)療與生命科學”、“AI輔助藥物研發(fā)”與“AI+基因分析與編輯”方向。
作為交叉領域研究與應用，AIR認識到人工智能與生命科學、生物醫(yī)藥領域存在較大的知識鴻溝，缺乏面向生物計算的數(shù)據(jù)集、AI平臺、核心算法、計算引擎，同時跨界人才也非常稀缺。針對以上挑戰(zhàn)，AIR提出“AI+生命科學破壁計劃”，目標是定義AI+生命科學領域的核心前沿研究任務，跨越生命健康領域與人工智能的領域鴻溝，打破壁壘，促進AI與生命科學的深度交叉融合，加速科學發(fā)現(xiàn)。
為此，我們需要構建面向生命科學領域的人工智能基礎設施、數(shù)據(jù)平臺、核心算法引擎，支撐生命科學前沿研究任務。同時通過打造旗艦公開數(shù)據(jù)集，組織算法挑戰(zhàn)競賽，構建AI+生命科學的眾智平臺，培養(yǎng)跨界人才，構建產(chǎn)業(yè)生態(tài)。
AlphaFold2是AI+生命科學的一個典型成功案例。它的成功因素來自于兩方面，首先，是任務的特殊性，蛋白質(zhì)結構預測就可以看作從序列到三維結構的一個一一映射問題，因此它是一個well define的AI問題。這就是破壁計劃的目標，要找到生命科學中意義重大，但同時又能抽象為適合AI的研究任務。第二，是模型的優(yōu)越性。一方面，長時間的生命科學領域的研究積累了大規(guī)模的蛋白質(zhì)結構數(shù)據(jù)，而AlphaFold2的整個模型架構則充分利用了數(shù)據(jù)驅(qū)動的端到端深度學習模型，大數(shù)據(jù)與深度模型的結合恰恰是第四范式的典型特點。因此，AlphaFold2帶給我們的啟示就是在AI+生命科學的研究中，要注重破壁和第四范式的重要性。
顯然，AlphaFold2僅僅是一個開始，它的成功正在開啟一個新的模式。蛋白質(zhì)結構的精準預測為生命科學家提供了高效的計算工具，也為基于AI的重大生命科學發(fā)現(xiàn)提供了可能。未來，抗體、抗原的表位預測，腫瘤的精準療法，TCR/個性化疫苗的設計與優(yōu)化等方向?qū)⒊蔀橹匾难芯繜狳c，并在AI驅(qū)動的新計算模式下取得突破性進展，AI+大分子制藥的黃金時代將正式到來。
其中，還會產(chǎn)生很多新的科學挑戰(zhàn)，也預示著將產(chǎn)生新的計算范式，例如，干濕融合的閉環(huán)式計算框架。一方面人工智能模型通過高通量、多輪濕實驗的閉環(huán)驗證和數(shù)據(jù)補充將變得更為智能。另一方面，通過主動學習或強化學習的方式， AI將主動規(guī)劃濕實驗的自動化進行，形成干濕閉環(huán)驗證、迭代加速生命科學發(fā)現(xiàn)與產(chǎn)業(yè)應用。我們預見到，通過干濕閉環(huán)打通，生命科學研究與生物醫(yī)藥產(chǎn)業(yè)將迎來新的研究范式與產(chǎn)業(yè)模式。
AIR目前在基因數(shù)據(jù)的表達和預測方面已經(jīng)取得了一些初步進展。最近，由我們清華大學智能產(chǎn)業(yè)研究院（AIR）的蘭艷艷教授帶領GeneBert團隊設計了一個新穎的基因預訓練模型，通過構建序列與轉(zhuǎn)錄因子之間的二維矩陣，實現(xiàn)了一個多模態(tài)的基因預訓練模型，獲取了基因數(shù)據(jù)的有效表示，尤其是挖掘了非編碼區(qū)的數(shù)據(jù)價值，在下游的啟動子、轉(zhuǎn)錄子結合位點的預測，先天性巨結腸疾病的基因篩選任務上都大幅提高了性能。我們相信，類似預訓練這樣的前沿AI技術在基因數(shù)據(jù)上的持續(xù)深入應用，將進一步挖掘基因數(shù)據(jù)的價值，幫助我們破解人類的密碼，在癌癥的精準治療等重要問題上發(fā)揮作用。
總結來看，我們認為，生物世界正處于數(shù)字化、自動化和智能科學計算的新變革中，用計算的方法，即人工智能和數(shù)據(jù)驅(qū)動的第四研究范式來輔助人們探索并解決生命健康的問題成為一個重要的研究方向。未來，需要學術界和產(chǎn)業(yè)界共同推動生命科學、生物醫(yī)藥、基因工程、個人健康各領域從孤立、開環(huán)向協(xié)同、閉環(huán)發(fā)展，實現(xiàn)更快速、更精準、更安全、更經(jīng)濟、更普惠的生命科學與生物醫(yī)藥創(chuàng)新，這代表著下個十年巨大的科學發(fā)展與產(chǎn)業(yè)創(chuàng)新的新機會。
我們熱切呼吁更多的人來關注、支持或投身于這個新興交叉學科的發(fā)
