Synthesize Bio：用AI生成基因组，开启生物医药“ChatGPT时刻”

type

status

date

slug

summary

为什么是RNA？生物学大模型的“数据金矿”

要构建一个像GPT系列一样强大的大模型（LLM），海量、高质量的训练数据是不可或缺的前提。在生物学领域，数据来源纷繁复杂，那么Synthesize Bio为何选择RNA作为突破口？

这要从生物学的“中心法则”说起：DNA承载着遗传蓝图，它被转录成RNA，RNA再被翻译成执行具体功能的蛋白质。相比于相对静态的DNA和更难测量的蛋白质，RNA具有独特的优势： * 动态性：RNA的表达水平会随环境、药物、疾病状态等因素动态变化，是细胞状态最直接、最灵敏的“读数器”。 * 丰富性：得益于RNA测序技术的发展，全球科研人员已经积累了海量的RNA数据，涵盖了各种物种、组织、疾病和实验条件。

Synthesize Bio的联合创始人Jeff Leek正是RNA信息学领域的先驱，他领导的团队花费了大量精力，将来自全球各地的、格式不一的RNA数据进行收集、清洗和标准化，最终构建了迄今为止最完善的RNA测序数据集。这片“数据金矿”为生物学基础模型的诞生奠定了坚实的基础。可以说，没有这些前期的数据工作，构建一个通用的生物学大模型几乎是不可能的。

GEM-1：不只是预测，而是“生成”实验

Synthesize Bio推出的首个基础模型名为GEM-1。它与传统预测性AI模型的最大区别在于其“生成”能力。

我们可以做一个类比：对于ChatGPT这样的大模型，你输入一个提示（Prompt），它会为你生成一段全新的文本。对于GEM-1，科学家可以输入一个实验设计作为“提示”，比如“在特定类型的人类脑细胞上使用某种候选药物”，模型就能生成高保真的模拟RNA测序数据，仿佛这个实验真的在实验室里进行了一样。

这种能力的意义是颠覆性的： 1. 突破伦理与物理限制：许多对理解疾病至关重要的实验，因伦理问题（如直接在活体人脑上测试药物）或物理条件限制（如模拟罕见病或极端创伤）而无法开展。GEM-1让这些“不可能的实验”在虚拟世界中成为可能。 2. 降低成本与时间：传统的生物学实验耗时数周甚至数月，成本高昂。通过GEM-1，科学家可以在几分钟内模拟数百上千次实验，快速筛选方案，选择成功概率最高的路径，极大地加速了研发进程。 3. 提升实验精度：为了验证模型的可靠性，Synthesize Bio内部进行了一种“图灵测试”。创始人之一、资深RNA生物学家Rob Bradley最初能轻易分辨出AI生成的数据和真实实验数据，但随着模型的迭代，他最终无法区分二者。这个被称为“用Rob反馈进行强化学习”的故事，生动地证明了GEM-1生成数据的逼真程度。

生物学迎来自己的“ChatGPT时刻”了吗？

在访谈中，创始人们坦言，除了在蛋白质结构预测和设计领域已经出现了一些突破外，整个生物学在很大程度上还未迎来真正的“ChatGPT时刻”。究其原因，是缺少一个像OpenAI的GPT模型那样，能够被广泛应用、赋能各种下游任务的通用基础模型。

Synthesize Bio的目标正是填补这一空白。他们借鉴了人工智能领域的一个“惨痛教训”：专注于特定任务的狭窄模型，最终往往会被那些在海量多样化数据上训练的通用基础模型所超越。因此，他们没有选择解决某个特定的疾病问题，而是从一开始就致力于构建一个能理解和模拟尽可能广泛生物学情境的大模型。

他们相信，当GEM-1这样的模型被交到全球成千上万的科学家手中时，其应用潜力将被无限激发，无论是癌症、神经科学还是心血管疾病研究，都将从中受益。这正是开启生物医药领域“ChatGPT时刻”的关键一步。

结论：AI与湿实验的无缝融合

Synthesize Bio的愿景，是构建一个“生成式基因组学”与湿实验、临床试验无缝融合的未来。在这个未来里，科学家可以在电脑上花费一小时模拟一次药物筛选，其结果将精准指导后续的真实实验。

从实验室里的一个大胆想法，到成立公司并获得千万美元融资，Synthesize Bio的故事是人工智能赋能基础科学研究的绝佳缩影。它预示着，一个由数据和AI驱动的、更高效、更精准的生物医药新时代正在加速到来。

想要了解更多关于人工智能和大模型的前沿AI资讯，请访问AI门户网站 AIGC.bar (https://aigc.bar)，获取最新的AI新闻和深度分析。