主讲人介绍
马剑竹，清华大学人工智能产业研究院副教授、清华大学电子工程系副教授，基金委海外优青项目获得者。多年来从事机器学习和计算生物学的交叉学科研究。具体研究方向包括：蛋白质结构生物学、肿瘤药物疗效预测、三维基因组学研究和大小分子药物设计。与生物制药相关研究成果发表于 Nature, Nature Methods, Nature Cancer,Nature Machine Intelligence, Nature Computational Science, Nature Communications, Cell, Cell Discovery, Immunity, Cancer Cell, Cell Systems 和 PNAS。马剑竹教授在机器学习领域也有所建树。发表国际顶级机器学习会议和期刊上发表论文40篇。共计在国际核心期刊和会议上已发表论文 80 余篇，其中，Nature Methods,Cell Systems 和 Nature Machine Intelligence 文章被评为封面论文。曾获得国际计算生物学会议 RECOMB 最佳论文奖，Warren DeLano 奖两次。申请人常年在计算生物学领域和人工智能的国际一流会议 ISMB 和 RECOMB 上担任程序委员会委员。
讲座回顾
本讲重点探讨了人工智能在生物学领域的应用，尤其是计算生物学的发展和未来趋势。主讲人马剑竹副教授介绍了生物学与人工智能的跨学科融合，并展示了这一融合如何推动生物医学研究的前沿。
生物学的发展与自动化转变
讲座首先概述了生物学从传统手工实验逐步走向自动化和数字化的历程。通过使用机器人和高通量实验设备，生物学从依赖经验的定性研究逐步转向定量分析，推动了生物学与计算技术的深度融合。传统生物学多依赖于实验和经验总结，研究手段较为手工化，缺乏严格的定量分析。而随着实验设备和技术的发展，生物学逐渐走向高度自动化和数字化。例如，通过使用机器人和高通量实验设备，大量实验数据可以被自动采集并量化处理。这种转变使生物学逐步从经验科学向精确科学过渡，进而为计算生物学的发展奠定了基础。
计算生物学的核心应用汇报
计算生物学利用计算机科学技术来分析和处理生物数据，其应用范围广泛，包括基因组分析、蛋白质结构预测、药物设计和疾病诊断等领域。通过计算手段，生物学研究在许多复杂领域取得了突破性进展。计算生物学利用计算机科学的工具和技术，处理和分析大量生物数据。其应用包括基因组分析、蛋白质结构预测、药物设计和疾病诊断等。其中，蛋白质三维结构预测是一个典型案例。
蛋白质三维结构预测的突破
蛋白质是生命的基石，其功能主要由三维结构决定，而这种三维结构则是由其氨基酸序列唯一决定的。通过人工智能技术，科学家们已经能够精确预测蛋白质的三维结构，这一研究成果在生物医学领域具有广泛的应用前景。讲座特别提到由DeepMind开发的AlphaFold系统。AlphaFold的成功展示了人工智能在蛋白质三维结构预测中的强大能力，其准确度已经接近实验室物理测量的水平。AlphaFold通过序列的进化信息，结合深度学习模型，实现了高效的蛋白质结构预测。这个系统极大地加快了药物研发和疾病治疗的步伐，被认为是人工智能在生命科学中的一个重大突破。
蛋白质三维结构预测比赛CASP
人工智能在肿瘤疗效预测中的应用
计算生物学与人工智能在医学领域的结合，为个性化医疗带来了新的可能性。通过基因数据分析，人工智能可以帮助预测不同肿瘤患者的药物反应，从而制定更加精确的治疗方案。例如，肿瘤疗效预测就是人工智能应用于个性化医学的一个典型案例。肿瘤是一类高度异质化的疾病，不同患者之间的基因突变差异显著，导致药物的治疗效果千差万别。人工智能技术通过分析患者的基因组数据，能够精确预测患者对不同药物的反应，从而帮助医生制定个性化的治疗方案。这一研究方向在未来有望提升癌症等复杂疾病的治疗效果，并推动精准医学的发展。
单细胞技术与再生医学
单细胞测序技术为研究个体细胞的功能提供了革命性工具，特别是在肿瘤研究和再生医学领域。再生医学中，单细胞研究正在推动干细胞技术的发展，未来可能改变器官移植和治疗方法。单细胞研究为理解个体细胞在生物体内的功能提供了新的工具和视角。通过对单个细胞进行精确的基因表达测量，研究人员能够揭示细胞的分化过程及其与疾病的关系。特别是在肿瘤和再生医学中，单细胞技术已经显示出巨大的潜力。例如，再生医学通过对干细胞的研究，试图实现从体内细胞分化出新的器官，这可能会彻底改变当前的器官移植和治疗方法。
典型的单细胞测序技术
人工智能加速药物设计
讲座最后讨论了人工智能在药物设计中的应用。通过模拟小分子药物与蛋白质的结合方式，人工智能显著提升了药物筛选的效率，缩短了药物研发的周期，减少了成本，为创新药物的研发开辟了新路径。传统药物研发过程耗时长、成本高，通常需要10年时间和数十亿美元的投入。人工智能可以通过模拟和预测分子结构与靶点蛋白的相互作用，显著加快药物设计的速度，降低研发成本。小分子药物设计是一种常见的药物研发方式，通过计算机模拟小分子与蛋白质的结合模式，研究人员可以筛选出具有潜力的药物分子。这一技术的应用不仅提高了药物发现的效率，还为解决一些疑难疾病提供了新的治疗途径。
总结与展望
讲座总结了人工智能与生物学结合的最新进展，特别是在疾病诊断、药物设计和精准医学中的应用。未来，人工智能与计算生物学的深度融合将为医疗和健康领域带来巨大变革。
整理 排版丨孙源源
校对 | 郭悠然
审核丨王小芳 谢卢芳
