2023年，可以说是人类文明的AI元年，日新月异的AI产品，给我们带来一轮又一轮的震撼。

但是，相比现阶段眼花缭乱的AI应用，不知道有多少人跟我一样，更加期待的是AI给实体产业带来的改变。

过年前几天，我带着好奇的心情去到苏州，拜访了全球AI制药领域的领军企业，英矽智能Insilico Medicine。

英矽智能的CEO Alex跟我介绍，他们不仅在用AI评估治病的靶点，用AI预测药物的疗效，甚至在用AI直接生成药物分子。

在这个拉脱维亚人眼中，我似乎看到了，一种全新的智能形态将如何改变40亿年进化的产物，以及那个人类终于可以远离疾病的未来。

制药，是世界上最古老的行业之一，哪怕是非洲大草原上的狮子，在消化不良的时候也会自己去找草吃。

同时，制药也是最昂贵的行业，传统药物研发中有一个“双十”定律。它的意思是新药研发平均要耗时10年，花费十数亿美元。而且，还不一定成功。

2022年，英矽智能宣布，他们用AI研发的治疗肺纤维化的药物ISM001-055，从发现靶点到进入临床仅用了18个月，投入260万美元。

根据波士顿咨询 (BCG) 在2022年的一份调查报告，20家AI创业药企正在研发的候选药物有158种。与之相对的，世界上最大的20家医药巨头在研的候选药物也只有333种。要知道，这些AI药企的总市值连后者的零头都比不上。

制药到底为什么这么难？而AI又是有着怎样的魔力，可以如此大幅度地提升制药的效率呢？

作为医药行业的外行，我深入研究了之后，发现这个回答并没有那么简单。因为人类研发新药的旅程，就像是一部没有快进键的长篇大剧，我想只有如实地呈现每一集中的汗水、眼泪和辛酸，大家才能真正体会到这个答案的真意。

01

在无穷无尽的宇宙中，到哪里去找药呢？

几千年前，当徒步于山野间的神农氏望向前方那片郁郁葱葱的森林时，心中想必经常会问询这个问题。

森林中的草药不会开口告诉他疗效。于是神农自己开口，尝遍了百草，用自己的身体试验，然后将效果记录下来，著成了《本草经》。

当然，神农尝百草的故事只是传说，《本草经》更现实的来源是春秋战国诸子百家中的医家和农家。不过，这个故事非常直观地展现了古代中国人寻找药物的方法——以身试药。

换句话说，就是在开盲盒。

但这种盲盒可不兴乱开啊。

是药三分毒。据《淮南子》记载，神农在尝百草时曾“一日而遇七十毒”，但神农他老人家天赋异禀，喝口茶就又活蹦乱跳了。

一般人如果去学神农，无异于是在送人头。但就算是神农这等神人，最终也因为吃下断肠草仙逝了。

用这种方式想要把所有的草药和病症一一对应上，怕是医生会不够用啊。

人们急需普适性的理论，来指导整个找药，用药的过程。

但基于当时人们的认知水平，这套理论往往非常的抽象。

比如今天早上突然降温，下午你开始流鼻涕，身体发热。现在我们知道，这可能是因为细菌感染，也可能是因为病毒感染，但从古人的视角来看，你生病就是因为凉。

那怎么办呢？

在《神农本草经》当中：“药有酸、咸、甘、苦、辛五味，又有寒、热、温、凉四气，及有毒、无毒”。等等属性。

那既然你凉了，不如就吃一点，带有温属性的草药吧。

而在中世纪的欧洲，医生们恪守着古希腊先贤希波克拉底的“四体液”理论，它认为人体由血液、粘液、黄胆和黑胆四种体液组成。

为啥偏偏是这四种体液呢？

古希腊人有一种直觉，那就是世界应该用一种统一的理论去描述，于是人体不仅被视为一个生物学实体，还被认为是宇宙微观的反映。换句话说，每个人都是一个小宇宙。

当时人们对于宇宙的认识可总结为“四元素理论”，它认为宇宙由四种元素组成：土、水、火和气。

相应的人作为小宇宙，也应该由四种元素组成，所以有了“四体液”一说。气对应血液、火对应黄胆、土对应黑胆、水对应粘液。

那人为什么会生病呢？一定是四种元素失去了平衡，对应地放掉一部分体液，让身体重归平衡，自然就会药到病除。

这种黑暗深邃的幻想，笼罩欧洲长达千年，最终发展出离谱他妈给离谱开门，离谱到家了的：放血疗法。

莫扎特、拿破仑、笛卡尔、拜伦、路易十五、英国国王查理二世、美国国父华盛顿等等大佬，全是死于放血疗法之下。

放血的具体方式也充分体现了欧洲人民的创造力，有用刀切开血管放血的，有用水蛭吸血的。病人头痛了就把水蛭放太阳穴上，胃痛就放肚子上，女病人痛经，直接放进去。

如果要在体内放水蛭，后庭常常是入口，医生给水蛭穿上线，然后将其放在一根带凹槽的金属棒中送进去，待水蛭吸饱后再用绳子拉出来。

放血疗法治百病，哪里不好吸哪里。

那既然我们知道有四种体液，光放血显然是不够的，另外值得一提的疗法还包括：催吐、灌肠、开颅，以及离谱他奶奶给离谱开门的，汞疗法，也就是水银疗法。

15世纪后，哥伦布的水手们跨越大西洋，将发现新大陆的消息与梅毒一块儿被带回了欧洲。

人在得了梅毒后，身体上长出大片疱疹和溃疡，然后溃疡面开始腐烂。严重的溃疡甚至导致骨骼坏死。

16世纪后，梅毒在欧洲已经大面积泛滥了。于是欧洲人开始启用黑科技：汞。

汞在当时是正是排黑胆的一种药物，患者服下就会跑厕所，排出的粪便是黑色，同时人还会不停流口水。

我们现在知道这其实就是汞中毒。但当时的人们认为这些黑色的物质是黑胆携带毒素从体内排出的表现，排出后体液就恢复了平衡。

对于梅毒这种“皮肤病”，医生不满足内服，开始搞出各种奇奇怪怪的疗法来：

汞按摩，把汞涂抹在患处按摩；汞桑拿，患者进入一个满是汞蒸气的木箱内蒸；以及当时风靡各大药店的抗梅毒汞内裤，说到这种几百年前的事为什么总有一种莫名的似曾相识的感觉。

在当时的欧洲盛传着一句谚语：one night with Venus, a lifetime with Mercury（一夜风流，终生伴汞）。可见汞疗法就如同现在的艾滋病紧急阻断药一般深入人心。

经过汞疗后，患者的患处会有所缓解，确实“汞固健康”了。不过汞疗法的副作用很大，包括掉牙、身体麻痹等等等等，在经过汞治疗后，患者一般至少需要住院五周才能把身体调理到出院水平。

为什么长久以来在医药领域，这样的离谱现象不胜枚举？

归根结底，阴阳五行理论，四元素理论，还有印度人的三能量理论，古巴比伦人的占星术，这些形而上的哲学理论，跟治病救人这件事根本就不搭噶呀。

用物理学家泡利的话来说就是，not even wrong。（甚至不能说是错的）

所谓治病救人，其实无非是三个问题。

病是什么？药是什么？药是如何治病的？

三个问题如同三顶皇冠。摘下任何一顶，都会对制药带来巨大突破。

但这对于科学革命之前的古人来说，实在太遥远了。

当近代化学兴起，科学重塑人类对世界的认识，一切即将发生天翻地覆的变化。

02

1661年，英国科学家罗伯特·波义耳发表了《怀疑派化学家》，对“四元素”说提出质疑，他认为元素是一类没有任何掺杂物的事物，且不可能只有四种。

这篇文章被认为是化学从炼金学中脱离，成为科学的开始。而波义耳也被认为是第一位化学家。

100多年后，法国化学家拉瓦锡制造出纯氧气，并以此重新定义了元素：元素是任何方法都不能分解的物质。

自此，今天我们在课本中学到的化学元素的概念出现，四元素论被推翻。

人们开始意识到，世界上的事物都是由一种或多种元素组成，水是由氢氧两种元素组成，火是燃烧过程中的氧化反应，气和土则是由多种多样的元素组成。

英国化学家道尔顿在1803年提出了化学界的革命理论“原子论”，他认为元素由不可分的原子组成，每种元素都有自己独有的原子，不同元素的原子结合起来，就形成了化合物。

如果世界上各种物质的本质是化合物，那么药物就是一种或多种化合物。

如果一种药物能治病，那说到底就是这种化合物能治病，那还等什么，我们把它找出来不就行了？

人们开始利用各种方法提取药物中的有效化合物。

比如水杨酸。

早在古希腊，西医始祖希波克拉底将柳树皮研磨成粉，用来缓解病人的疼痛和发烧。

1828年，慕尼黑大学药理学家Johann Buchner通过溶解、蒸发、结晶等从柳树中提取出了黄色物质，他将其命名为水杨苷（salicina）。这正是经典止痛退烧药阿司匹林以及刷酸用的水杨酸的前身。

这种方法通过化学反应将草药中的不同成分分开，再通过蒸发结晶等方法纯化，最终提取到有效物质。简单说，就是分离+提纯。

很多时候，一种药物感觉有点用，又没有那么有用，本质上是因为你吃的量不够，或者说你吃的那一大堆药里面，真正有效成分的纯度不够。

另外，很多草药的副作用来自于草药当中跟有效成分不沾边的物质。

这些问题都通过分离+提纯得到了解决。

更进一步，阿司匹林1897年被用化学方法人工合成，磺胺类抗生素在1935年被人工合成，人类摆脱了对自然界草药的依赖，可以大规模批量生产药物了。

“药是什么？”人类在这个问题上取得了突破。

那“病是什么？”“药物是如何治病的？”呢？

一位德国化学家埃尔利希思考的事情，蕴藏着这两个问题的答案。

有没有一种化合物，它能像完美的特种兵一样精准打击恐怖分子，而且不光不伤及无辜，连一般平民的日常生活都不影响呢？

他把这样的化合物称为“魔术子弹”，这个名字来源于当时一个非常流行的歌剧《魔弹射手》，剧中年轻猎人Max为了赢得新娘Agathe与恶魔结下契约，使用了一种想射哪儿就必然会命中的魔术子弹。

埃尔利希的一生都试图找这种神奇的化合物，终于在1910年，他实现了自己的梦想。

03

19世纪，人类对“病是什么”的认知终于被科学的火焰照亮。

细菌，这个早在200年前就被列文虎克用显微镜观测到的微生物，虽然人们常在伤口或其他组织中发现它的踪影，但在当时的普遍认知中，细菌这种低等生物就像茅坑生蛆，只是病态的表现，而非致病的原因。

但普鲁士医生罗伯特·科赫通过将隔离培养，没有接触过任何动物的炭疽菌仍会导致炭疽热的实验证明了细菌同样是致病因素。

因此，找到能消灭的细菌的化合物就成了药物研发的关键。

什么样的化合物能精准地消灭细菌呢？没人知道答案，但在当时，埃尔利希发现有些化合物能精准地与细菌“贴贴”。

这些化合物是各种各样的染料，比如甲基蓝（methylene blue）就只给神经轴突染色。

为什么这些染料能只给特定细胞染色呢？

埃尔利希推测，这些染料化合物与对应的细胞之间一定存在某种能够像拼图一样相互结合的生理结构。

并且，既然有专门“贴贴”的化合物，那一定也存在专门“狙击”的化合物。

“Corpora non agunt nisi fixate，药物不结合就不会生效”。这一信条自此贯穿了埃尔利希的整个学术生涯。

他开创了一种研发药物的方法，这套方法沿用至今。

第一步，就是要海选出一种，能跟病原体结合的化合物，虽然这一步具体怎么结合的生理过程埃尔利希并不知道，但好在当时的德国，化学染料工业正万物竞发，每天都有新的有机化合物被发明出来，埃尔利希能找到充足的候选人参加海选。

关键在于第二步，改良化合物。根据德国化学家李比希的有机基团理论，有机化合物可以通过改变部分基团的方式去保留一部分性质，同时修改一部分性质，于是埃尔利希可以通过一系列的化学实验来给化合物替换各种各样的基团，不断地微调，逐一地实验。

最后，当然就是选出效果最好，副作用最小的那种，魔术子弹。

在1904年到1908年间，埃尔利希和他的助手前前后后试了600多种化合物，先喂给感染梅毒的兔子，再喂给感染梅毒的人，最后终于找到了效果最好，副作用最小的编号为606的砷凡纳明。

1910年，606以萨尔弗散（Salvarsan）的名字上市，成为人类第一款的化学合成药物。它的出现使五年内欧洲的梅毒减少到一半，也标志着现代化学疗法时代的到来。埃尔利希因此得名 “化疗之父” 。

至此，人类找到了对于“药是什么”，“病是什么”，“药怎么治病”这组问题的第一版完整解答，青霉素、甲硝唑、普利诺洛尔、青蒿素，一系列化学合成药物在短时间内雨后春笋，喷薄而出，到了20世纪40年代，肺结核、高血压、疟疾等等困扰人类百万年的疾病，相继被攻克。

但这远远不是历史的终点。

04

时间拨到20世纪下半叶，此时隔壁的数学家们刚开始给一个名叫计算机的新玩意儿写代码，生物学家们则找到了一切生命的代码：DNA。

自1953年的那篇Nature论文开始，从DNA到RNA、蛋白质、氨基酸、ATP等等，这些出现在中学生物课本上的知识就像一扇扇门一样被打开，门后那如同原子世界般精确运转的生命规律呈现在人类面前，分子生物学由此奠基。

后来人类基因组计划的完成更是将所有人体运转的密码都摆在太阳底下，人类开始触及到一切生命现象的本质。

细胞是一切生命活动的基本单位，蛋白质则是一切生命活动的承载者，催化反应的酶是它，进出细胞的通道是它，消灭异类的抗体等等都是它。换句话说，没有蛋白质不参与的生命活动。

而蛋白质的生成完全是按照DNA中记录的遗传信息进行的。DNA转录成RNA，RNA翻译成一条由不同氨基酸组成的多肽链，多肽链不断折叠后最终形成蛋白质。

如果大家还没把知识还给生物老师的话，应该会记得这个过程叫做基因表达，遵从着DNA中心法则。

这对于我们进一步回答那三个的重要的问题有什么启发呢？

既然我们的生命过程是由DNA到RNA到蛋白质的这个过程控制的，那病是不是生命过程啊？

因此所有的病，要么是我们自身的DNA到RNA到蛋白质的这个过程，出现了一些错误，要么是外界的因素，破坏了这个过程。

而药，就是要修复这个过程，或者阻止外部因素对这个过程的破坏。

那些能够影响这一过程的点位，被称为靶点，它可以是蛋白质，也可以是RNA、DNA。

比如与治疗肺癌、肝癌等癌症相关的PD-1靶点（programmed cell death protein 1）。这是T细胞表面的一种蛋白质受体。

T细胞是免疫系统中的“巡警”，消灭人体中的细菌、病毒和肿瘤细胞。但T细胞同样可以杀死正常细胞，所以它需要精准地找到病原体。

怎么做到呢？

正常细胞通过表达PDL1蛋白，与PD-1靶点结合，让T细胞知道它是“好人”，但有一些狡猾癌细胞也学会了这招。

所以我们就可以针对PD-1这个靶点，开发药物阻断这些肿瘤细胞产生的PDL1与T细胞的PD-1靶点结合，从而使T细胞消灭它们来治疗癌症。

再比如说，最近极其火热的减肥药物，思美格鲁肽的靶点GLP-1。

GLP-1 是一种人体产生的胰高血糖素样肽，与细胞上的GLP-1受体结合后，能减慢胃排空速度，延长饱腹感来控制食欲。

但人自身分泌的GLP-1半衰期只有不到2分钟，所以科学家对GLP-1做了结构修饰，使其与受体能长久地发挥作用，这就是思美格鲁肽。

不吃东西也有饱腹感，自然就减肥了。

靶点理论的出现彻底改变了药物的研发，人类不再需要漫无目的地什么都来试一遍了。研发药物的目标变得非常明确：找到那个靶点，然后根据它的化学结构去设计相应的化合物。

如果神农再世，想必他会茅塞顿开：原来答案不在山林野草，而就在自己这副血肉之躯里藏着。

这是现代药物研发的全流程：

第一部分：疾病假说以及靶点识别，也就是找靶。

这部分大体上有两种思路，一种我称之为“自下而上”式，从出问题的地方开始，比如某种蛋白质折叠错误，然后顺着与这个蛋白质相关的生理活动顺藤摸瓜，找到最终的病因；另一种我称之为“自上而下”式。直接从源头找问题，所谓源头也就是基因，在庞大的基因组里找相关的突变片段。PD-1正是这种方式里找到的。

第二部分，针对特定的靶点，通过大量的合成和筛选，找出那种最有潜力的化合物。这步的思路跟100年前的埃尔利希是一样的，区别在于实验的方法。既然我们知道了病本质是蛋白质的问题，RNA的问题，DNA的问题，那就不必一开始就拿动物做实验了，而是可以从分子或者细胞层面进行实验，也就是说，可以拿烧杯水管培养皿，大规模自动化地做试验了。

是时候给制药行业一点小小的工业革命震撼了。

这就是效率至上的高通量筛选技术。

它的实验对象，是放在试管里的分子或细胞，每一管都在做不同的实验。而它用的微板上有上百个试管，相当于一次性能做上百个实验。效率值+1。

而整个实验过程，都是在自动化系统的控制下进行的。也就是说，什么时候，哪些试管，要注入什么试剂，全程自动化。效率值再+1。

然后实验数据的检测、采集、分析，同样不需要人亲自去显微镜下观察，系统直接给你生成一个报告，人坐在电脑前看数据写报告就完事儿了。效率值再+1。

在这三层buff加持下，高通量筛选的效率变得相当可观。

根据英国学者Alan D.研究显示，到了1999年，顶级高通量筛选实验室，每天的筛选量就能达到10万种化合物，5年做了600种化合物的埃尔利希不禁泪流满面。

剩下的第三部分，就是人体临床试验了。

21世纪初，高通量筛选在药物研发中越来越重要，在诺华、惠氏、赛诺菲-安万特等制药公司中，到了2009年，化合物修饰中使用比例已高达84%，且筛选规模也连年上涨。

一些重要的药物也相继被研发出来：治疗癌症的吉非替尼、厄洛替尼、索拉非尼，治疗艾滋病的替拉那韦、治疗糖尿病的西他列汀等等，这些药物从研发到通过FDA审批，平均只花13.5年，最少的西他列汀更是只花了6年！

这效率，我奶奶都说好。

05

病是蛋白质承载的生命过程发生错误或者受到干扰，药是能影响这些过程的化合物，而治病的过程就是药发生影响的过程。这个第二版的理解，指导人类把找药的效率推到了极致。

随着最终的真相越来越接近，人们开始意识到，我们需要一种新的智慧，它将解决药物研发最头疼的问题，完成人类永远无法完成的伟业。

据《Nature》的相关报道，在美国研发一种新药，从项目启动到被FDA批准上市，平均需要花费10-15年的时间，研发成本约为26亿美元。

如《我不是药神》中治白血病的格列卫，诺华公司从1988年开始研制，历经13年，直到2001年5月才上市。

虽然相比于梅毒花了数百年才成药已经是吹气灭火与消防队灭火的进步了，但药的研发时间的累积不应是以秒以时以天为单位，而是以生命来度量。当被医生告知无药可用时，不知道有多少人希望下一秒就能有一款新药出来拯救他们。

然后，我看到了这样几条新闻：

一家英国的AI药物研发公司Exscientia，通过自动进行设计并确定合成的优先级，使药物发现时间缩短为12个月。

另一家AI药物研发公司英矽智能研发的治疗肺纤维化的药物INS018_055，从发现靶点到进入临床仅用了18个月，投入260万美元。

要知道，传统制药的研发周期从发现靶点到投入临床，是在5年左右的，AI的加入使其缩短了一倍都不止。

这又是怎么回事呢？

我们一个一个环节来说，先说靶点。

比如说我现在想开发一种治疗克罗恩病的药。

克罗恩病是一种非常严重的消化道疾病，通常表现为消化道胃啊肠啊反复不停地发炎，然后病人就没法吸收营养了，人瘦得不成样子。在克罗恩病的高发地区，每千人当中有三人患病，还是比较多的。

那么自然对这种病靶点研究也是汗牛充栋，那在这么多的靶点当中，要选取哪个去制药呢？论文太多了，根本就看不过来啊。

好在AI不怕数据多呀，我们可以用AI去通览这些靶点。

这里的AI就像一个全能的产品经理，脑子里装着所有制药所需的知识。它知道每一种病对应的靶点，每一个靶点对应的研发药物，每一个靶点对应的生理过程。

同时，他还能做极其详尽的竞品分析，从学术、经济等多个方面告诉制药人，在众多靶点中应该选择哪个去制药。

那假设我们选定了AI推荐的靶点，下一步就是去看分子库里的分子，是否能跟它有效地结合。这一步可以用另一种AI去预测。

分子能否结合，就是分子间发生作用，也就是它里面的原子运动之后，能否稳定在结合的状态，而这种运动是可以用量子力学计算的。

一种物质的全体原子的受力综合起来，就得到了这样的曲面：力场。

高度代表能量，原子会沿着曲面向低处落，全体原子就这样运动。

但很麻烦的一点来了，原子一动，受力立马就改变，力场也随之改变。这样就得重新计算力场。

如此往复，这个过程就叫分子动力学。

相信大家一听就能感受到这个算起来有多麻烦了。给个数据感受一下：2019年，一台超级计算机用一天能模拟一万个原子在十万亿分之一秒内的运动。

计算力场之所以如此艰难，最大的原因不在于时间长短，而在于规模。原子规模扩大10倍，计算难度就增加1000倍。

但AI入场后，情况就好起来了。

怎么回事儿呢？我们先用传统方法进行少量计算，然后让这些结果来训练AI，然后让AI直接拟合出其余部分，这种方法能大幅降低计算量，之前一天能模拟十万亿分之一秒内一万个原子的运动，现在能模拟一亿个原子。

这就叫量子物理计算。

经过AI计算之后，我们就可以排除那些明显不可能结合的分子，能排除掉多少呢，目前的技术大概能排除90%，也就是就把高通量筛选的成本和时间省下来90%，非常炸裂。

但这还不是最关键的，真正的神奇的地方在于，AI可以自己生成我们之前没有见过的药物分子。

我们以大分子药物也就是蛋白质为例。

我们都知道，在细胞当中，蛋白质是在DNA的操控之下，以信使RNA为模板，20种氨基酸，一个一个接起来，然后折叠生成的，然后会呈现出不同的性质，不同的功能。

而大家最熟悉的AI，ChatGPT，是在一段文字之后，不停地接下一个单词，从而形成一整段的文字。只要我们在考虑下一个单词接什么的时候，考虑的维度也就是参数够多，当它达到1750亿个参数（ChatGPT3.5）的时候，似乎它接龙出来的那段话，不仅十分通顺，还可以呈现出丰富的知识，很高的逻辑性和情商，跟用户对答如流。

那么同样的操作，能否应用于蛋白质的生成呢？

再换一个角度来思考的话，人类理解问题的时候，往往是进行高屋建瓴的抽象，比如我们写文章的时候，会列个提纲，会先把最后一段写什么，中间每段些什么，再开始动笔写第一个字。正如以前，人类在手动设计蛋白质的时候，会根据过往的经验，这一段序列意味着什么，再分段组装。

但很多时候，一些看似简单的问题，用高屋建瓴的抽象，并没有办法得出明确的规律。比如人是怎么走路的，话是怎么说圆的，蛋白质是怎么呈现出特定的性质的。

对于Transformer模型为代表的AI来说，它不需要这种高屋建瓴的设计，那些宏观上看似非常复杂的秩序，是可以从类似单词接龙这种小操作的大量叠加涌现出来的。这是一种与我们习惯的，完全不同的理解世界的方式。

就好比在著名的生命游戏当中，我们看到的横向移动移动飞船，不停发射炮弹的炮台，都只是这些遵循简单规则的小方块叠加之后涌现的产物。

这种涌现的规律，能否用于蛋白质的生成呢？

答案是可以的。

2023年，来自斯坦福大学的研究者受到GPT-3的启发，使用各大蛋白质数据库19000个家族、2.81亿种不同蛋白质对应的氨基酸序列训练了AI模型ProGen。

他们随后使用ProGen生成100万种蛋白质，在其中按杀菌潜力选取了100种进行实验。结果这100个蛋白质中，有66个可以杀死细菌，有2个杀菌能力和蛋白溶菌酶不相上下。更牛的是，这2个蛋白质对应的氨基酸序列的相似度只有18%。

这就好比用南辕北辙的两种思路证明了哥德巴赫猜想，人脑基本不可能做到。把不可能变成可能，就是AI给大分子药带来的变化。

06

“21世纪是生物学的世纪”，这句话不假。《麻省理工评论》评选出过去20年历200项全球突破性技术中，与生命科学相关的研究多达52项。

但是在“四大天坑”的影响下，这句话逐渐成了笑谈。那如果说“21世纪是AI加生物学的世纪”呢？我相信更多的人都会认同。

在与英矽智能的CEO Alex交谈过程中，他提到一个非常有意思的东西。他最希望借助AI去研究的疾病，是衰老。

不是每个人都会得癌症，也不是每个人都会得克罗恩病，但是地球上80亿人，无时无刻不在经历着衰老。

衰老，是人类最常见的疾病，并且与衰老伴随的DNA，RNA，蛋白质的变化，还直接间接引发了大量其他疾病，对于一个治病的AI来说，衰老是最大的学习语料库。

过去，我们无法去应对衰老，因为我们还没有领悟生命的秘密。

在过去500年中，我们知道了药物本质是分子，药物治病需要结合，和病也是生命的过程，准寻DNA中心法则，但是从我们身体当中无数细胞无数蛋白质的DNA中心法则，到宏观的生命现象，这个涌现的过程，我们没有任何的工具可以去操作它。

现在我们有了AI。

让我们破解生命的秘密，至少我们应该试一试。