作甚AI？作甚合成生物学？

人工智能（Artificial Intelligence，AI）是研究、开拓用于仿照、延伸和扩展人的智能的理论、方法、技能及运用系统的一门新的技能科学，是一个总括术语，包含了打算机科学的几个不同运用，大体上可以分为三类运用程序：

(ⅰ) 机器学习（Machine Learning），紧张表现为通过程序员设置的算法来剖析已知特定结果的数据的监督学习、通过算法剖析未知结果的数据的剖析以及测评算法本身的准确性的强化学习的三种形式；

(ⅱ) 深度学习（Deep Learning），是一种“人工神经网络”，紧张表现为模拟人脑处理信息和做出决策，识别已知或未知的信息；

(ⅲ) 认知打算（Cognitive Computing），代表一种全新的打算模式，包含信息剖析、自然措辞处理和机器学习领域的技能创新，能够以更加自然的办法与人们进行交互。

以一部智好手机为例，它是一款AI产品，能通过算法剖析你平时浏览的信息数据，并在你下一次利用时向你推举干系类似的信息，这是一种机器学习的表现；平时利用的指纹解锁、脸部识别是智好手机的多种功能之一，而这种功能便是利用深度学习所表达出来的一种结果；除了识别外，语音助手也是智好手机的一类特色，如Siri、小爱同学等，都可以让利用者可以更自然地与手机进行互动，这便是认知打算的一种结果。
与智好手机同理，将AI与合成生物学结合，能够创造出更多具有代价的产品。

合成生物学（Synthetic Biology）便是以人工手段制造生物系统——人工生物系统，从最基本的要素开始一步步建立零部件，末了让它们像电路一样运行。
合成生物学的紧张研究内容分为三个层次：

(ⅰ) 是利用现有的天然生物模块构建新的调控网络并表现出新功能；

(ⅱ) 是采取从头合成方法人工合成基因组DNA；

(ⅲ) 是人工创建全新的生物系统乃至生命体。

基因测序、基因合成以及基因编辑技能的加速发展为合成生物学领域的研究奠定了坚实的根本；而打算机、大数据、前辈制造及自动化等AI技能为合成生物学的运用插上了腾飞的翅膀。

AI与合成生物学结合的趋势加倍明显

随着AI和大数据时期的到来，深度学习技能在繁芜工具的特色表征、多模态领悟、样本自动天生等问题中表现出独特的上风，为生物分子的设计供应了新的可能。

今年2月，澳大利亚研究职员在《EMBO Reports》期刊发文指出生命科学与信息科学领悟产生的未来场景，可被看作生物信息的未来，提出了却合合成生物学及AI领域的生物铸造厂（Biofoundries）的观点，个中包含了五项内容：

(ⅰ) 弹性社会（Resilient Societies），即加强伦理、公道和原谅的社会创新组成；

(ⅱ) 康健人群（Healthy People），即关注康健结果、综合保健与康健的研究；

(ⅲ) 安全星球（Secure Planet），即坚持人们相互依存的天下，并探索人们在宇宙中的位置；

(ⅳ) 繁荣经济（Prosperous Economies），即以可持续办法提高经济生产力并促进繁荣的能力；

(ⅴ) 创新技能（Innovative Technologies），即合成生物学和人工智能进一步发展的技能、系统、设计和实践等。

今年5月，国际学术期刊《Nucleic acids research》在线揭橥了清华大学汪个人副教授课题组的研究论文《基于深度天生式模型的大肠杆菌合成启动子设计》。
该研究首次采取人工智能方法设计产生全新的基因启动子，为生物调控元件的设计和优化供应了崭新的手段。

天下年夜将AI与合成生物学结合的运用还有很多，根据Simon Smith于BenchSci博客上揭橥的帖子可知，目前至少有230家在药物研发中利用AI的初创企业，他们利用AI在合成生物学领域进行不断地考试测验：有些企业通过AI网络干系合成生物学数据、提取文献资料中的因果联系，以此来剖析、评估研究的发展方向、重点产品等，如Elucidata Corporation、Causaly、Biorelate等；还有些企业通过AI对疾病模型进行化合物测试，并以此来筛选有效的药物，如Recursion Pharmaceuticals、Pharnext、Lantern Pharma等；但更多的企业是将AI用于基因组的创新创造，以此来开拓更多全新的化合物，如Atomwise，这是第一家将机器学习运用于药物设计和创造的企业，其首席实行官AbrahamHeifets博士提到Atomwise的算法可以虚拟筛选的小分子化合物的数量险些没有限定，他们已经筛选了120亿个分子，大多是自然界中未曾存在过的，Heifets博士断言，这些理论化合物的可用性正在迅速增加，在将来一定能够发挥出较好的效用。

将AI与合成生物学结合存在的难点

不论是AI还是合成生物学都还处于发展阶段，并不是两个非常成熟的领域，因此这可能会导致二者之间的深度联系较难被发掘，乃至还可能影响到本身的发展。

将AI与合成生物学结合须要大量的数据支持，包括各种研究信息、文献资料等，单从数据结合这一方面考虑，就可以感想熏染到工程量的巨大，更何况很多的数据信息属于商业机密亦或是专利保护的范围，很难通过合理的路子将数据信息结合。

AI本身的算法严谨与否也影响着AI与合成生物学的结合成果，若是不足严谨，就会导致AI导出结果的可信度降落，那么利用其去促进合成生物学发展的构思也就失落去了意义。

因此，在重视AI及合成生物学本身发展的同时，还要把稳二者结合中存在的不敷之处，努力将其改进，才能更好地利用两者的结合成果。

结语

虽然AI与合成生物学的结合仍旧存在较为棘手的难点，但是从目前对它的研究可以看出在将来这样的系统也容许以在细胞内事情，帮助回答生物问题或是诊断疾病。
如果一个生化过程能够对其它分子的存在做出智能相应，它将会许可研究职员制造出日益繁芜的化学物质，或者搭建出新的分子构造。
同时分开科技运用的理念，这些系统的设计也可以让我们间接认识到思维的进化过程。

参考资料：

1.https://blog.benchsci.com/startups-using-artificial-intelligence-in-drug-discovery

2.Jd R E W , Jd G H J , Jd A B S . Artificial Intelligence in Biotechnology: A Framework for Commercialization 1[J]. Biotechnology Entrepreneurship (Second Edition), 2020:419-427.

3.Oliveira A L . Biotechnology, Big Data and Artificial Intelligence[J]. Biotechnology Journal, 2019.

封面：源自网络图片的裁剪组合

（文章内容译自上述参考资料，同时对其内容进行了一定的简化、补充，若有不敷之处，欢迎示正）