2021年，人工智能登上了各大新聞的頭條：Nature，Science分別發(fā)文，報道了能精準預測蛋白結構的AI模型，同時年底，Science也將AlphaFold評為年度突破之首。在2022年，各種人工智能AI技術接踵而來：DeepMind計劃發(fā)布總數(shù)超過2億的結構預測，這幾乎是所有已知蛋白質的一半數(shù)量；科學家首次將人工智能領域的元學習方法引入神經(jīng)科學及醫(yī)療領域；人工智能助力時間分辨冷凍電鏡發(fā)現(xiàn)重大藥物靶點動力學調控機制；利用AI識別癌細胞，識別心臟病并發(fā)癥患者，給乳腺癌分類……甚至有科學家指出人工智能就是生命科學研究的“拐點”，未來將能利用人工智能取代多種繁重的重復實驗，帶來科學研究的新時代。

這讓人聽起來像是科幻小說的情節(jié)，但人工智能的作用越來越滲入生命科學研究是不可否認的事實，盤點2022讓人印象深刻的AI助力科研：

AlphaFold和AI蛋白質折疊革命的下一步是什么？

在2021年7月，總部位于倫敦的DeepMind公司（隸屬于谷歌母公司Alphabet）公開了一個名為AlphaFold2的人工智能（AI）工具。該軟件可以從蛋白質的基因序列中預測其三維結構，其結果在大多數(shù)情況下都是精確的。

2022年，DeepMind計劃發(fā)布總數(shù)超過2億的結構預測。這幾乎是所有已知蛋白質的一半數(shù)量：比蛋白質數(shù)據(jù)庫（PDB）結構庫中實驗確定的蛋白質數(shù)量多出數(shù)百倍。

AlphaFold也部署了深度學習神經(jīng)網(wǎng)絡：計算架構的靈感來自于大腦的神經(jīng)線路，以辨別數(shù)據(jù)的種類。它已經(jīng)在PDB和其他數(shù)據(jù)庫中的數(shù)十萬個實驗確定的蛋白質結構和序列上進行了訓練。

同時，另一個科技巨頭正在填補蛋白質宇宙中的暗物質。Meta公司（前身為Facebook）的研究人員使用人工智能預測了約6億個蛋白質的結構，這些蛋白質來自細菌、病毒和其他尚未被表征的微生物。相關研究11月1日發(fā)表于預印本網(wǎng)站BioRxiv。

Meta團隊總共預測了超過6.17億個蛋白質的結構，這項工作只花了兩周時間。在這6.17億個預測中，該模型認為超過1/3的預測是高質量的，因此研究人員可以確信蛋白質的整體形狀是正確的，在某些情況下，模型可以識別更精細的原子級細節(jié)。值得一提的是，其中數(shù)以百萬計的結構都是全新的，與實驗確定的蛋白質結構數(shù)據(jù)庫，或從已知生物體預測的AlphaFold數(shù)據(jù)庫中的結構都不同。

在某些情況下，人工智能為科學家們節(jié)省了時間；在其他情況下，它使以前無法想象或極不現(xiàn)實的研究成為可能。盡管它有局限性，一些科學家發(fā)現(xiàn)它的預測對他們的工作來說太不可靠。但是，它的崛起和實驗的進展已不可阻擋。

Nature新解讀，AlphaFold和AI蛋白質折疊革命的下一步是什么？

Deep Mind遇上對手，Meta AI預測6億蛋白質結構

人工智能領域的元學習方法引入神經(jīng)科學及醫(yī)療領域

5月，一項技術成果在神經(jīng)生物學頂級期刊《自然·神經(jīng)科學》上發(fā)布。這項研究首次將人工智能領域的元學習方法引入神經(jīng)科學及醫(yī)療領域，能在有限的醫(yī)療數(shù)據(jù)上訓練可靠的AI模型，提升基于腦成像的精準醫(yī)療效果。

這一新方法已經(jīng)在英國生物銀行和人類連接組計劃的數(shù)據(jù)集上完成了測評，測評結果顯示，新方法相較于傳統(tǒng)方法體現(xiàn)出更高的準確率。實驗顯示，這項新的訓練框架非常靈活，可以與任何機器學習算法相結合，在小規(guī)模的數(shù)據(jù)集上，也可以有效地訓練泛化性能好的AI預測模型。

科學家首次將AI元學習引入神經(jīng)科學

預測糖尿病并發(fā)癥高?；颊?/strong>

休斯頓大學蒂爾曼J.費爾蒂塔醫(yī)學院的研究人員正在開發(fā)一種臨床決策支持系統(tǒng)，該系統(tǒng)使用深度學習來預測哪些患者更有可能出現(xiàn)并發(fā)癥。

AI系統(tǒng)預測糖尿病并發(fā)癥高?；颊?/p>

研究顯示，人工智能可能改善糖尿病診斷 

科學家開發(fā)了一種利用人工智能預測糖尿病患者12小時發(fā)病的方法 

準確的乳腺密度分類

一項新的研究表明，一種人工智能(AI)工具可以準確且一致地對乳房x光片上的乳腺密度進行分類。

AI提供準確的乳腺密度分類

基于AI的新型蛋白-小分子打分方法

研究人員提出了一種用于機器學習打分函數(shù)訓練和測試的無偏數(shù)據(jù)集構建新方法。該方法引入四種技巧來消除隱藏偏差，給定特定靶標的活性分子，基于條件分子生成和分子對接，可以基于已知的活性分子高效地生成相應的負樣本（decoys），為機器學習打分函數(shù)的訓練和測評提供了無偏的數(shù)據(jù)集。

Journal of Medicinal Chemistry：基于AI的新型蛋白-小分子打分方法

人工智能助力時間分辨冷凍電鏡發(fā)現(xiàn)重大藥物靶點動力學調控機制

今年4月，北京大學國家生物醫(yī)學成像科學中心、北大-清華生命科學聯(lián)合中心、北大定量生物學中心毛有東團隊在國際頂級學術期刊《自然》雜志發(fā)表研究論文，報道了利用自主研發(fā)的深度學習高精度四維重建技術，發(fā)展并應用時間分辨冷凍電鏡，闡明原子水平人源蛋白酶體動力學調控和構象重編程機制的突破性科學發(fā)現(xiàn)。這是國際上首次將人工智能四維重建技術用于大幅提升時間分辨冷凍電鏡分析精度，針對重大疾病靶標復合體，實現(xiàn)原子水平動力學觀測的國際領先原創(chuàng)一流成果，展示了一類新型的蛋白質復合動力學研究范式。

北京大學Nature發(fā)表突破性研究成果：人工智能助力時間分辨冷凍電鏡發(fā)現(xiàn)重大藥物靶點動力學調控機制

檢測胰腺癌的早期跡象

Cedars Sinai研究人員開發(fā)的一種人工智能（AI）工具根據(jù)他們在被診斷為胰腺癌前幾年的CT掃描圖像準確預測了誰會患胰腺癌。

人工智能可以檢測出胰腺癌的早期跡象

代謝組聯(lián)合人工智能肺癌早期檢測新方法 

人工智能和機器學習在癌癥診斷和治療方面顯示出前景

Genome Biology：人工智能識別癌細胞

新型人工智能血液檢測可檢測肝癌

心臟疾病

猶他大學健康學院的科學家們首次證明，人工智能可以更好地預測心血管疾病的發(fā)病和病程。研究人員與山間初級兒童醫(yī)院的醫(yī)生合作，開發(fā)了獨特的計算工具，以精確測量現(xiàn)有醫(yī)療條件對心臟和血管的協(xié)同效應。

PLOS Digital Health：人工智能識別出有心臟病并發(fā)癥風險的個體

通過人工智能促進心臟健康

新的人工智能工具可以檢測到經(jīng)常被忽視的心臟病 

眼部疾病

來自美國國家眼科研究所(NEI)的科學家發(fā)現(xiàn)了視網(wǎng)膜色素上皮(RPE)的五個亞群，RPE是滋養(yǎng)和支持視網(wǎng)膜感光細胞的一層組織。利用人工智能，研究人員分析了單細胞分辨率下的RPE圖像，以創(chuàng)建一個參考地圖，定位眼睛內的每個亞群。這項研究的報告于2022年5月6日發(fā)表在《美國國家科學院院刊》上。

用人工智能治療致盲性眼病 

更多疾病

利用人工智能改善結核病治療 

人工智能使唐氏綜合癥的早期無創(chuàng)、準確篩查成為可能

人工智能有助于檢測步態(tài)變化和診斷帕金森氏癥