近日，中美兩國在人工智能（AI）驅(qū)動(dòng)的生物科學(xué)研究領(lǐng)域取得了重大突破，標(biāo)志著AI在推動(dòng)科學(xué)進(jìn)步方面邁出了重要一步。

在美國，科技巨頭NVIDIA攜手Arc研究所、斯坦福大學(xué)、加州大學(xué)伯克利分校以及加州大學(xué)舊金山分校，共同推出了Evo2，這是一款開源的AI生物模型。該模型擁有驚人的400億參數(shù)，涵蓋了128,000個(gè)物種的93萬億核苷酸數(shù)據(jù)。Evo2在分子研究、精準(zhǔn)醫(yī)療、藥物開發(fā)以及合成生物學(xué)等領(lǐng)域有望發(fā)揮關(guān)鍵作用。全球的研究人員現(xiàn)在可以通過網(wǎng)絡(luò)界面免費(fèi)訪問其源代碼、訓(xùn)練數(shù)據(jù)和參數(shù)。

與此同時(shí)，在中國，清華大學(xué)人工智能產(chǎn)業(yè)研究院（AIR）與北京水木分子共同發(fā)布了BioMedGPT-R1的升級版，這是一款開源的多模態(tài)生物醫(yī)學(xué)AI模型。新版本在原有BioMedGPT模型的基礎(chǔ)上，融入了DeepSeek R1模型的精髓，擁有170億參數(shù)。在美國醫(yī)學(xué)執(zhí)照考試（USMLE）中，BioMedGPT-R1取得了67.1%的準(zhǔn)確率，接近人類專家的水平。

清華大學(xué)AIR由清華大學(xué)智能科學(xué)系教授、中國工程院外籍院士張亞勤創(chuàng)立。此次發(fā)布的兩款模型，彰顯了AI在科學(xué)（AI4S）研究領(lǐng)域日益增長的重要性，標(biāo)志著AI在推動(dòng)生物和醫(yī)學(xué)研究方面取得了顯著進(jìn)展。

NVIDIA首席執(zhí)行官黃仁勛在2024年GTC大會上強(qiáng)調(diào)了AI在生物科學(xué)研究中的重要性，認(rèn)為這是AI發(fā)展的三大關(guān)鍵方向之一。他表示：“在人類歷史上，生物學(xué)首次有機(jī)會成為工程學(xué)，而不僅僅是科學(xué)?！边@一觀點(diǎn)得到了中國院士王建的呼應(yīng)，他強(qiáng)調(diào)盡管AI還遠(yuǎn)未解決所有科學(xué)問題，但它有潛力通過彌合學(xué)科間的鴻溝來徹底改變科學(xué)研究?！癆I不僅是科學(xué)的工具，更是科學(xué)革命的工具?！彼f。

AI在生物科學(xué)領(lǐng)域的影響力日益顯著，它能夠解決以往難以想象的復(fù)雜問題。例如，AlphaFold等預(yù)測蛋白質(zhì)結(jié)構(gòu)的模型已經(jīng)展示了AI在生物學(xué)領(lǐng)域的潛力。如今，Evo2和BioMedGPT-R1等模型進(jìn)一步推動(dòng)了AI的作用，為探索基因序列、蛋白質(zhì)甚至設(shè)計(jì)新型生物工具提供了新的途徑。

Evo2由Arc研究所的生物工程師帕特里克·徐的團(tuán)隊(duì)開發(fā)，旨在處理編碼和非編碼DNA，其范圍比早期的蛋白質(zhì)預(yù)測模型如AlphaFold更為廣泛。Evo2能夠預(yù)測癌癥相關(guān)基因（如BRCA1）中的基因突變?nèi)绾斡绊懭祟惤】担趨^(qū)分良性突變與潛在有害突變方面實(shí)現(xiàn)了超過90%的準(zhǔn)確率。這為實(shí)現(xiàn)更快、更準(zhǔn)確的遺傳分析，加速藥物開發(fā)和疾病研究開辟了道路。

Evo2處理多基因結(jié)構(gòu)和調(diào)控區(qū)域的能力進(jìn)一步增強(qiáng)了其潛力。雖然AlphaFold專注于蛋白質(zhì)結(jié)構(gòu)，但Evo2將基因組數(shù)據(jù)與表觀基因組學(xué)、蛋白質(zhì)組學(xué)和結(jié)構(gòu)預(yù)測工具相結(jié)合，使其成為遺傳研究的更多功能資源。該模型從訓(xùn)練數(shù)據(jù)中排除了病原體，以解決安全和倫理問題。Evo2能夠設(shè)計(jì)基因修飾、識別突變甚至創(chuàng)造全新的生物系統(tǒng)，預(yù)示著AI在生物技術(shù)創(chuàng)新中將發(fā)揮關(guān)鍵作用。

同一天，清華大學(xué)與水木分子推出了BioMedGPT-R1，這是他們開源生物醫(yī)學(xué)AI模型的升級版。BioMedGPT-R1擁有170億參數(shù)，為生物醫(yī)學(xué)應(yīng)用提供了改進(jìn)的深度推理能力。該模型能夠整合多模態(tài)數(shù)據(jù)（文本和生物數(shù)據(jù)），在藥物發(fā)現(xiàn)和醫(yī)學(xué)推理等任務(wù)中表現(xiàn)出色。在USMLE中取得的準(zhǔn)確率使其躋身人類專家和商業(yè)模型之列。BioMedGPT-R1對藥物分子進(jìn)行深入分析并預(yù)測藥物靶點(diǎn)的能力，使其成為藥物研發(fā)中的寶貴工具。它在生物醫(yī)學(xué)問答任務(wù)中的成功，凸顯了其改變醫(yī)學(xué)研究和診斷方法的潛力。