2021年，人工智能登上了各大新聞的頭條：Nature，Science分別發文，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計劃發布總數超過2億的結構預測，這幾乎是所有已知蛋白質的一半數量；科學家首次將人工智能領域的元學習方法引入神經科學及醫療領域；人工智能助力時間分辨冷凍電鏡發現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，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，其結果在大多數情況下都是精確的。

2022年，DeepMind計劃發布總數超過2億的結構預測。這幾乎是所有已知蛋白質的一半數量：比蛋白質數據庫（PDB）結構庫中實驗確定的蛋白質數量多出數百倍。

AlphaFold也部署了深度學習神經網絡：計算架構的靈感來自于大腦的神經線路，以辨別數據的種類。它已經在PDB和其他數據庫中的數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日發表于預印本網站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。值得一提的是，其中數以百萬計的結構都是全新的，與實驗確定的蛋白質結構數據庫，或從已知生物體預測的AlphaFold數據庫中的結構都不同。

在某些情況下，人工智能為科學家們節省了時間；在其他情況下，它使以前無法想象或極不現實的研究成為可能。盡管它有局限性，一些科學家發現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科學及醫療領域

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

這一新方法已經在英國生物銀行和人類連接組計劃的數據集上完成了測評，測評結果顯示，新方法相較于傳統方法體現出更高的準確率。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，在小規模的數據集上，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元學習引入神經科學

預測糖尿病并發癥高危患者

休斯頓大學蒂爾曼J.費爾蒂塔醫學院的研究人員正在開發一種臨床決策支持系統，該系統使用深度學習來預測哪些患者更有可能出現并發癥。

AI系統預測糖尿病并發癥高危患者

研究顯示，人工智能可能改善糖尿病診斷 

科學家開發了一種利用人工智能預測糖尿病患者12小時發病的方法 

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訓練和測試的無偏數據集構建新方法。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的訓練和測評提供了無偏的數據集。

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現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學成像科學中心、北大-清華生命科學聯合中心、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》雜志發表研究論文，報道了利用自主研發的深度學習高精度四維重建技術，發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現。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，實現原子水平動力學觀測的國際領先原創一流成果，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發表突破性研究成果：人工智能助力時間分辨冷凍電鏡發現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研究人員開發的一種人工智能（AI）工具根據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病和病程。研究人員與山間初級兒童醫院的醫生合作，開發了獨特的計算工具，以精確測量現有醫療條件對心臟和血管的協同效應。

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

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)的科學家發現了視網膜色素上皮(RPE)的五個亞群，RPE是滋養和支持視網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、準確篩查成為可能

人工智能有助于檢測步態變化和診斷帕金森氏癥