A World Model of Life: Biohub's Alex Rives on Virtual Cells, Measurement, & the $1.8B Data Push | 解码生命程序：Biohub首席科学家谈如何用数据与AI构建“生命世界模型”

https://www.youtube.com/watch?v=l6DPAwgUr-8

解码生命程序：Biohub首席科学家谈如何用数据与AI构建“生命世界模型”

通俗易懂的整体解释

这篇访谈的核心是探讨如何利用人工智能（AI）和数据科学，从根本上理解和治疗所有疾病。嘉宾Alex Rives来自一家名为Biohub的机构，他们的目标是“治愈或预防所有疾病”。

关键要点如下：

• 宏大目标 vs. 现实挑战：Biohub的目标听起来像是追求“永生”，但Alex将其具体化为一个没有癌症、传染病和慢性病的世界。他认为，实现这一目标的关键在于深入理解生命的“程序”。
• 当前瓶颈不是AI模型，而是数据：虽然AI模型很强大，但目前用于模拟细胞的“虚拟细胞”模型效果不佳，主要原因是我们缺乏高质量、能揭示细胞内部精细因果关系的观测数据。现有的测量技术限制了我们的视野。
• Biohub的策略：砸钱搞数据：为此，Biohub联合多家顶级机构，投入巨资（18亿美元）启动“虚拟生物学计划”，核心任务就是大规模、系统地生成高质量的生物学数据。这包括：
  • 开发新型观测工具：例如“激光相位板”，一种革命性的显微镜技术，能让科学家更清晰地看到细胞内蛋白质等大分子是如何相互作用的。
  • 构建细胞图谱：系统地构建连接分子数据和成像数据的细胞图谱，覆盖数千亿个处于健康和疾病状态的细胞。
• 终极目标：“生命的世界模型”：他们想构建一个信息理论模型，能够像预测天气一样，预测细胞在受到各种扰动后的状态变化。最终目标是成为一个“生命的世界模型”，能回答“如何将病理状态推回健康状态？”这个核心问题。
• AI训练范式的应用：Alex认为，类似大型语言模型的预训练、强化学习等范式同样适用于生物学。但最大的不同在于，生物学验证必须在实验室中进行，无法完全依赖计算。
• 未来展望：他讨论了模型生物（如小鼠、斑马鱼）的价值与局限，认为跨物种的学习至关重要。他还畅想了未来语言模型与生物模型是否会深度融合，以及个人健康数据（如“百万个布莱恩·约翰逊”计划）的价值。

---

详细分段与要点

第一部分：开篇与宏大愿景：什么是“治愈所有疾病”？ （0% - 12%）

1. 嘉宾介绍与节目引子

   • 主持人Nathan介绍嘉宾Alex Rives，他是Biohub的科学主管。Biohub是由扎克伯格夫妇资助的“登月计划”项目，其使命是“治愈或预防所有疾病”。
   • 该机构刚刚宣布了一项耗资180亿美元的“虚拟生物学计划”扩张，合作方包括美国能源部、国立卫生研究院、谷歌DeepMind、Isomorphic Labs和Meta。
   • 主持人首先发问：对Alex来说，“治愈所有疾病”意味着什么？我们是否应该期待活得更久？

2. Alex对“治愈所有疾病”的定义

   • Alex称自己是一个务实的人，他不追求“永生”，而是描绘了一个没有疾病的世界。
   • 这个世界具体是指：没有癌症、没有传染病、没有慢性病或退行性疾病，以及所有长期以来困扰人类的痛苦。
   • 他强调要从根本上建立对生物学的深刻理解，从而识别疾病的机制，知道如何检测、干预，并超越当前的药物范式，发展出更具“可编程性”的疗法，即能够“读写”生命的程序。

3. 分解挑战：理解因果 vs. 设计干预

   • 主持人提出一个框架：将宏大挑战分解为两个子挑战：一是理解身体内部的因果结构（知道哪里出了问题），二是找到有效的干预手段（知道如何修复）。
   • Alex认同这是经典的药物研发框架，但他提出了一个更宏大的“信息论视角”：将生命视为一个由代码构成的程序，细胞是执行程序的机器。疾病是这个程序的一部分，它以非常规律的方式展开。如果能真正理解这个程序，就能获得全新的工具来解决问题。

第二部分：虚拟细胞的现状与挑战：为什么现有模型不成功？（12% - 25%）

1. 现有“虚拟细胞”模型的失败原因

   • 主持人指出，目前的虚拟细胞模型效果并不好，他猜测根本原因是现有数据质量不高，无法让机器学习模型学到真正的因果关系。
   • Alex同意这个观点，并进行了补充。他指出细胞极其复杂，是一个动态的物质集合，从原子级别的相互作用到组织层面的程序执行，跨越了多个尺度。
   • 当前模型面临两大限制：
     • 模型架构本身：Transformer等主流架构缺乏处理这种多尺度结构的天然能力。
     • 更根本的问题是观测和测量的局限性：我们对细胞内部的大部分情况根本无法测量，或者难以大规模生成数据。

2. 解决之道：模型、数据、工具的三角协同

   • Alex认为，要解决这个问题，必须同时在三个方面取得进展：建模方法、大规模数据生成（揭示信息的统计结构）、以及观测工具（让我们能实际看到和测量重要的东西）。
   • 他断言，目前被称为“虚拟细胞”的模型，远未达到能真正有意义地模拟细胞并充当实验生物学“预言机”的程度。

第三部分：未来的建模方向：从“信息论模型”到“生命世界模型”（25% - 38%）

1. 数据与模型架构的关系

   • 主持人追问，在拥有无限数据和算力的极限情况下，模型架构是否还重要？
   • Alex认为，在极限情况下，所有模型架构都只是函数逼近器，架构本身会变得不那么重要。但在生物学领域，我们离那个极限还很远，尤其是在细胞生物学层面。因此，归纳偏置（Inductive Bias）——即模型内嵌的先验知识——就变得至关重要。

2. 长远目标：“生命的世界模型”

   • Alex描绘了终极理想模型的样子：它能代表从原子分辨率的结构到细胞程序的各个层级，并能预测发育和组织内交互的过程。这是一个“生命的世界模型”或“生物学的世界模型”。

3. 近期可实现的目标：“细胞的信息论模型”

   • Alex认为，在未来5年内，可以实现一个更现实的“细胞的信息论模型”。
   • 核心思想是：基因组编码了运行生命的程序，而细胞是一个信息处理机器。我们可以利用强大的自监督学习方法，从大规模数据中学习输入和输出之间的统计模式，从而捕捉驱动这些关系的潜在变量。
   • 这个模型本质上是一个转移函数（Transition Function）：它接收当前细胞/组织的状态和一组输入，然后预测下一个时间点细胞状态的分布。这是一个概率性的预测，而非确定性的。

第四部分：Biohub的数据战略：巨额投资与核心技术（38% - 55%）

1. “虚拟生物学计划”详解

   • 主持人提到Biohub刚宣布的18亿美元计划，请Alex详细介绍。
   • Alex确认了这项名为“虚拟生物学计划”的合作，旨在构建一个通用的细胞生物学模型。核心合作伙伴包括美国能源部、NIH、谷歌DeepMind、Isomorphic Labs和Meta。
   • 该计划的短期目标是协调整个科学界的力量，大规模生成数据，特别是空间生物学（Spatial Biology） 数据，即在组织环境中观察细胞，将分子水平测量与成像联系起来，规模要达到数千亿甚至更多的细胞。

2. 革命性观测工具：“激光相位板”

   • 主持人用自动驾驶汽车中“昂贵的激光雷达 vs. 便宜的摄像头”做类比，询问Biohub如何看待不同数据模态的价值。
   • Alex介绍了“激光相位板”技术。这是一种用于电子显微镜的“相位衬度”技术，本质上是世界上最强大的驻波激光器，通过与电子束干涉来改变其相位，从而在冷冻电子断层扫描中提供极高的对比度。
   • 这项技术的重大意义在于，它能让科学家在近乎天然的环境下，直接看到细胞内单个蛋白质和其他大分子的形态及其相互作用方式，这将开启理解活细胞动态结构生物学的新时代。

3. 核心原则：测量技术驱动科学突破

   • Alex强调，新的测量和观测技术是推动科学范式转变的核心驱动力。生物学与AI其他领域的最大不同就在于我们观测能力的限制。Biohub的核心原则之一就是不断开发新工具，以提高对每个细胞的可测量参数数量、扩大视野、打开时间维度和分子维度。

第五部分：跨越尺度：从单细胞到整个人体（55% - 68%）

1. 多尺度问题的挑战

   • 主持人提出一个关键问题：细胞是基本的单位，但人体有从细胞到组织、器官、系统的多个层级，且信息是流动的。如何跨越这些尺度？
   • Alex承认这是一个巨大的技术难题，分子级别的微小变化（如一个基因的点突变）就可能影响宏观结果。

2. 解决思路：聚焦“介观尺度”并利用信息原理

   • Alex认为，短期内不可能对整个系统进行分子级别的全面观察。但我们可以聚焦于“介观尺度”——即组织和细胞群。
   • 关键在于，这里的“细胞模型”不是孤立细胞模型，而是包含环境背景的模型。细胞间的相互作用、输入-输出关系和状态转换，构成了生命系统。
   • Biohub正在从多个层面开发技术：
     • 原子级：激光相位板提供局部的高清视图。
     • 细胞级：开发能在培养皿中大规模扰动和测量细胞的技术。
     • 生物体级：利用透明斑马鱼，开发全生物体成像技术，可以追踪从单个细胞到完整发育过程的每一个细胞，甚至实时追踪免疫细胞的运动。

第六部分：模型生物、人类数据与AI训练范式（68% - 82%）

1. 模型生物的局限性与AI的桥梁作用

   • 主持人提到“在小鼠身上有效”的笑话，质疑模型生物对人类的价值。
   • Alex承认模型生物并非完美代理，但它们对基础发现至关重要。AI可以在这里发挥巨大作用。他以蛋白质模型ESM和AlphaFold为例，说明它们并非只用人源蛋白训练，而是利用了整个进化史的数据。跨物种的泛化和迁移学习是关键。虽然程序被重写了，但构成程序的“积木”（如转录因子）是高度保守的。

2. AI训练范式在生物学中的应用

   • 主持人将AI的训练流程（海量预训练 + 少量微调）与生物学对比。
   • Alex坚信原则是相通的。自监督学习和表征学习的力量是核心。在蛋白质领域已经验证，在细胞生物学领域也会如此。
   • 他进一步提出，未来可以实现生物学的 RLVR（强化学习与验证） ，但关键的挑战在于验证环节必须在实验室里完成，而不能像数学或编程那样在计算机里快速验证。最终需要构建一个“实证AI”循环：AI提出问题 -> 设计实验 -> 从实验结果中学习 -> 改进模型 -> 提出更好的实验。

第七部分：时间尺度、个人健康记录与多模态融合（82% - 95%）

1. 长期预测与健康图谱

   • 主持人关心如何解决从“小时”到“几十年”的时间尺度问题，再次提及“百万个布莱恩·约翰逊”的想法。
   • Alex认为这是一个可以通过现有技术解决的规模化挑战。核心是创建健康和疾病状态下细胞生物学的图谱。通过“虚拟生物学计划”的大规模努力，有望在1-2年内看到初稿，5年内得到一个相当全面的图谱。有了这个模型，就可以开始回答“如何逆转病理状态”的问题。

2. 个人健康记录的价值

   • 主持人询问个人电子健康记录（EHR）的价值和获取难度。
   • Alex表示对此思考不多，因为他更关注基础科学。他担心如果不基于对底层生物学的深刻理解，仅靠EHR数据学到的只是相关性，而非因果关系。这可能有助于优化现有治疗方案，但无法带来治愈疾病的“阶跃式”进步。

3. 语言模型与生物模型的融合

   • 主持人提问：未来语言模型和生物模型是会保持“工具调用”的松散关系，还是会像图文模型那样形成深度融合的联合潜在空间？
   • Alex坦诚自己不确定。语言是强大的推理工具，也承载了人类数百年的生物学知识。但生物学中最有价值的知识往往是未知的、尚未被语言描述的经验事实，只能通过实验获得。
   • 他认为，正是生物学的这种“实证性”特质，使得纯粹的预测模型至关重要。至于是否融合成一个单一潜在空间，他持开放态度，但认为初期会很难，因为需要大量的“桥接数据”。他举了蛋白质的例子：绝大多数蛋白质功能未知，没有对应的语言描述，而蛋白质语言模型却能从数据中自动学习到这些“新颖的概念”。

第八部分：结尾：个人实践与节目尾声（95% - 100%）

1. 关于“百万个布莱恩·约翰逊”的后续讨论

   • 主持人坚持追问，如果资金不是问题，让一群人接受持续监测和活检是否有价值。
   • Alex认为这类数据非常有价值，并且随着技术的发展，这种情况会逐渐发生。但Biohub的战略定位是在技术层推动基础科学，而不是直接做这类人群研究。

2. Alex的个人健康管理

   • 主持人询问Alex自己如何进行健康管理，为未来技术做准备。
   • Alex的回答令人惊讶：他几乎完全不考虑这件事，因为他全身心投入在Biohub的研究中。他唯一做的就是用智能手表追踪睡眠。
   • 主持人幽默地总结，也许当Biohub成功创造出通用生物基础模型时，只需要一点点及时的个人健康上下文就足够了。

3. 节目结束

   • 主持人对Alex表示感谢，并总结了这次关于“生命世界模型”的前瞻性对话。
   • 随后是节目的赞助商信息和片尾曲。