克里克研究所十年：AI 进入生物学，跨学科合作能带来什么

当人工智能遇上生物学，一家顶级研究所的十年反思

弗朗西斯・克里克研究所（Francis Crick Institute）今年满十岁。这十年也正好赶上人工智能走出实验室、进入大众视野并快速渗入各行各业的爆发期。

这家机构设在伦敦，目标是推动生物医学前沿研究，从一开始就带着点“反传统”的味道。它既不挂在某所大学名下，也不依附于某一家医院，而是想搭出一个完全开放、跨学科的科研社区。如今走到第一个十年的节点，研究所首席执行官 Edith Heard 在《自然》杂志上撰文，既回望过去，也审视当下。她不只是管理者，还是一位在表观遗传学领域深耕多年的科学家。由她来讲技术变革，少了行政汇报的套话，多了一线研究者真实的触感。

从“繁琐重复”到“理解复杂性”

Edith Heard 的科研生涯起步于 20 世纪 80 年代。那时候，移液枪、培养皿和漫长的等待就是日常。想拿到一只基因敲除小鼠，或者测一段基因，花上数周甚至数月都很常见。设备昂贵的机构攥着资源，实验过程繁琐、烧钱，还充斥着重复性劳动。

那个年代的生命科学，很大程度上靠“还原主义”方法推进。生物体被拆成分子，分子再拆成原子，人们想通过搞懂每一个零件来搞懂整台机器。这套办法功劳不小，让人类对健康与疾病的机制有了深刻的微观理解。可问题也跟着来了：零件全研究透了，整个系统会怎么行为，仍然预测不了。

生命并不是零件的简单堆砌。生物系统的特征，往往来自组件之间的相互作用，而且高度依赖这些相互作用所处的环境上下文。同样的基因突变，为什么在不同人身上会走出截然不同的疾病进程？某些药物对甲有效、对乙却无效，又该怎么解释？答案藏在环境、衰老、性别、遗传背景以及它们之间复杂的动态网络里。

过去几十年，生命科学慢慢从单一的还原论转向多学科融合。单细胞测序、空间生物学、先进成像、基因组编辑，再加上如今的计算方法，工具库越来越丰富。人工智能的出现，则给处理这种复杂性添了一个新杠杆。AI 擅长在海量、高维的数据里找模式，而这正是理解生命系统整体行为所急需的能力。

打破墙壁：航天涂层也能用来保存脑组织

问题既然变得这么复杂，单打独斗的研究模式就有点捉襟见肘了。Edith Heard 认为，现代科学需要一个让科学家能跨过传统界限去思考和工作的环境。

克里克研究所的建筑结构本身就体现了这一理念。这里不按学科分楼层，生物学家、物理学家、临床医生和数据科学家可能在同一个咖啡厅里讨论问题。物理空间上的混合，催生了不少意想不到的合作。

文章里提到两个有趣的例子。一个是神经连接图像的拍摄。为了保存脆弱的脑组织样本，研究人员用了一种特殊涂层。这项技术最初不是为生物学开发的，而是为了保护航天器免受太空辐射。另一个例子是一种被制药公司弃用的降胆固醇药物，后来被重新发现，可用于治疗一种危险的寄生虫感染。

天体物理学家跟神经生物学家若待在传统大学的系所架构里，兴许好几年都搭不上一句话，跨学科交流无从谈起，“废物利用”也好，“跨界打击”也罢，都难有发生的土壤。克里克则把共享的基础设施和专业团队摆在那里，技术便能被放到新的语境中去用。

Edith Heard 的说法是：“我看到了一个围绕人和科学问题，而非机构分裂而组织的环境的巨大价值。”在她看来，这种模式让基础发现向临床应用的转化跑得更快，产业界也更容易插手进来，一来一去就成了良性循环。

AI 是工具，不是答案

AI 虽然带来了新的可能性，但 Edith Heard 保持着一份清醒的警惕。她强调，用上先进技术，不该取代科学家的核心训练。

眼下，AI 在生物学中的应用主要集中在模式识别上。它能预测蛋白质结构，能分析病理切片，也能从基因组数据里筛选潜在的风险位点。但 AI 识别出的模式，并不等于因果关系。它可能发现两个变量高度相关，却解释不了背后的生物学机制。

所以，AI 的输出必须经过人类的仔细审视和实验验证。年轻科学家如果过度依赖算法给出的“黑盒”答案，动手实验和批判性思考的能力跟不上，科学发现的根基就会动摇。

“科研人员必须培养好奇心、批判性思维、求知欲和对真理的追求。”这句话乍听像老生常谈，可放到算法什么都替你推荐的时代，就变得格外紧迫。刚入职场的研究人员，得有机会去摸新旧技术，去盯实验里冒出来的异常现象，去问那些算法还没被训练去回答的问题。

克里克研究所招人和育人的路子也印证了这一点：面向全球找处于职业生涯关键阶段的科学家，让他们放手做高风险、高挑战的研究。这些人里，有的后来自己建了实验室，有的出去创办生物技术公司，跨学科、重验证的科研文化就这样被带到了更远的地方。

保护那些“无用”的基础研究

在效率至上的今天，基础研究常常面临质疑：它的价值在哪里？什么时候能落地？

Edith Heard 拿 CRISPR-Cas9 来作答。这项把基因编辑领域整个翻了个个儿的技术，最早来自对细菌怎么防病毒的基础研究。当年做研究的人并没打算开发什么基因疗法，他们只是想知道细菌凭什么活下来。结果恰恰是这种看上去“无用”的好奇心，最终催出一项变革性技术，给无数遗传病患者开了希望之门。

AI 也是一样的道理。今天的大语言模型和生成式 AI，其底层突破同样源自多年前对神经网络基础理论的探索，那会儿很少有人能料到它今天会被用得这么广。

所以说，守住基础研究，等于守住将来的各种可能。克里克研究所的一项核心任务，就是给科学家搭一张“安全网”，让他们敢去碰那些短期看不到应用、却可能彻底改写认知的问题。

下一个十年：人与技术共生

往前看，生命科学正走到一个转折点上。数据量在指数级膨胀，AI 的处理能力也在往上走；同时，人类对生命复杂性的敬畏并没有减少，反而更深了。

Edith Heard 的看法是，将来能发现什么，取决于人怎么用 AI，而不是让 AI 牵着走。她提出要建一种新的科研范式：让机器去算那些复杂的东西，人的直觉、创造力和伦理判断则保留下来。

这要求研究环境更开放，学科之间的墙再矮一些。教育体系也得改，要培养出这样一批新科学家：生物和数据科学都懂，实验功底还扎实。

克里克研究所的下一个十年，还会沿这条路往下走。它不只是一个研究机构，更像一个实验场——在 AI 时代测试人类智慧怎样跟机器智能配合，去破解生命最深的那层谜题。

对整个科学界来说，这里或许也有个提醒：技术再强，也只是把人的感知触角往外伸了一截。真正把科学推着往前走的，还是那颗对未知好奇、对真理存着敬畏的人心。