83歲的生物信息學科學家、中國科學院院士陳潤生：第三次抉擇，我在學習大模型｜對話科學家

每經記者 林姿辰    每經編輯 董興生    

“人生的抉擇是非常重要的。（我的人生至此經歷了三次抉擇：）第一次是給沃森寫信，相信人類一定要破譯遺傳密碼，此后參加了中國的人類基因組研究；第二次是對人類基因組序列組裝后發現，編碼蛋白質的基因組序列只占人類基因組的一小部分（不超過5%），從而率先開展了非編碼研究；第三次，就是我最近參與學習、研究和推動大模型。”

說出這段話的，是今年已經83歲的陳潤生。在網絡上搜索他的名字，“中國科學院院士”“國際歐亞科學院院士”“中國生物信息學研究第一人”等詞條依次跳出，暗示著這是一位“老派”科學家。但在以Z世代為主要用戶的B站上，一則由陳潤生主講的短視頻——“人類能用基因技術編輯出‘完美生物’嗎”，播放量破萬次。

AI（人工智能）發展日新月異的今天，年輕人對生物信息學更感興趣了，陳潤生也在緊追“潮流”。近日，在北京翊博生物集團有限公司（簡稱“翊博生物”）參與主辦的“北京CGT新勢發布會”上，《每日經濟新聞》記者與陳潤生展開對話，走近了他心中的生物信息學和未來世界。

生物信息學滲透在生物醫學發展的方方面面

陳潤生是中國最早從事理論生物學、生物信息學以及非編碼RNA研究的科研人員之一，他主動給諾貝爾獎獲得者詹姆斯•杜威•沃森和中國科學院院士吳旻寫信、參與人類基因組計劃工作的經歷是科學界的一段佳話。

生物信息學是以生物學、數學和信息科學為基礎的交叉科學，通過綜合運用數學和信息科學等多領域的方法和工具對生物信息進行獲取、加工、存儲、分析和解釋，來闡明大量生物數據所包含的生物學意義，研究重點主要是基因組學和蛋白質組學，直逼人類基因深處的秘密。

在醫療科技助力下，生物信息學正以驚人的速度發展。即便是對這位老教授而言，2023年也是令他眼花繚亂的：

2023年7月31日，谷歌發布首個全科醫療大模型，懂臨床語言、懂影像，也懂基因組學；

2023年10月2日，諾貝爾生理學或醫學獎獲獎名單公布，獲獎者卡塔琳•卡里科（Katalin Karikó）、德魯•魏斯曼（Drew Weissman）在核苷酸堿基修飾方面的發現，使mRNA疫苗能夠研制成功；

2023年11月，全球首個CRISPR/Cas9基因編輯療法Casgevy在英國獲有條件上市，用于治療鐮狀細胞?。⊿CD）和輸血依賴性β地中海貧血（TDT）

......

不過，在陳潤生看來，生物信息學的重要問題并無變化，仍是多組學分析。尤其是進入大數據時代，來自分子水平的數據，包括單細胞的多組學數據，依然是目前生物信息學要分析的重要方向。當前，學界關注的重要趨勢，是單細胞轉錄組和空間轉錄組等多組學分析，其中單細胞轉錄組能明確每個細胞與疾病間的關聯；空間轉錄組則是確定多個基因在不同細胞類型、不同組織類型和不同發育階段中的表達，明確運作機制。

“我自己覺得，整個生物信息學越來越重要，它會滲透在整個未來生物醫學發展的方方面面。”陳潤生告訴記者。但他也承認，這個過程可能要面臨安全性和有效性的平衡，或者說政策和技術的平衡。以基因編輯為例，在未來生物技術中，基因編輯也絕對是有效的、獨特的、前沿的技術，但最重要的問題是它的安全性，在使用中一定要建立標準、共識和法規。

“基因編輯一般在單個細胞進行，改了一個細胞之后復制的細胞就都變了，所以原則來講應該100%有效才行；如果99%有效，那么它后續的效果是應當值得斟酌的。”陳潤生說。

另外，還有一系列技術問題亟待解決。目前，基因編輯只能定點解決一個DNA或RNA的問題，應用范圍相對較窄，比如Casgevy獲批的兩項適應癥均為單基因罕見病，對于上億個細胞發生變異的腫瘤疾病，基因編輯目前還無能為力。

大模型讓“人工智能超過人”從科幻變成科學

“過去可能認為人工智能超過人是科幻，但現在看也變成科學了。”

陳潤生的感慨與2023年發生的另一大事件——ChatGPT橫空出世有關。隨著學科的發展，越來越多的數據需要分析，人工智能成為一個重要手段，其中以ChatGPT為代表的大語言模型的出現，為數據分析帶來革命性的影響。

陳潤生認為，這是因為大模型帶來了兩個變化：一是解決了自然語言的識別問題，“計算機可以讀書了”；二是實現多模態的融合，從原來只會“下棋”的專家變成“雜家”。

“大模型是在原來AI基礎上的提高，這個提高最核心的問題就是它能像人一樣學習自然語言。一個計算機讀書是沒有限制的，所以它跟任何一個個體比，絕對是超過你的。”

陳潤生 圖片來源：受訪者供圖

比如，過去陳潤生參與的人類基因組計劃的DNA序列拼接、組裝和功能元件識別的方法研究，需要大量人工計算、資料整理。但大模型的出現使得轉錄組、表觀組和蛋白組的信息整合成為可能。而在創新藥物研發領域，無論是英國上市AI制藥公司Benevolent AI的AI增強大模型，還是2021年國內發布的華為云盤古藥物分子大模型，都是人工智能輔助藥物設計的工具。

目前，陳潤生團隊也開發了一個醫學多模態數據智能整合計算平臺——靈樞，能夠將當前生物醫藥的大數據整合在一個大模型中。陳潤生表示，團隊正在探索性地將中醫藥相關數據整合到該模型中，希望實現“中西醫結合”，為疾病治療帶來更大的益處。

“用專業的數據把大模型訓練成一個特化的‘腦子’，仍然是當前大模型給各個領域提供的一個很好的工具，靈樞就是希望用中醫的知識建立這樣一個特化的模型。”陳潤生說。

不過，新事物也帶來新挑戰。當前的大模型提出了一系列具有挑戰性且十分尖銳的問題，即人工智能能否超過人腦（自然智能），什么時候超過，超過之后的社會結構、組織形式該如何運轉？陳潤生認為，這才是本次大模型的核心爭論，這個爭論不僅涉及科學、產業，更重要的是對整個社會造成的沖擊。

另外，精準醫學發展是國家間科技競爭的一大關鍵，大模型的出現可能會導致進一步的知識壟斷。從長遠看，發展隸屬于國家、為未來發展服務的國家級大模型是必要的，而如何保證學術交流與本國資源保護也需要謹慎平衡，需根據某些共識和規則做決定。“但需要注意，這種抉擇是一種科學的抉擇，不可以一拍腦袋就畫死了線。”陳潤生說。

被需要的醫療大模型，應該是垂直的而非泛泛的

2023年5月25日，中國互聯網醫療公司醫聯發布了在研的醫療大語言模型“MedGPT”，整合了超過1000多種醫療模塊，預計在2023年底可覆蓋80%病種的就診需求；同年12月，螞蟻集團正式開源國內首個醫療?？仆评頂祿庠谔嵘竽Ｐ驮卺t療領域的專業性。

由此，業內對醫療大模型“泛化”和“垂直”的討論持續不斷，陳潤生更支持后者。

“我自己覺得，泛泛地去談醫療大健康或大模型，實際上是很大的問題。我更傾向于做垂直大模型，就解決一件事兒，這樣才有價值。”

陳潤生的考慮依據是，在技術條件不變的前提下，醫療大模型的好壞是由積累數據數量決定的，而服務于臨床的大模型之所以難做，主要是數據比較難收集。一方面，像金融等行業一樣，醫學領域數據面臨隱私保護問題；另一方面，醫療過程涉及臨床檢驗、診斷等多個環節，做一個全覆蓋的泛醫療大模型，效果很難理想，倒不如聚焦某一環節做扎實。

但話說回來，數據收集還不是最難的環節。“最難的并不是說誰有什么數據，誰有什么模型，難的是要有一組人能夠確切地、客觀地了解信息學和生物學兩個方面”，這組人也就是業內所稱的“復合型人才”。

陳潤生告訴《每日經濟新聞》記者，大模型為多組學分析提供平臺，實際上是搭建了一個復雜的神經網絡，就像人類儲存知識取決于每個神經元的閾值，以及神經元與神經元間連接的權，每有一次知識輸入，這兩個參數都會發生變化。當知識反復輸入，而兩個參數不再發生變化時，就意味著達到“學會了”的狀態。而大模型學習、存儲知識的過程也與此類似，技術人員可以按照這一規律先后拿基因組數據、轉錄組數據、蛋白組數據訓練大模型，最終讓復雜網絡實現多組學數據的相互作用，也就是多模態融合。

圖片來源：視覺中國-VCG11385119793

不過，在實踐過程中，如何填平結構網絡技術人員與生物信息學研究人員之間的認知Gap（差距），還是國內外企業共同面臨的難題，而這也促成了具有資源整合優勢的頭部科技企業的成功，比如OpenAI和Google。

與此形成鮮明對比的，是國內的“百模大戰”。去年11月15日，百度董事長兼首席執行官李彥宏在深圳西麗湖論壇上表示，國內已經發布了238個大模型。這意味著，在進入2023年的兩百多天里，平均每天都有一個大模型問世，但基于大模型開發出來的AI原生應用卻非常少。

陳潤生也關注到了這一現象，并且表現出明確反對態度。他認為，那么多大模型更像是一種噱頭，一味宣傳數量帶來的只是進一步內卷，最終導致人力和資源浪費。相應的部門應當考慮這些大模型之間的協同與整合問題，“‘各自為戰’效率肯定是低的”。

基礎研究數量領先，但缺乏有效產業化轉化機制

無論在大模型等工具層面，還是在基因編輯、細胞治療等創新技術、具體療法的創新適應癥上，中國企業的身影并不多，但中國是生物信息學基礎研究大國。

根據第三方平臺“科研貓”統計數據，2021年，全球生物信息學類發表期刊文章超過6700篇，來自中國科學家的論文數量超過4600篇，其中來自內地的共4518篇，占比超66%，數量和占比遠超歐美發達國家。

過去，許多論文發表后被束之高閣，成果轉化的路并不順暢，陳潤生對此深有體會。“以前腦子里沒這個概念，科學家發了Paper（論文），發現某個靶點與腫瘤有關，但不會想到要把它變成一個藥，走不過這一步，所以我們沒法在成果端看到。”

如何補齊這一差距？陳潤生認為，最重要的是要建立一套更有效的轉化機制，最好是在大學內部有專利團隊、法律團隊等“接口”，更便利地實現國內現有基礎研究成果的轉化。以美國為例，在擁有雄厚科研力量的基礎上，基礎研究成果的產權問題由多項法案厘清，技術轉讓從最初的評估到最后的收入管理，則有高水平、專業化和系統化的“一條龍”服務。

值得一提的是，雖然美國的產業化轉化效率較高，但科學家創業熱情似乎不大、失敗率也較高。美國巴士底有限公司CEO布拉德利•拉尚接受媒體采訪時曾表示，美國高校教授嘗試創辦的公司，往往以驚人的速度倒閉，失敗率高達96%—97%，主要原因是科學家對自己領域的研究和專業知識充滿熱情，但缺乏管理經驗；而隨著公司經營受挫，技術也常常丟失。

陳潤生對此已有深刻的認知。為了加快科學成果在產業上的轉化速度，陳潤生作為“參謀”加入了翊博生物的DC細胞（樹突狀細胞，目前已知的體內調節功能最強的抗原提呈細胞）前端的科研工作。陳潤生表示，DC細胞是免疫系統和疾病相關免疫研究的重要領域，是公司的主要研究方向。如何讓DC細胞發揮更大的作用，其對遺傳密碼的認知能派上用場。

“在推進科學轉化時，我們更多了解到公司的運營規律，深深體到我們不適合干那個（管理），我們的角色永遠是技術提供者。各取所長、分工協同，對于公司持續發展非常重要。”陳潤生坦言。

而這也符合陳潤生給自己的定位——一個純粹的科學家。他認為，不管時代怎么變，科學家精神是不變的，但也要有變的東西，比如順應發展的“四個面向”精神，要堅持面向世界科技前沿、面向經濟主戰場、面向國家重大需求、面向人民生命健康，不斷向科學技術廣度和深度進軍。

另外，復合型人才的培養也是新時代提出的新命題。目前，BT（生物技術）和IT（信息技術）相結合是適應國際科學發展的明確信號和趨勢，但“要產生復合型人才，必須得有復合型人才去教”，可目前國內符合條件的導師個體卻比較少。陳潤生認為，如果能建立一個具有融合特征的復合型導師團隊，會是一條不錯的探索路徑。

記者手記 | 一位83歲的科學家，很“年輕”

“科學家們就是要有科學精神，要真正地、老老實實地去學知識，達到一定深度了才能從事這個領域的工作。而不是說有萬能科學家，聽什么都懂，實際上是做不下去的。”

“您認為的科學家精神是什么？”

“我理解的‘科學家精神’就是鉆研科學規律，探索科學真理，實事求是地去了解客觀。”

初見陳潤生，會不自覺地被他中氣十足的聲音吸引，然后忘記他是一位83歲的老人。在陳潤生的身上，年齡似乎真的只是一個數字。

他告訴記者，自己依然每天看書，人工智能和大模型相關知識都是一點點自學的。“不能放棄學習，這是我們做科研的基本素質。哪天不學習了，你肯定就跟不上了，這是一個自覺。”他笑著告訴記者，老了跟不上潮流很正常，但只要想跟上潮流，就必須強迫自己學習。

當然，這也是為了和年輕人交流。36年來，陳潤生一直堅持在中國科學院講授生物信息學，能容納千人的禮堂經常座無虛席，不論專業是“數理化”還是“天地生”，研究生院的學生幾乎都去聽過陳潤生的課。這是一種令人羨慕的能力和魅力。

陳潤生慷慨地把其中的“秘訣”分享給記者：自己不是在講課，而是在與聽眾朋友交流，以學術為基礎來把方法論和感悟傳承下去，“共同去了解客觀”。

“你傳遞給人的是有用的東西，有用大家才聽，大家感興趣才聽。這里面除了知識之外，就是一種態度和交流，這很重要。”陳潤生說。