Biohub: The Future of Biology is Open-Source with Co-Founders Mark Zuckerberg, Priscilla Chan, and Head of Science Alex Rives

我们只是想把工具提供给整个科学界。

我们想理解 biology 是如何运作的。我想理解这个人的 genetics（遗传学）。我想理解他们对不同疾病有哪些风险。我的目标是能够把个体真正当作个体来治疗，理解其中的机制，并且能够进行干预。

通过把这些做成 open source projects（开源项目），更快地交到更多科学家手中，我们会产生更大的影响。这并不只是像某个地方有一家工厂，你付钱就能产出数据。你实际上需要发明全新、原创的科学方法。我们的理论并不是说我们会治愈这些疾病。我们不会。

而是说，我们想帮助加快整个

科学领域的进步速度。我们折叠了超过 1,100,000,000 个 protein（蛋白质），并预测了它们的结构，

而且我们并没有专门为 antibodies（抗体）设计一个模型。我们也没有设计一个能够结合某个特定 target（靶点）的模型。我们只是设计了一个能够理解 protein（蛋白质）的模型。

如果我们能够设计出一种 protein（蛋白质）来真正改变生理机能，那么我们就真的可以治愈患者。

今天在 No Priors 节目中，和我们一起的是 Mark Zuckerberg、Priscilla Chan 和 Alex Reeves。我们将讨论 Biohub，以及他们目前开展的各种工作：开始大规模应用 AI，来构建关于细胞的 world models（世界模型），以及 biology 各个层级上不同相互作用的模型。

Mark、Priscilla，感谢你们来做这个采访。

感谢邀请。

我们

很开心。

恭喜你们开启新的使命。

谢谢。

你们把 Biohub 作为最主要的 philanthropic effort（慈善投入），随后又向这个 virtual biology initiative（虚拟生物学项目）承诺投入 $500,000,000。你们能不能稍微讲讲，为什么要这么做？以及你们是如何从“我们应该资助这件事”走到“这就像是

我们是谁”的？所以，就 Biohub 目前的形式而言，我们对此非常兴奋。我们觉得这非常契合我们是谁、我们能带来什么，以及我们一起能够实现什么。但这项工作开始于十年前，当时我们在想：我们该如何回馈社会？并且想要建立一个组织，能够在本世纪结束前治愈、预防并管理所有疾病。

而且我们和科学家开过一系列特别好笑的会，那些著名的诺贝尔奖得主科学家简直就是在当面笑我们。

那是你们的起点吗？我们就是要治愈所有疾病？

不是，不是。说清楚一点，我们并不认为会由我们来治愈这些疾病。我们的目标一直都是打造能够加速整个科学领域发展的工具，这样一来，科学界整体就有可能治愈所有疾病。只是当时人们仍然觉得，到本世纪末实现这一点都太夸张了。

现在我觉得，那种看法反而太保守了。

所以我们就一直在进行一连串有点好笑、又有点尴尬的科普式对话，我们会说，好吧，但为什么？为什么你觉得这不可能？而在场的人通常就会是那种，哦，我也不知道为什么。你来告诉我。最后，我们终于让人们说出了他们的想法，他们会说，行吧。

如果你们非要知道的话。而我们会说，你知道，我们确实想知道。这似乎很重要。然后他们会说，好吧，我们彼此是分 silo（孤岛）工作的。而且论文发表之后，信息也不会被共享。

信息会被锁住很长时间。我们也没有合适的 tooling（工具体系）。他们举的一个例子是，实验室里某个 postdoc（博士后）做出了一个很棒的工具，但它就只存在于那个人的电脑上。等他毕业离开，这个工具也就没了。我们听到的核心问题是：要构建共享工具来加快科学进展非常困难，要建立共享的 knowledge base（知识库）来迅速推动科学发展也非常困难。

这大概就是我们开始思考的地方：如果问题是这些，那我们能贡献什么？

对。我的意思是，最初的 Biohub 模式，基本上就是通过把多所大学的工程师和科学家聚到一起，专注于长期 tool development（工具开发）。而事实证明，这个模式基本上奏效了。然后，一开始我们也通过 CZI 做了很多不同的事情。我想随着时间推移，我们只是逐渐觉得，好吧。

科学这部分确实非常奏效，所以我们就不断、不断、再不断地加大投入，直到现在它基本上已经成了我们正在做的最核心、最主要的事情。到目前为止，我们也已经把最初的 San Francisco Biohub 扩展到了好几个点。现在有 New York，也有 Chicago。当前真正的重点和统一主题，是 virtual biology initiative，围绕如何利用能够生成的独特数据集来进行有效建模，从最小的 protein（蛋白质）片段开始，最终扩展到 cell（细胞）和完整的生物系统。

不过这大致就是我们的演进方式：我们一直在谈这样一个想法——其中一部分是 AI 问题，你需要建设一个前沿的 AI lab，但你也必须把它和一个前沿的 biology 工作结合起来，后者要能够完成这样一种工作：真正理解并获取你构建这些模型所需要的数据。因为和 language model（语言模型）不同，互联网上本来就有大量现成数据。但 biology 并不是这样。我的意思是，显然 academia 和科学家在过去几十年里已经生成了很多不同的数据集，但我们想放进这里的很多东西，其实并不存在。对吧？

这就像是，你希望能够把人们以前看不到的东西可视化出来，这也是为什么我们在做 imaging（成像）方面的工作。你希望能够记录身体内部正在发生的事情，这也是为什么我们在做那类 cellular engineering（细胞工程）工作。或者你想以过去做不到的方式去测量像 inflammation（炎症）这样的东西，这也是为什么 Chicago Biohub 正专注于构建这类设备并实现这些能力。而这从根本上会创造出新类型的数据集，从而支持新类型的模型。我觉得这件事非常令人兴奋。回到你刚才说的，如果科学领域当前最主要需要的是某种 tool development（工具开发），而这些工具将使整个领域的科学家都能更快地开展工作，那么这正是我们认为自己可以通过这种长期聚焦于工具开发来提供的东西。

但我觉得，从我们最初起步的地方，到如今 Alex 正在推动的工作之间，其实有一条很有意思的贯穿主线。因为我们在这里发出的第一份 RFA，也就是 request for application，是围绕 single cell sequencing（单细胞测序）的。我们想研究的是单个细胞中被转录出来的 RNA。那在当时是可行的，但对于不同细胞如何表达其 DNA 的理解仍然非常早期，以至于一开始我们资助的其实只是方法本身——比如让人们描述应该怎么做，这样其他人就可以共享那套方法。后来，这演变成我们资助 Human Cell Atlas；它现在已经是最大的 single cell transcriptomes（单细胞转录组）数据库之一。再后来，科学家开始很难对这些数据进行 annotation（注释），于是我们构建了 CellByGene，这是一种非常简单的 annotation 工具，科学家可以用它来利用这些数据。

随后，围绕 Cell by Gene 形成了一个社区，这个社区开始不断贡献越来越多的数据，而这些数据的创建、资助或在现实中的产生，其实都和我们没有直接关系。现在，Cell by Gene 已经成了一套知识 corpus（语料/知识库），许多基于 transcriptomic（转录组）数据的模型都建立在它之上，科学界也经常使用它。不过批评始终存在。比如有人会说，这不过是在集邮而已。你们只是在收集零碎的知识——抱歉，是零碎的数据——而我们并不能从中提炼出科学知识、智慧和洞见。

而我们的想法是，好吧，有一段时间我们确实没有答案。后来，当 large language models（大语言模型）成为一个能够理解海量数据的热门话题时，你可以想象我们有多兴奋。对我来说，那感觉就像：如果我们真的能够理解 biology 是如何运作的呢？把它从一门以 discovery（发现）为基础的科学，推进成一门以 engineering（工程）为基础的科学；让我们能够系统性地理解生命体、活细胞是如何工作的，并且能够理解事情为什么会出错。所以当我们看到那个时刻出现时，我们就觉得，就是它了。

这里真的可能会发生一件非常重大的事情。

Alex，你是从 MetaFair 开始的，但当时你也已经走在另一条路上：你会在 evolutionary scale 组建团队，你会融资，而且你的模型也在取得进展。Mark 和 Priscilla 当时是怎么向你阐述的，才让你觉得，那才是真正能够推进这个 mission（使命）的正确路径？

嗯，我觉得对我来说，真正关键的时刻是我意识到，他们确实把这件事看作是 frontier AI 和 frontier biology 的结合。我也逐渐形成了一种确信：这真的是一个刚刚开始的科学新时代，也就是 artificial intelligence 将带来什么样的可能性。我们正处在大规模 information theory（信息论）的时代，而且我们拥有这样一些系统，它们基本上可以预测下一个 token（词元），并由此学习 world models（世界模型）。它们可以从数据中学习 biology。因此我觉得很清楚，如果要为下一个时代建立那种下一代机构，你就真的需要 frontier artificial intelligence。

你还必须拥有 frontier biology。你需要开始把这两者放进反馈回路里，真正让模型从 biology 中学习。而且我认为，你还需要合适规模以及合适的人才。所以这件事整体上就让人觉得，这确实是实现这一目标的方式。

你们一直在研究各种不同的模型。我觉得这挺有意思的，因为 biology 领域一些最早的突破之一就是 AlphaFold，也就是一个 Google 的模型，它表明你可以用一种非常有意思的方式大规模地做 protein folding，而且这是此前很多人没有意识到其实非常 tractable（可处理）的。这还是在后来那波真正的大型 transformer 浪潮之前。然后你们现在也在做很多不同尺度上的事情，对吧？你们在做渐进式的 molecular modeling 和 protein folding。

你们也在做基于 cell 的工作。你们还在考虑如何探查 biology 中更大尺度的系统。你觉得这种能力从微观延伸到宏观的效果有多好？你提到几乎是从 building blocks 开始一路往上构建，但对 cellular behavior 建模和对 protein folding 建模非常不同。数据非常不同，建模方式也不同。

我只是很好奇，你觉得这些在本质上都差不多吗，也就是“反正都是数据，然后训练东西”？还是说，你认为在实际处理这些系统时，还是存在一些差异？

我的意思是，可能确实会有一些差异。我想，你大概可以更具体地谈谈这方面。不过我觉得，每一层最终都会在性质上有些不同，对吧？但你必须能够理解 protein 之间的相互作用，才能理解 cell 是如何工作的。

所以，如果不先理解 protein modeling，你就不能直接跳到 cells 这一层去。然后如果你想理解比如 immune system 是如何工作的，或者一群 cells 是如何彼此交互的，那么如果不先理解 cells，本身就很难做到这一点。我的意思是，你也许可以在一个非常高层次的抽象层面上去模拟一个系统。但如果你真的想理解它将如何运作，你其实会希望在每一个层级上以分层的方式来构建模拟。所以这基本上就是我们正在采取的方法：从 building blocks 和 protein 开始。

不过，是的。我觉得你会希望为每一层收集不同类型的数据。至于 modeling techniques，我想我们还要继续观察。我的意思是，这些方法都会在各个方向上持续进步。但我确实认为，这个策略里很重要的一部分，就是这种观点：你需要以分层的方式把它一步步构建起来。

而且，你知道，我们在这个领域里有一点很独特：我们非常有意识地把 AI 方面的工作和 wet lab 方面的工作当作同一项工作。我们也做了很多工作把两者整合起来。而我们真正能做的一件很棒的事，就是尽量去提取和汇集数据，帮助我们跨越这种层级结构建立联系。你知道，你可以在细胞内部、带着空间信息去看 transcriptomics（转录组学），看它定位在什么地方。我们也可以观察 translucent zebrafish，去看不同细胞之间的发育过程，以及大脑是在什么时候发育出来的。

我们有一些 sensors，能够让我们观察细胞与细胞之间在不同分子层面的 communication（通讯）。所以我们可以有策略地设计想做的实验类型，以及想收集的数据类型，帮助我们在这些层面之间搭桥，让其中存在一些 connective tissue（连接组织/纽带），从而推动 modeling，也就是你知道的，那种会发生的 modeling magic。

对了，我之所以问这个问题，是因为我以前是个生物学家。我有 biology 的 PhD，而且我在 wet lab 里工作了将近十年，除此之外也做过很多别的事情。

你是在找工作吗。

我们可以稍后再聊这个。

也不是不行。到

目前这个

职业阶段，你知道吗？

听到这点，我

很喜欢我这种有点激烈的反应。

我有点像 Danny Glover，你知道，还有 Lisa Waffen。我都快退休了。但我觉得一直以来有所欠缺的一点，是在 biology 不同层级之间这种整合性的特质；developmental biologists 往往各做各的，molecular biologists 也在做不同的实验。所以这正是我感到好奇的地方。通常，人们对 biology 要么采取 reductionist view（还原论视角），要么采取 systems view（系统视角），而这两类人其实并没有真正深入地合作。

所以，其实你们正在做的一件令人兴奋的事，就是你们正在弥合这一点。这也是我提出那个问题的一部分原因。

对。如果我可以补充一点，我认为我们正处在 biology 中这种 information theory（信息理论）时代。biology 里存在不同层次的复杂性与层级结构，而每一层某种意义上都是由更低层构成、并由其定义的。因此，如果你想获得那种更完整的描述，想要建立真正能够泛化、并开始以数字化方式回答实验问题的系统——也就是回答那些你本来会在 lab 里提出的问题——那你就需要在每一个层级上都有正确的建模基础。所以我觉得，我们真正独特的一点在于，正如 Priscilla 和 Mark 所说，我们能够在这些不同层面上真正构建信息，把它们收集起来，收集这些连接点，同时还能以足够揭示底层信息架构的规模来完成这件事。

而这对于真正构建能够回答全新实验问题的数字化表征，将会是非常关键的。

这项工作最激励我的一点，其实正是 Priscilla 说的那件事：我们其实已经理解了很多 biology，那么如果我们能进一步利用这一点，会怎样？我觉得这和很多其他同样非常有趣、也很有用的 AI 问题非常不同；在那些问题上，我们往往是在试图复制 human behavior（人类行为）。我的看法是，这类数据很多都已经在 internet 上，或者已经被采集下来了。即便不假装自己理解了全部 human behavior，我们也能预测其中相当大的一部分。我觉得你们这次发布中最有意思的一点之一，其实是你提到的 mechanistic interpretability（机制可解释性）相关内容：我们是否真的能够从模型所“认为”正在发生的事情中，提取出新的知识？

对吧？你能稍微谈谈这个吗？

是的，我对此真的很兴奋。所以我想，你知道，在 mechanistic interpretability（机制可解释性）这个领域里，传统上它主要被应用于 large language model（大语言模型），目标是去理解，比如说，大语言模型的 representation space（表征空间）究竟是什么样的？它是如何进行计算的？而这些又是否真的能与我们对世界的直觉性理解建立联系？所以我认为，为了开始提出这类问题，人们已经发展出了一套非常丰富的工具箱。那么这对 biology（生物学）意味着什么呢？

我们训练的一类模型是 protein language model（蛋白质语言模型）。它们本质上确实是训练在蛋白质编码之上的。因此，它们学到的任何关于 biology（生物学）的东西，某种意义上都是 emergent（涌现）的。我们已经看到，它们能够学会 biological structure（生物结构）和 biological function（生物功能）之类的东西，而这些都只是从这种 token prediction（token 预测）训练任务中涌现出来的。所以，当我们思考这些模型中的 mechanistic interpretability（机制可解释性）时，我们其实是在看到未知，因为这些模型是在数十亿条蛋白质序列上训练出来的。

它们是在已知和未知的 biology（生物学）上一起训练的。然而，它们却发展出了这样的 representations（表征）：开始能够捕捉到一些东西，而这些东西确实与几个世纪以来逐步建立起来的那种还原论式 biology（生物学）图景相对应。所以，你可以开始在那些我们几乎一无所知的蛋白质与那些我们已经了解一些的蛋白质之间建立联系，因为在模型的 representation space（表征空间）里，存在着一种将它们连接起来的底层结构语法。

再极端一点说，这甚至可能意味着，我们将能够理解以前并不了解的人体系统，或者理解一种新疗法的 mechanism of action（作用机制），因为我们可以向模型发问，对吧，去 interrogate（审视、拷问）那种表征。

没错。我们的希望是，你真正能够学到它做出这些预测的底层依据。这样一来，你就打开了 black box（黑箱），并且能够实际理解模型正在表征的 biology（生物学）。

这么问是替一个朋友问的，你知道，你们大家都相信 venture backed company（风险投资支持的公司）是对世界产生影响的一种方式。那这里的问题是像斑马鱼数据的采集、数据跨度、wet lab（湿实验）工作，还是单纯就是规模？到底是什么让这件事更适合放在这种大型 nonprofit（非营利）生态系统式的努力中去做，而不是交给一家 venture backed company（风险投资支持的公司）？

嗯，我想我们只是想把工具提供给整个科学界。

我的意思是，所以我觉得

为了产生最大的影响，我的意思是，一部分原因只是我们……我的意思是，其实并不明确说明如果我们想的话，就不能把它作为一门生意来运作。我只是认为，如果改做 open source projects（开源项目），更快地把这些东西交到更多科学家手中，我们会产生更大的影响。所以，是的，我觉得大概就是这种思路。但我也不确定。这是个很有意思的问题。

我不太确定，我的意思是，很显然，你们之前把它作为一家 for profit company（营利性公司）在做，也做了很多建模，但随后会遇到一些问题。你必须筹集大量资金来建设 compute clusters（计算集群）。我认为在很多方面，data（数据）实际上是更大的约束。因为如果你看这些模型相对于 language models（语言模型）的规模，它们更小，但之所以更小，是因为数据量更少。为了拿到这些数据，情况并不是像某个地方有一家工厂，你付钱就能让它生产数据那样简单。

你实际上需要发明新的、原创的 scientific approaches（科学方法），才能去做——比如说——我们在 New York 做的那类 cellular engineering（细胞工程），或者 Chicago 的那类 devices（设备）。这也是为什么，当我们谈到 frontier biology（前沿生物学）和 frontier AI（前沿 AI）这个概念时，所谓 frontier biology，指的是你必须真正去做科学研究，推进不同的生物学方法，才能观察到那些会形成数据、并输入模型的事物。嗯。所以这不是那种现成 off the shelf（现成可买）的东西，可以随手做出来。这本身就是一项相当大的工作。我不确定像这样的事情，有多少是以 biotechs（生物科技公司）的形式在做的。

我觉得关键就在于我们所做事情的 ambition（目标雄心）的规模，以及我们承诺投入其中的时间跨度。我认为其中一部分理论是：如果你在构建如此复杂的工具，你大概会希望以十到十五年的时间 horizon（周期）来推进这些工作。再就是所需 capital（资本）的规模——我的意思是，我想也没有哪条规则说你不能把这件事做成一家资金极其充足的 startup（初创公司），但我觉得现在这种方式更合理。而且，从战略上说，不必去考虑如何通过这些不同的东西赚钱，也会让事情更简单。我的意思是，我们只是想把这些模型交到人们手中。

我们会把它们作为 open source（开源）发布。我认为这是一件非常有价值的事。再说一次，我们的理论并不是说我们自己会 cure the diseases（治愈这些疾病）。我们不会。我们的目标是帮助加快整个 scientific field（科学领域）的进步速度。

作为这里最没有赚钱经验的人，我会说，我们这种中立的 nonprofit（非营利）工作性质，实际上有助于吸引更多人加入这项努力。而要真正实现那种“理解 human biology（人类生物学）的整体，并治愈、预防、管理所有疾病”的使命，你实际上确实需要整个 academic（学术界）和 biotech industry（生物科技产业）联合起来，以某种统一的方式共同推进这件事，部分原因是外面有大量人才。而把任何人才排除在这项努力之外，都是没有帮助的。并且，疾病存在一个非常长的 long tail（长尾）。当然也有那些常见疾病。

而即使是那些常见疾病，我认为如果你把 heart disease（心脏病）、cancer（癌症）、neurodegenerative diseases（神经退行性疾病）拆开来看，甚至即使你把 dementia（痴呆）或 depression（抑郁症）进一步拆开，都会出现非常非常多、越来越细分的小类别。那还根本没有涉及 rare diseases（罕见病）那条很长很长的长尾。那些疾病往往会被忽视；当我们在考虑怎样最有效地影响尽可能多人的生活时，它们通常不会被一并带上。但如果你把这项努力去中心化，把工具交到很多人手中，你就会开始看到有人会说：你知道吗？我对 spinal muscular atrophy（脊髓性肌萎缩症）特别感兴趣，而且这是我非常在乎的事情。

如果你把工具交到这个人手里，他们就能够取得进展。换一种方式说，如果你必须集中资源、下大的赌注，你大概率不会去做这件事，因为它只是一个很小众的、涉及少数人的疾病。但实际上，如果我们能够理解这种疾病的过程，反过来就能帮助我们解锁更多关于人体如何运作的知识。

嗯。你

是否对这项工作最先会影响哪些疾病领域，有什么想法或预测？我知道这类事情很难准确预测。但仅从这项工作的性质和这些模型的特点来看，在短期到中期内，你对哪些领域最乐观？

至少对我来说，我其实不是这样思考的。我思考这个问题的方式更像是：我们想要理解 biology（生物学）是如何运作的。理想情况下，你会说，我理解这个人的 genetics（遗传学）。所以我想在个体层面去思考人。我想理解这个人的 genetics（遗传学）。

我想理解他们对不同疾病有哪些风险。我想理解比如 gene variant（基因变异）、protein（蛋白质）和 disease process（疾病过程）之间的机制性联系。因为如果你理解了这条链路，你就可以为他们设计一个 protein（蛋白质），设计一种 drug（药物），为其量身定制，并真正实施干预。而现在，我相信我们都经历过生病。如果你得的是哪怕稍微有点不标准的情况，你就会去 PubMed，查一篇 paper（论文），再去看 supplement（补充材料），然后开始翻 methods（方法部分）。

然后你会想，我在这篇论文里被代表了吗？而我们其实只是在猜。我们真的没有机制层面的理解。我们是在说，好吧，你有点像我们研究过的这些人，而这个 drug（药物）大概会影响我们认为相关的那条 pathway（通路）。那就试试看会不会发生点什么。

然后时间流逝。有时候有效，有时候无效。所以我的目标是，能够把个体当作真正的个体来治疗，理解其中的机制，并且能够进行干预。而不同疾病在补全这整条脉络这件事上，所处的阶段各不相同。所以对某些疾病来说，你首先只是想弄清楚，究竟哪些 gene variants（基因变异）真的会致病，哪些不会。

而仅这一点本身，就能给患者带来极大的赋能。再进一步，有些疾病中，我们已经理解了那条链路。我们只是还无法干预并改变某个特定 protein（蛋白质）的功能。这也非常令人兴奋。比如，如果我们能设计一种 protein（蛋白质）来真正改变 physiology（生理状态），那我们就真的有可能治愈一个人。

但对我来说，这和增进我们对一个人生病机制的理解一样令人兴奋。

第一次。

而且这是一个非常令人兴奋的愿景，因为你基本上是在说，你可以带来可泛化的工具，为每一个个体提供高度个性化的东西。是的。这种方法的力量就在于，你构建出这些大型模型，然后它们就可以应用到任何地方。我知道你之前提到过，你们会尝试在一百年内治愈并预防所有疾病。你还提到，鉴于 AI 方面的所有进展，实际上现在可能还会更早。

对于我们什么时候会更接近那个目标之类的问题，你有什么想法吗？

我的意思是，我乐观地认为会更早。我是说，我认为这里复杂的一点在于，它是一个动态系统。对吧？所以如果你解决了某个问题，显然未来还会有你需要继续处理的事情。所以我不认为，我们当前所知道的这一组问题，会是唯一需要被解决的东西。

但我也不知道。我认为 AI 带来的进展，在这件事上确实、显然非常令人振奋。还有一点，我想补充你刚才说的话：我们真正关注的更多是 system（系统），而不是某一种具体疾病。比如说，一个看起来非常重要、值得理解的领域是 inflammation（炎症）。我们已经谈过很多次这个问题了。

这是 Chicago Biohub 的一个重点方向，这方面有很多数据。看起来相当清楚的是，它与很多不同的疾病都有联系；但我们认为，与其研究那些具体疾病，不如尝试更广泛地理解 inflammation（炎症），这样一来，其他公司之后就可以使用这些工具去研发具体的疗法。另一个例子是，我认为 immune system（免疫系统）是一个非常好的研究对象，适合用于我们在 cellular engineering（细胞工程）方面所做的一些工作；而且当我们从 proteins（蛋白质）逐步上升到 cells（细胞），再到身体内部那种整体性的动态系统时，我觉得它是说得通的。我的意思是，它在某种程度上是比较特殊的。

它可以——而且这些细胞可以在身体里到处移动，诸如此类。你知道的。所以显然，它在应对不同疾病方面占有很大一部分。你要如何让 immune system（免疫系统）运作得更好？但究竟该如何打通最后一公里，我觉得这更多会是 biotech（生物技术）公司，或者分别研究具体问题的其他学术研究者，更适合去做的事情。

所以，这大致就是我们看待如何构建这套 toolset（工具集）的方式——它就是帮助加速所有其他这些人的工作。

不管这个时间线是十年，还是现在看来最好少于一百年，我觉得对于普通医生、病人，或者说普通人——其实每个人某种意义上都会成为病人——有必要去想一想：在这里的进展中，哪些是从外部可见的。你在 UCSF 和病人打了很长时间交道。那么，医生应该关注什么？如果你们确实在加速进展，人们又应该留意什么？

这部分是这样——你知道，我对这些进展非常兴奋，尤其是 Alex 和他的团队这次推出的成果。我认为现在已经非常清楚，科学的发展将开始变得相当快。但对我来说，没那么清楚的是，我们究竟要如何把这些东西转化到临床，以及那会是什么样子。我认为真正必须改变的，其实是我们开展 clinical research（临床研究）的方式。我的希望是，我们能真正缩短 bench research（台式/基础研究）与对患者产生实际影响之间的距离。

但在这中间还有很多步骤需要做，我们需要那些真正照护病人的人去创造性地思考，并思考如何安全地部署这些成果。这正是我们还有不少工作要做的一个空白点。我们在 UCSF 的 CRISPR Cures program 中与 Jennifer Downey 合作。所以我们现在算是在初步摸索：在研究进展速度会如此之快的前提下，研究的部署方式需要如何改变。不过我觉得，这件事目前仍然还在逐步成形。

也许我可以讲讲我们最近一次发布的内容。

因为我

觉得它

也——哦，对，当然，请讲。我们确实应该专门问问你这个。

对。所以，你知道，因为我想那也就是大概一周前，就在差不多这个时候，我们发布了新的 ESM fold。这基本上是一个用于 protein biology（蛋白质生物学）科学发现的开放系统。它是一个已经训练好的 protein biology（蛋白质生物学）world model（世界模型）。它是基于 language model（语言模型）的，所以是在数十亿条蛋白质序列上训练出来的，会学习蛋白质生物学中这类 emergent representations（涌现表征）。

然后我们可以用它来预测原子分辨率的蛋白质结构，而且速度非常快。真的就是快得惊人。所以它某种程度上展示了结构预测中速度与准确性之间的 Pareto 最优前沿。这样一来，我们就能够刻画蛋白质宇宙中极其广阔的范围。我们对超过 1,100,000,000 个蛋白质进行了折叠并预测了它们的结构，还通过 mechanistic interpretability（机制可解释性）识别出了把它们彼此连接起来的一些特征。

但我认为这个模型最令人兴奋的一点，是它实际上是一个非常通用的蛋白质生物学模型。所以你可以把它当作一个 world model（世界模型）来使用。你真的可以开始搜索这个 world model 的空间，去设计新的蛋白质。而且它在几乎所有结构预测 benchmark（基准测试）上都达到了 state of the art（当前最佳水平），尤其是在 protein-protein interactions（蛋白质-蛋白质相互作用）和 protein-antibody interactions（蛋白质-抗体相互作用）方面，而这对治疗设计至关重要。所以我们发现，现在实际上已经可以用这个模型来设计蛋白质，甚至设计 single chain antibodies（单链抗体）。

所以这一切都可以以数字化方式完成，然后你只需要非常少量的实验轮次，基本上比如一块 96 well plate（96 孔板），就可以先在数字空间里从数十万条 trajectory（轨迹）中进行筛选，真正合成出 96 个蛋白质，再在实验室里测试它们，形成一个非常短、非常简单的实验循环。我们在那里找到了 nanomolar binders（纳摩尔级结合物）。而这基本上就是具备治疗活性的水平。所以我认为，这确实说明你可以拥有这种通用模型——我们并没有专门为抗体设计一个模型，也没有专门设计一个模型去结合某一个特定靶点。