“硅脑”专家不是梦
时间:2017-12-07

  “硅脑”专家不是梦 - 新闻 - 科学网

  在一个由AI控制的生物技术创业公司Zymergen的化学品生产菌株的探索和开发中,机器人手指正准备挑选微生物菌群。

  来源:ZYMERGEN / ALBERT法律摄影

  如果这是未来的生物实验室,那么它与今天的实验室似乎没有任何区别。实验室外套的科学家们通过冷冻玻璃管,货架上的化学品盒子,纯酒精瓶,糖罐,蛋白质和盐是标准的用于培养和调节微生物的物品如果不是你耳朵里听到的机械声音,你可能就不会注意到这些机器人了:他们在吹哨的扇子里像蟋蟀一样哼了一声。

  这些机器人曾在生物技术公司Zymergen工作,该公司于2014年搬迁到加利福尼亚州旧金山东海岸的一家电子工厂。这些机器人一整天都在进行微生物实验,寻找提高有用化学品产量的方法。这是一个叫Echo的机器人:它在一堆杂乱的设备中间。机器人抓住一个塑料模块,有数百个充满液体的小孔。激光束扫描模块旁边的条形码,然后将其回复到托盘。在这个过程中的下一步,它的微妙,很难用肉眼观察。

  这不是人们如何开始吸移液管来复制液体。该公司的共同创始人之一,分子生物学家兼操作和工程副总裁杰德·迪恩(Jed Dean)说,这是以完全不同的方式完成的,机器人不需要用移液管吸收,而是注入几毫升的液体进入每个孔(细胞水平上的流体量)而不接触它,而是以每秒500次的速度使液体本身波动,形成比液体量小1000倍的液滴人类可以取代。

  事实上,这些不是真正的未来主义的部分。大型生物实验室多年来一直使用机器人和条形码。甚至液体去除技术被称为声降喷射已经有数十年了。当Dean被问到机器人正在试验什么时,他揭示了事实。其实这是一个计算机程序输出。

  我想说清楚的是,这个过程中的一个人类科学家正在理解结果和现实,并对它们进行验证。 Zymergen首席执行官Joshua Hoffman解释说。他说,解释数据,产生推论和计划实验的最终目的是摆脱人类主观,直观的心态。

  Zymergen是几个拥有相同目标的公司之一:利用人工智能(AI)来增强或取代人类在科学中的作用。人工智能驱动的生物技术被用来描述这个过程,但是Zymergen的联合创始人表示担忧,AI听起来像是一个下棋的机器人,公司的首席技术官Aaron Kimball说我认为ML让人感觉更舒适。霍夫曼说,ML是指机器学习,计算科学的一个分支,可以解释几乎所有近期的AI进展。这正是我们正在做的。

  自动发现

  科学是一个序列。日常的实验工作和工厂工作是如此不同。文件来了,启发新的实验,然后产生新的发现,导致新的论文。这个周期。各个公司和研究机构正在扩展他们的机器人和基于人工智能的工具,以增强甚至取代人的角色在每个步骤的过程。

  Zymergen实际上做的是规范可用于生物质燃料,塑料或药物的工业微生物。为了增加产量,一些公司将其菌株送到Zymergen。然后在那里的机器人探索和修复每个微生物的基因组,以设计一个使他们的合成产品更有效的菌株。

  霍夫曼说,问题是发送给Zymergen的微生物已经高度优化。经过多年的研究和培育,这些细胞非常善于发挥自己的功能。因此,榨取更多的效率需要对其基因组进行深入的探索,进行实验和跟踪相关的科学研究数据。

  Zymergen正在努力加快这一科学进程。在传统生物学中,霍夫曼说,在站在台上之前,一个人需要测试有限数量的假设。可以每个月测试十个假设。虽然机器人可以更快地做到这一点,但Zymergen的机器人每周可以进行多达1000次的实验,但机器人只能按照说明进行操作:给他们正确的指示是真正的瓶颈。

  当被问及如何制定一个实验时,Kimball提到了一个简单的前提。例如,您可以获得约5000个基因的原始基因,并且您可以以各种方式改变10个基因,这意味着您必须做5万个实验。他说,这个实验从制造1000株菌株开始,每个菌株都有特定的突变。每个菌株生活在一个液滴。你给它糖,然后让它煮一会儿,然后测量你得到多少产品。可能有25株会产生更多的目标化学物质。这些菌株将成为下一轮实验的种子,其余的将进入冷冻库。

  机器人定位

  这个发现绝非易事。 Kimball说,找到正确的突变组合需要漫长而艰难的基因定位。如果只是盲目地走向效率的高峰,可能永远达不到峰顶。这是因为如果所有产生小的增加的突变被整合到一个单一的微生物中,它们可能不会达到主要的增益。相反,他说微生物会生病,而且会比原来的菌株差很多。因此,选择正确的道路,包括绕过更多潜在的山谷,还需要一张地图,一次显示所有的突然影响,而不是三维而是数千个。所以我们需要机器学习来确定位置。

  这是一个关键的区别:当机器人最终发现可以增加化学生产的遗传变化时,他们不知道背后的生化线索。

  那么,如果机器人实验没有加深人们对生物工作的理解,那么它是否真的是科学的呢?对于金宝来说,这样一个哲学观点可能并不重要,我们因其工作而得到回报,而不是为了理解原因。

  到目前为止,霍夫曼说Zymergen的机器人实验室已经使化学药品的生产效率提高了10%以上,虽然这种增长可能听起来不是很多,但是依靠微生物发酵达到了$的化学工业的一小部分增长每年1600亿美元可以转化为比国家科学基金会每年花费70亿美元更多的资金更多的预算。

  机器人发现的先进的遗传变异代表了人类科学家可能尚未发现的真正的发现。大多数增加产量的基因与所需化学物质的合成没有直接关系,例如其中一半是未知的。我在几种不同的微生物中发现了这种模式。 Dean说。在没有机器学习的情况下找到正确的遗传变异就像试图打开一个有数千个数字的保险柜。人类的直觉很容易被这种复杂性所淹没。他说。

  电脑作者?

  如果机器真的准备好用科学的方法代替人类,那么许多科学家就会接受。与工厂工人或出租车司机不同,大多数实验科学家会欢迎他们部分工作的自动化。在分子和细胞生物学领域尤其如此,在这些领域中,喷洒液体,电镀细胞,计数菌落等手工劳动是非常复杂和昂贵的。研究生稍有错误或不准确可能会浪费数周甚至数月的时间。

  然而也有一些生物学家提出了支持人工智能解译数据和设计实验的缺点。我们发现目前的机器学习方法不符合这个任务。加利福尼亚州斯坦福大学的计算生物化学家Rhiju Das说,他正在研究分子如何折迭来设计新药物,他们在RNA设计问题上远远落后于人类,与接受相同数据的人类相比,虽然他不知道为什么,但是设计一个类的任务似乎需要人类的直觉,可能Zymergen偶然遇到了一个适应性很强的计算机控制实验的生物学。

  即使人工智能控制的研究可以发挥作用,人类会理解计算机发现了什么吗?结果背后的计算仍然是一个黑匣子。一个令人困惑的可能性是,我们正在接近一个可理解的科学时代。宾夕法尼亚州匹兹堡卡内基梅隆大学计算生物学家Adrien Treuille与分子生物学家合作。研究人员不仅可以依靠计算机进行科学研究,而且可以解释科学:一些生物学理论证据非常复杂,因此接受计算机需要信心。

  在这种情况下,科学家们应该使用他们的计算机作为论文的共同作者吗?我不会这么做。人工智能应用于科学发现的波士顿公司Nutonian的首席执行官迈克尔·施密特(Michael Schmidt)说。但他后来说,当电脑可以阅读和理解论文的含义时,他们自己就可以成为作者。 (金楠汇编)

  “中国科技报”(2017-07-18第3版国际)

  阅读更多

  科学报告(英文)