面向 AI 驱动的数字生物体：多尺度基础模型用于生物学在所有层次的预测、仿真与编程
人工智能
2024-12-11 v1 机器学习
定量方法
摘要
我们提出了一种利用 AI 来建模和仿真生物学及生命的方案。为什么重要？因为在医学、药学、公共卫生、延缓衰老、农业和粮食安全、环境保护和清洁能源等领域，生物学起作用。物理世界中的生物学过于复杂，难以操控，且始终昂贵且风险大。在本立场中，我们以一种可行的工程方法来应对这一挑战，通过构建一个 AI 驱动的数字生物体（AIDO），该系统由集成的多尺度基础模型组成，以模块化、可连接、整体化的方式反映生物学的尺度、连通性和复杂性。AIDO 为在从分子到细胞再到个体的所有层次预测、仿真和编程生物学开辟了一条安全、经济且高通量的替代平台。我们设想，AIDO有望引发一波更好引导的实验室实验和更明智的以原则为基础的推理，从而帮助我们更好地解码和改进生命。
关键词
引用
@article{arxiv.2412.06993,
title = {Toward AI-Driven Digital Organism: Multiscale Foundation Models for Predicting, Simulating and Programming Biology at All Levels},
author = {Le Song and Eran Segal and Eric Xing},
journal= {arXiv preprint arXiv:2412.06993},
year = {2024}
}