(资料图)
2022年出现了许多突破性人工智能（AI）工具，如OpenAI公司的DALL-E2和ChatGPT，其中DALL-E2能够根据文本描述的输入生成图像，ChatGPT是一种自然语言模型，可以生成文本并回答问题。
对于普通用户来说这些工具似乎很有趣。但对于科学家和biotech公司来说，AI技术在过去几年中一直在稳步上升，这些新的生成AI工具具有更大的潜力，因为它更强大、更成熟。
OpenAI最近备受关注，但在过去几年中，还有其他几家生物技术初创公司促进了生成AI的发展，包括Jasper和Stability AI，后者也在2022年推出了自己的文本到图像生成工具Stable Diffusion，从图像和音乐生成到新的机器学习算法的开发，包括在生物技术领域，这项技术被添加到无数新的应用程序中。
例如，蛋白质工程的传统方法包括进行迭代突变和蛋白质序列选择，或者从头理性设计，从而产生具有所需结构和序列特异性特性的蛋白质。生成AI有可能改变这一模式，使从零开始生成人工蛋白质序列变得更容易。近日报道在Nature Biotechnology杂志上的ProGen是一种语言模型，在经过已知蛋白家族的2.8亿个序列训练后，可以生成具有可预测功能的蛋白序列。
Biotech公司也在取得类似的进展，因为小分子药物发现领域将受益于这些生成型AI模型。进入FDA审批程序的候选药物中，很少有最终被批准用于临床，但AI模型有潜力找到更具有生物学意义的化合物。Generate Biomedicines是一家成立于2020年的公司，该公司使用生成AI来创造蛋白质，这些蛋白质可以用作新型疗法，更好地适应特定条件，更容易生成。另外，2015年成立的Standigm已经使用类似的生成型AI工具，通过对大型生物医学数据库的查询，在短短2个月内创造了数百种新型分子。
对于研发人员和学生来说，一个名为OpenBioML的“开放研究实验室”看起来与AI和生物学相交叉。OpenBioML由Stability AI支持，旨在通过为协作研究项目提供大规模计算资源，使该技术大众化。该公司首批的两个项目包括BioLM（将自然语言处理应用于计算生物学和化学）和DNA扩散（开发可根据文本提示生成DNA序列的AI）。
虽然在医学领域有机器学习的案例，但更准确地诊断疾病时，这些算法也无法避免偏差，导致某些患者的治疗可能更糟糕。生成式AI需要大量、准确的数据集来生成高质量的预测，当这些数据不完整或包含错误时，可能会发生偏差。这样的系统也可能容易过度拟合。这些技术非常昂贵，而且需要专门的硬件和软件来实现。
总体而言，在2022年，生成AI公司在融资方面吸金超过13.7亿美元，随着生成AI在生物医学领域的吸引力越来越大，这一金额可能会增加。有预测称，到2040年，可生成AI将为医疗保健行业带来1万亿美元的价值。
