就在今天，GoogleDeepMind開源人類底層程式碼！AlphaGenome登上了Nature封面，標誌著 DeepMind 在生物計算領域繼 AlphaFold 之後再下一城。相較於同類模型，AlphaGenome能夠一次性輸入100萬個鹼基對，並在單鹼基對的精度上預測數千種表徵其調控活性的分子特性。這是DNA領域的里程碑式突破。如今，AlphaGenome只需讀入一段DNA序列，提取調控基序與表徵活性，便可對數千種分子特性高度預測。該研究也得到了醫學大佬的認可，美國醫學院院士，斯克里普斯研究轉化研究生的創始人和主任Eric  Topol表示，這是AI在生命科學方面的又一大進步。早在2025 年6月，DeepMind就率先在 bioRxiv 發佈 AlphaGenome 預印本並推出 API，目前已經有來自160個國家的3000多名研究人員使用。如今，該成果被《自然》正式刊發，團隊正式對外開源了全部研究程式碼和模型權重。我們可以期待，在完全開放原始碼的情況下，有多少人類基因秘密被科學家們解開。解鎖人類98%的“垃圾基因”AlphaGenome由Google DeepMind的負責人DemisHassabis領導，他此前憑藉蛋白質模型AlphaFold2，獲得了2024年諾貝爾化學獎。Demis Hassabis曾放出豪言：「未來十年，AI將治癒所有疾病」。而AlphaGenome出世意味著，人類向理解生命本質又邁進一大步。要知道，距離全球科學家完成人類基因組測序，已經過去了23年了。但迄今為止，科學家仍然沒能解開DNA的秘密。以往的觀點認為，人類DNA僅有2%，剩下的98%都是DNA都是“無用”的非編碼區。然而，現在剩下的98%並非是無用的基因，其中蘊含著豐富的調控資訊，包括調控基因開關、影響胚胎發育、參與形成特殊RNA、維持染色體結構等。因此AlphaGenome，其核心意義正是為瞭解碼這98%的“暗物質”區域。它能夠系統預測非編碼DNA序列的功能和變異影響，幫助科學家從海量無用資訊中高效篩選出真正具有生物學意義的寶藏，從而理解疾病機制、助力藥物研發。解開人類底層密碼該模型基於Google DeepMind 的基因組學模型 Enformer 建構，採用Loop-aware 架構，並和此前推出的預測編碼區變異的AlphaMissense互補。同時，AlphaGenome整合了人類和小鼠的基因組資料，包含5930 條人類以及1128 條小鼠基因組訊號，這些訊號與基因表達、DNA 可及性和剪接等功能相關。這也讓AlphaGenome做到了以往同類模型到達不了的高度。1、又長又精準，100萬鹼基對的長序列輸入此前的模型要麼能處理長序列但解析度低（如Enformer和Borzoi），要麼解析度高但只能處理短序列（如SpliceAI和BPNet）。但AlphaGenome它一次就能掃描長達100萬個DNA鹼基對的廣闊區域，與此同時它做到了能夠預測到單個鹼基對的精度2、多模態大模型，多個任務一次搞定現有模型要麼專注於單一任務，例如剪接預測等，要麼是多模態但某些任務表現不佳。而AlphaGenome能夠做到一次輸入後，可以同時預測基因變體對數千種基因組的影響，包括基因表達、組蛋白修飾、剪下等各個方面，科學家不用再切換多個工具了。更重要的是，AlphaGenome做到了性能全面領先。對單條DNA 序列進行預測時，AlphaGenome 在 24 項評估中有 22 項表現優於最佳外部模型。而在預測變異的調控效應時，它在 26 項評估中有 24 項表現與最佳外部模型相當或更優，尤其在預測eQTL方向上，比此前最佳模型提高超25%。RNA剪貼錯誤是造成疾病的常見原因，AlphaGenome的創新性在於，能夠直接從序列預測剪下點。在7個權威的剪接變異基準測試中，AlphaGenome在其中6個上實現了SOTA 性能，包括根據ClinVar、sQTL因果關係和GTEx剪接異常值預測剪接變異的致病性。除了能夠預測多種分子特性外，AlphaGenome還能在一秒鐘內高效評估一個基因變異對所有這些特性的影響。它通過對比突變序列與未突變序列的預測結果，並針對不同模態採用不同方法高效總結這種對比來實現這一功能。不僅如此，對比此前的預印本，DeepMind團隊還最佳化了以下內容。更好地理解生命就在論文發佈同一天，DeepMind還上傳了一支視訊，邀請團隊對該工作進行分享。針對後續如何完善AlphaGenome，團隊表示：1、拓展對複雜變異類型的預測支援，使模型能解讀更真實的臨床與科研遺傳變異，覆蓋更多疾病機理2、提升易用性，將數千個複雜評分彙總為更易解讀的單一評分3、拓展資料與物種範圍，目前只包含人類和小鼠，未來可能納入更多物種和更多細胞類型的資料這些都將進一步提高AlphaGenome在實際科研中的實用性。從AlphaFold再到AlphaGenome，DeepMind打開了一扇窺見生命與疾病最根本過程的窗口。近期科技女皇木頭姐的一份報告，再次點燃了人們對AI+醫療保健的熱情。報告預測，到2030年，測序整個人類基因組的成本可能下降約十倍，降至10美元（如今約100美元）。測序成本降低將導致資料量增長10倍，意味著人類基因資料將遠遠超過現有的數量。當然，海量資料本身不是價值，解讀才是。AlphaGenome正是為解讀資料中最複雜、資訊量最大的DNA序列而生，能將原始資料轉化為可理解的生物學知識。當前，AlphaGenome已經學會了DNA的基本原理，未來有望為為罕見病診斷、癌症精準醫療、藥物靶點發現提供新途徑。包括但不限於：發現新的疾病標記物和藥物靶點（尤其是在非編碼區）解釋患者基因檢測結果，指導精準用藥設計合成生物學元件，為基因療法和細胞療法提供設計工具此外，它在預測RNA剪接異常等方面的能力，對於理解許多罕見病和癌症至關重要，能直接推動相關藥物研發。可以預見，未來的多組學AI平台可能會整合類似AlphaGenome的先進基因組模型，使其與蛋白質、代謝組等模型協同工作，形成一個統一的生命系統模擬與預測環境。屆時，人類不只是能夠獲得DNA資料，而是真正理解生命的運行。 (智藥局)

(騰訊醫典)

新研究發現火星上尋找生命的最佳地點火星一直是科學家尋找地外生命的熱門目標。一項新研究首次確定了火星上規模最大的16個古河流域，被視為最有希望尋找生命的區域。由大型河流系統塑造的區域是地球上最富饒的生態系統，地球上有91個超過10萬平方公里的流域，僅亞馬孫河流域就孕育了數萬已知物種。科學家們認為，古代火星也有類似環境，曾經存在有液態水的時期，可能為生命提供了有利條件。美國德克薩斯大學奧斯汀校區的研究人員通過收集並分析之前發表的關於火星山谷、湖泊和河流特徵的資料發現，火星上有19個主要的山谷、溪流、湖泊、峽谷和沉積物群，其中有16個形成了面積至少達10萬平方公里、相互連接的流域。研究人員認為，大型河流可輸送更多營養物質，有助於維持多樣的生態系統。水流經距離越遠，水與岩石的相互作用就越多，發生化學反應的機會就更高，這些反應可能轉化為生命跡象。研究人員表示，雖然這些大型流域只佔火星地表面積的5%左右，卻貢獻了火星河流侵蝕沉積物的約42%。由於沉積物攜帶營養物質，這些地點被認為是尋找過去生命證據的主要目標，但需要進一步研究以精確確定這些沉積物最終的沉積位置。研究結果已發表在美國《國家科學院學報》上。 (環球網)

The Truth Physics Can No Longer Ignore生命體的根本性質，正挑戰物理學家幾個世紀以來所秉持的假設。作者：亞當‧弗蘭克（Adam Frank）圖：Anna Ruch/《大西洋月刊》。圖片來源：Manuel Nieberle/Miles Matsui Schleifer/Connected Archives；De Agostini/Getty。2024年10月8日，物理學界陷入了一場爭議。當天，諾貝爾物理學獎被授予了一項與黑洞、宇宙學或奇異的新亞原子粒子毫無關係的研究——而是關於人工智慧（AI）。物理學最高榮譽為何會頒給旨在模仿人類大腦的機器研究？這當中究竟還有沒有「物理學」？在整個20世紀的大部分時間裡，物理學家基本上忽略了生命系統。他們將生物體視為機器——儘管是由黏糊糊的部件構成的。一個名為「生物物理學」的子領域揭示了這些分子機器背後的特定物理機制。然而，作為一個整體的生物體卻從未成為物理學的重點。但如今，我和許多物理同行已不再認同這種輕視態度。我們逐漸相信，在每一個微生物、動物乃至人類身上，都正展開著一個謎題──它挑戰物理學家數百年來的基本假設，也可能解答有關人工智慧的核心問題。甚至，它還可能為下一代重新定義物理學本身。長期以來，物理學的核心傲慢在於認為自己是所有科學中最「根本」的學科。物理系學生學習的是現實的基本要素——空間與時間、能量與物質——並被告知，所有其他科學最終都必須還原為物理學所發現的基本粒子和定律。這種哲學被稱為「還原論」（reductionism），從牛頓定律到20世紀的大部分時期都相當奏效：物理學家相繼發現了電子、夸克、相對論等等。然而在過去幾十年中，最極端還原論方向的物理學進展明顯放緩。例如，人們期待已久的「萬物理論」（如弦理論）至今未能結出重要成果。不過，除了還原論之外，還有其他方式可以思考宇宙中的「根本」。自1980年代起，物理學家（以及其他領域的研究者）開始發展新的數學工具，用於研究所謂的「複雜性」（complexity）——即整體遠大於部分總和的系統。還原論的終極目標，是把宇宙中的一切都解釋為粒子及其相互作用的結果；而複雜性科學則認識到，一旦大量粒子聚集形成宏觀事物（例如生物體），僅了解粒子本身已不足以理解現實。這一思路的早期先驅之一是物理學家菲利普·W·安德森（Philip W. Anderson），他用一句簡潔的話概括了這種新興的反還原論觀點：「多即是不同」（More is different）。進入21世紀後，複雜系統科學迅速發展，並於2021年獲得諾貝爾物理學獎。從物理學家的角度來看，沒有任何複雜系統比生命更奇特、更具挑戰性。首先，生命物質的組織方式違背了物理學家對宇宙的常規預期。你的身體和其他物體一樣，由物質構成。但構成你今天的原子，一年後就不再是構成你的原子了。這意味著你和所有其他生命體並非像岩石那樣的惰性物體，而是一種隨時間動態演化的模式。然而，對物理學而言真正的挑戰在於：構成生命的這些模式是「自組織」的。生命系統以一種現有機器無法複製的奇特循環，既創造又維持自身。以細胞膜為例：它透過允許某些化學物質進入、阻止其他物質進入，使細胞得以存活。而細胞不僅創造並持續維護這層膜，這層膜本身也是一個使細胞得以存在的過程。這種「雞生蛋還是蛋生雞」的困境，動搖了舊物理學的夢想——即一旦宇宙的基本粒子被完整編目，其餘一切都能被明確描述和預測。給我一顆年輕的恆星，我就能用還原論的物理定律預測它的未來：它會存活一百萬年而非一百億年；它將以黑洞而非白矮星的方式終結。但生命體的組成部分卻產生出全新且不可預料的現象，稱為「湧現」（emergence）。給我一個地球早期歷史中的簡單細胞，我絕對不可能預測到大約40億年後，它會演化成一隻能一拳打在你臉上的巨型兔子。袋鼠（就像人類一樣）是生命演化過程中不可預測的、湧現性的結果。支配物質與能量的基本定律，無法預測生命的另一個根本屬性：它是宇宙中唯一會為了自身目的而使用資訊的系統。植物向光生長，微生物游向營養豐富的區域，動物躲避掠食者，人類則將巨大的金屬裝置送入外太空。誠然，我們可以為機器人編程，讓它在電量低時尋找電源插座，但這種需求必須由生命體（例如人類程式設計師）預先硬編碼進機器中。相較之下，生命具有自主性和能動性（agency）。從微生物到螃蟹再到人類，所有生命都有自己的「癢處」要去抓癢。要真正理解生命系統作為自組織、自主的能動體，物理學家必須拋棄那種「只看粒子就行，女士」的心態。物理學家的一大特長——從簡單部分（如原子）的定律出發，逐步建構複雜整體——無法完全解釋細胞、動物或人類。幸運的是，物理學還有另一項基本技能可資利用：一種獨特的提問方式和建模方法，用於做出預測。物理學家歷來擅長抓住系統的核心特徵，並以數學語言加以表達。例如：有多少有用能量流經細胞膜？扁蟲神經系統中那一種神經元排列能最大化訊息處理效率？現在，這些技能必須被用來處理一個古老卻長期被忽視的問題：什麼是生命？借助這些技能，物理學家若與其他複雜性科學領域的研究者合作，或許能破解數十億年前地球生命如何起源之謎，也能探索生命在遙遠系外行星上可能的形成方式——這些星球如今可透過尖端望遠鏡進行觀測。同樣重要的是，理解生命作為一種有序系統，為何在根本層面不同於宇宙中的其他一切，或許能幫助天文學家設計出新策略，在與地球截然不同的環境中尋找生命。無論外星生命多麼陌生，只要將其視為一種自組織、以資訊驅動的系統進行分析，就可能成為在數百光年外行星上探測生命跡象的關鍵。回到地球，研究生命的本質很可能對全面理解智慧——以及建構人工智慧——至關重要。在當前這場AI熱潮中，研究者和哲學家一直在爭論：大型語言模型是否可能、何時可能實現通用智能，甚至具備意識？或者，某些模型是否已經做到了？要適當地評估這些主張，唯一可靠的方法就是盡一切可能去研究公認的通用智能唯一來源：生命本身。將生命的新物理學應用於AI問題，不僅可能幫助研究者預測軟體工程師能建構什麼，還可能揭示試圖用矽基晶片捕捉生命本質特徵的根本限制。隨著21世紀繼續展開，我的物理同行無疑將繼續推進黑洞、量子力學等傳統領域的研究。但對生命的研究，將帶我們前往從未想像過的地方，為我們的學科開闢一條前所未有的道路——這一次，我們將與生物學家、生態學家、神經科學家和社會學家站在同一片競技場上。若能以最佳狀態追求關於生命本質的根本答案，物理學家不僅可能迎來新的科學奇蹟，還可能開創一種全新的科學研究典範。(邸報)

澄世在解讀最新發佈的《歐洲科研成果孵化企業報告（2025-1）》（Dealroom European Spinouts Report）時發現，歐洲在深科技和生命科學領域的科研成果孵化方面正進入加速期。過去十年裡，歐洲的科研孵化企業總體估值增長了七倍，創造了16.7萬就業崗位，並孵化出3家獨角獸。這得益於歐洲長期積累的科研底蘊、持續穩定的R&D投入，以及龐大的STEM人才儲備——這些科學實力正不斷通過“科研成果孵化企業”被推向市場。然而，在從“科研成果”走向“商業價值”的最後一公里上，歐洲卻並未掌握定價權。真正享受成果轉化高溢價的，卻往往是更擅長資本化與全球化推進的美國機構。當技術在歐洲誕生、卻在美國完成價值收割，這背後到底出了什麼問題？歐洲科研成果良好的孵化基礎先看歐洲的科研孵化硬實力，作為科研成果孵化企業初創的沃土，其相關孵化企業已形成亮眼成果。深科技&生命科學領域科研成果孵化企業價值a. 總估值：約3980億美元b. 加速增長：企業價值十年間增長了7倍，39%的價值是由2015年以來成立的科研成果孵化企業創造的。c. 就業：歐洲總部深科技&生命科學領域分拆公司提供超過16.7 萬個工作崗位自2019年以來增長了3.4倍。科技與生命科學領域科研成果孵化企業漏斗歐洲深度科技與生命科學領域的科研成果孵化企業已形成“初創 - 成長 - 成功” 的完整漏斗，在2019至2024年期間統計資料如下:a. 新增初創企業以每年200+家的速度增長；b. 4300家早期初創融資額低於1500萬美元；c. 880 家成長型企業，融資額在1500萬至1億美元之間；d. 187 家企業融資額超過1億美元的“規模化企業”；e. 約71 家企業為營收在2500萬至1億美元之間的“新興”企業；f. 76家“成功企業”的收入超過1 億美元或價值超過10億美元；g. 3家“超級獨角獸企業”估值超100億美元。資本的“介入”與價值的“外流”資本層面的資料更顯火爆，2025年以來歐洲該領域風投已籌79億美元，融資速度超2024年，是2019年疫情前的兩倍，年底有望衝破91億美元，大額融資集中在 AI 與自主系統、量子技術、航天等前沿賽道。然而，深入分析融資結構與退出機制，一系列問題浮現出來：融資階段的資本來源差異：在早期融資階段（融資金額低於1500萬美元），約86%的資本來源於歐洲本土；但進入後期融資階段（融資金額超過1億美元），情況發生顯著變化，超過50%的資金來自歐洲以外地區，其中美國資本佔據主導地位。退出環節的價值流向：2025年預計將成為該領域歷史上第二活躍的退出年份，有望實現高達60億美元規模的項目退出，當前，併購已成為主要的退出路徑，自2021年以來，首次公開募股（IPO）幾乎銷聲匿跡，值得注意的是，在退出環節所產生的大部分價值，最終被美國買家獲取。歐洲科研成果孵化對中國的啟示歐洲“前期培育強、後期價值弱”的困境，也為中國科研孵化發展提供了參考：築牢本土資本“全周期”支撐：歐洲早期依賴本土資本、後期被美國資本滲透的問題，警示中國需完善更長遠發展周期和更深入行業的基金鏈條，尤其強化對成長期、規模化企業的資金支援，避免核心企業因資本缺口被外資掌控。打通成果“留存轉化”通道：歐洲大量價值通過併購被美國拿走，啟示中國需最佳化退出機制 —— 既要推動優質科研孵化企業本土IPO，也要引導本土龍頭企業、產業基金參與併購，將技術價值和產業話語權留在國內。聚焦優勢賽道“精準發力”：根據歐洲在牛津、劍橋等高校孵化案例以及瑞士孵化人均價值領先的案例，提示中國的頂尖高校強化與區域產業的繫結，在 AI、量子、醫療裝置、氣候技術等優勢賽道集中資源，打造 “高校孵化 + 區域特色”的標竿模式。重視STEM人才“留存與活用”：歐洲充足的STEM人才是科研轉化基礎，中國需進一步完善STEM“人才培養、就業、創業”的銜接機制，通過政策扶持、產業配套，讓高端人才留在本土科研孵化產業鏈，避免人才與價值雙重流失。 (澄世諮詢)