在過去的一週中，@arcinstitute 發布了三項我非常自豪的新發現。 • 世界上第一個功能性 AI 生成的基因組。利用 Evo 2（有史以來最大的生物學機器學習模型，Arc 與 @nvidia 在二月合作發布），Arc 科學家利用 Evo 2 是一個生成模型的事實，產生了完全新的完整噬菌體基因組序列。也就是說，他們使用 AI 生成了完全新的、自然界從未見過的基因組。他們實驗性地合成了這些基因組，並展示了這些 AI 生成的噬菌體實際上能夠有效地殺死大腸桿菌。 • Germinal，一個用於創建新抗體的 AI 系統。抗體設計是醫學生物學中的一個重大問題，因為它們對於創造治療藥物的重要性和實用性顯而易見。（抗體是幫助免疫系統識別病原體和其他有害入侵者的微小顆粒。另見最近的進展文章：[1]。）今天，設計有效的抗體非常昂貴且緩慢。Germinal 是一種便宜且快速的藥物候選者生產方式，成功率高達 22%。這意味著人們可以從需要篩選數千個候選者的實驗室，轉變為篩選幾十個候選者。雖然還很早，但我懷疑更好的抗體設計方法在未來幾年將對疾病治療產生重大影響。 • 今天，我們發表了一篇論文，顯示“橋接編輯”，這是 Arc 科學家去年首次提出的，可以在長達 100 萬個碱基對的人類細胞中進行精確編輯，而不依賴於內在不可預測的細胞修復機制（CRISPR 需要這些機制，經常導致編輯錯誤）。他們展示了可以使用這種編輯來切除導致弗里德里希共濟失調（這是一種神經疾病）的 DNA 重複序列，這種方法對亨廷頓病和其他類似疾病也應該是相關的。這一點特別酷的是，可以在擴展的編輯窗口內指定每個核苷酸，這意味著遞歸橋接編輯可能成為重新編程由多個基因突變引起的生物特徵的強大方法。（目前的基因療法針對單一突變。） Arc 還很新。它於 2022 年中開業，現在有 300 人。我對這些發現感到興奮，因為它們顯示出我們創立 Arc 的一些希望開始實現： • AI/ML 和計算是所有三者的核心。這對於前兩者顯然是正確的，但橋接編輯背後的移動基因元素也是通過複雜的計算搜索發現的。我們創立 Arc 的一個前提是相信軟件/AI 和實驗性濕實驗生物學的交集應該能夠實現偉大的事情。（而且除了需要大量計算工作外，這三者也都需要強大的濕實驗工作，在一個物理屋簷下緊密協調。） • 我們一直在玩弄一個想法，即少數技術正在促進生物學中新型“圖靈迴路”的形成：測序進展（包括單細胞測序）為我們提供了新的閱讀方式；變壓器和 AI 為我們提供了新的思考方式；功能基因組學（如橋接編輯）為我們提供了新的寫作方式。這三項發現涵蓋了這個迴路的每個部分，我們希望在改善每個部分時會有累積的回報。 • Arc 是一個非營利組織，我們希望這能使與他人的合作變得更容易，因為我們可以避免對財務回報的擔憂。這確實證明了重要性，這三個項目都涉及與他人的密切合作。Germinal 是與斯坦福的 @SynBioGaoLab 合作完成的；Evo 2 是與 Nvidia 合作訓練的。橋接編輯是與東京大學的 @HNisimasu Lab 共同發表的。Arc 嘗試使其發現對他人有用（見 Evo 2 設計者[2]），計算項目背後的代碼是開源的，希望能使其他人輕鬆發現未來合作和夥伴關係的新機會。最重要的是，Arc 本身是與 @UCSF、@UCBerkeley 和 @Stanford 的持續合作。 • 通過 Arc，我們希望促進更好的自下而上和自上而下的工作。通過我們提供給研究者的完全靈活、無附加條件的資金，我們希望能夠促進完全意想不到的發現和研究途徑。通過我們的研究所倡議（圍繞創建虛擬細胞和治療阿茲海默症），我們希望能夠帶來通常在基礎科學中難以實現的規模和協調水平。Germinal 是一個“驚喜”發現，並未涉及自上而下的協調，而 Evo 2 則是雄心勃勃的高層規劃和資金的結果。 • 人類從未治愈過複雜疾病（這一類別包括大多數神經退行性疾病、大多數癌症和大多數自身免疫疾病），我希望 Arc 能夠幫助改變這一點。顯然，AI 將徹底改變生物學，我希望 Arc 能夠有效地聚合所需的成分，以充分利用其潛力。我有偏見，但我認為世界上最酷的生物學目前正在 Arc 進行。（如果你有興趣，他們總是招聘。） 雖然我是 Arc 的共同創始人，但我幾乎所有的時間都花在 Stripe 上，我們在那裡花時間為互聯網構建經濟基礎設施。對於 Arc 的進展，所有的功勞都應該歸功於那些使 Arc 成為他們家或選擇與我們合作的卓越科學家和工作人員。（你可以在這些線程中閱讀更多關於這些特定發現的內容：[3]，[4]，[5]。）我也非常感謝那些建立了使 Arc 持續工作成為可能的公司的驚人 Stripe 員工，以及選擇與 Stripe 合作的數百萬客戶。約翰和我感到幸運，能夠在我們所能的範圍內支持 Arc 的工作。 也許這樣解讀有些過頭，但我有時覺得 @arcinstitute 和 @stripe 之間有一種共通性。生物學和經濟基礎設施都涉及對具有多層次的突現效應的複雜系統進行推理，在這兩種情況下，建立合適的工具可以帶來幾乎無限的好處。儘管兩者的進展往往需要很長時間，但在未來五年內，兩者都將是活著的記憶中最有趣的時期之一。 （如果經濟基礎設施是你的興趣，我們在下週的 Stripe Tour 紐約將有一系列精彩的公告。敬請關注！）