生命科学研究中AI应用有哪些？

AI

在生命科学研究中，有诸多应用AI的实例，像神经生物学、蛋白质工程、细胞追踪等方面。其核心在于，对于那些数据量庞大、存在规律且人力可小规模手工完成的实验，AI的存在是极为合理且不可或缺的。在神经生物学与认知行为学领域，有一种研究思路为：大规模记录实验动物的特定行为，于该行为中找规律，将行为模式与大脑神经元活性相关联，其最终目的在于理解和预测行为。在具体实验里，若要记录特定方向有特定刺激时小鼠的运动轨迹，可在小鼠活动空间上方安装能覆盖整个区域的摄像头，持续拍摄影像以积累大量信息。分析结果时，AI能自动识别图像中的动物，即便同一区域有3 - 5只不同动物也能识别，进而在长时间的影像中给出运动轨迹图。

记录运动轨迹是比较容易的事，现在还有更先进的影像记录分析方法。例如用高分辨率摄像头持续追踪拍摄，能将老鼠的快速运动、捕食细节，乃至面目表情、四肢互动都记录下来。在后期图像处理时，AI可自动识别眼睛、胡须、左前肢等部位，进而对特定行为进行统计分析。当然，AI并非生来就具备做这类分析的能力，而是需要一个前期的训练过程，也就是人为地输入海量数据，让AI学习并记住所有的位置与动作信息。这种早期的训练都是靠人工完成的，最基本的做法是从影像数据里选取100张不同的图像，在每张图像中人工标记出眼睛作为输入，如此一来，AI最终就能对剩下的成千上万个影像自动进行捕捉眼睛的操作。cell tracking与之类似，要求user给出一些初始结果，手工标记细胞轮廓，以助AI学习并记住这些特征。一旦训练成功，之后的众多相似轮廓就会被高精度识别出来。前面提到的数据量大、有规律、人力可小规模手工完成的实验也是出于这个缘故。只有数据量足够多，才会有用于训练（trAIning）的资料，也才有训练的必要。规律存在且人力能基本完成一部分，意味着操作是有目的且可验证的，总不能拿着白纸让AI统计上面有几只老鼠。各学科都在无限积累大数据，日后用到AI的机会只会增多不会减少。