端到端生物学笔记

端到端生物学的诱人之处在于，它不要求先完全理解每个分子机制，而是把健康状态、疾病状态和扰动结果作为整体输入，直接寻找能改善系统的干预。传统药物开发往往从靶点出发，假设某个蛋白与疾病相关，再寻找能安全调节它的分子；表型筛选则更接近最终目标，直接问某种扰动是否让细胞或生物体更健康。若能积累足够多高质量三元数据，机器学习或许可以预测疗效，但历史上的计算机辅助药物发现提醒人们谨慎：几十年来，每一代技术都声称能让药物设计更理性，真正获批的药仍主要依赖扎实实验和判断。AlphaFold 证明大量数据和计算能解决某些生物难题，但蛋白质结构预测不等于药物发现。生物系统比神经网络更难观察、更难控制，细胞在培养皿和器官环境中的行为也不同。因此，更现实的路线不是宣称 AI 会替代理解，而是明确要收集什么数据、做什么实验，以及黑箱预测在哪些环节真正可靠。