近日，備受矚目的《2024中國人工智能系列白皮書——人工智能驅動的生命科學》正式發布，該報告全面深入地探討了人工智能在生命科學領域的廣泛應用與前沿進展，全篇共計177頁。
在單細胞轉錄組研究的探索中，白皮書揭示了利用大規模單細胞數據構建預訓練基礎模型的突破。這些模型借助Transformer架構，通過數據編碼與預訓練任務建模，成功應用于基因和細胞嵌入表示、細胞類型注釋等多任務，展現了強大的分析能力。未來，隨著多模態數據的融入，這一領域的研究有望進一步深化。
細胞異質性的刻畫同樣取得了顯著進展。無監督學習通過降維、聚類等方法，有效處理單細胞數據；弱監督學習則利用外部參考信息提升分析精度；有監督學習則依據細胞標注信息，結合細胞相似度分析、機器學習及深度學習技術，借助多種模型精準區分細胞類型，為理解細胞特性提供了多樣化的途徑。
在疾病診療領域，人工智能技術的應用同樣引人注目。機器學習與深度學習技術被廣泛應用于疾病預測和個性化治療方案的制定；自然語言處理技術則深入挖掘醫療文本信息，為醫生提供決策支持；醫療圖像分析技術借助深度學習算法，精準分析醫學影像，輔助醫生進行疾病診斷；知識圖譜則整合多源醫學知識，優化診療決策過程。生命科學基礎模型結合多組學數據與遷移學習，為疾病研究帶來了新的希望，盡管面臨數據和模型方面的挑戰。
RNA結構預測方面，由于其結構復雜且數據有限，預測難度較大。然而，基于知識和物理的算法，以及機器學習與深度學習的卷積神經網絡、三維卷積神經網絡及基于ResNet的模型等，已經在該領域取得了一定進展。盡管仍有諸多問題亟待解決，但這些方法的出現為RNA結構預測提供了新的思路。
在組學生物標志物識別領域，單組學方法通過過濾式、包裹式、嵌入式特征選擇，以及網絡分析等手段，有效挖掘生物標志物。多組學研究則通過整合多種數據類型，采用前、中、后融合等策略，為精準醫療的發展提供了有力支持。這些研究在臨床應用中已經取得了顯著成效，推動了生命科學研究的深入發展。
《2024中國人工智能系列白皮書——人工智能驅動的生命科學》不僅展示了人工智能在生命科學領域的廣泛應用與顯著成果，還揭示了該領域未來發展的巨大潛力。隨著技術的不斷進步和數據的日益豐富，人工智能將在生命科學研究中發揮更加重要的作用。
