前言
2026 年，AI 生物学正处于一个关键的转折点。AI 不再只是生物学家的"工具"——它开始成为"发现者"。从 AlphaFold 3 预测蛋白质结构，到 AI 在单细胞数据中发现新细胞类型，到 AI 从头设计自然界不存在的蛋白质，AI 正在从"辅助"走向"引领"。
但这篇文章不只是报喜。我会诚实地告诉你每个领域的现状、突破和瓶颈——包括那些"AI 搞砸了"的案例。
领域一：蛋白质结构预测
现状： AlphaFold 3 预测了超过 2 亿个蛋白质结构，覆盖了几乎所有已知蛋白质。预测精度在高置信度区域（pLDDT > 90）达到原子级别。
突破： 2024 年诺贝尔化学奖。AlphaFold 3 扩展到蛋白质-小分子、蛋白质-DNA/RNA 相互作用预测。
瓶颈： 验证率不到 0.01%。低置信度区域（约 15% 的残基）预测不可靠。动态结构（蛋白质的运动）和翻译后修饰（磷酸化、乙酰化等）是盲区。
下一步： 蛋白质动态结构预测（AlphaFold 4？）。蛋白质在拥挤环境（细胞质）中的行为预测。
领域二：蛋白质从头设计
现状： AI 可以设计自然界不存在的蛋白质，具有特定功能（催化、结合、传感、逻辑运算）。
突破： 2025 年，AI 设计的蛋白酶、蛋白质笼子、蛋白质逻辑门在实验中验证成功。3 种 AI 设计的蛋白质药物进入临床试验。
瓶颈： 体内稳定性差（半衰期短）。免疫原性（免疫系统会攻击 AI 设计的蛋白质）。可制造性（很多 AI 设计的蛋白质在大肠杆菌中无法表达）。
下一步： 第一个 AI 设计蛋白质药物获批上市（预计 2028-2030）。
领域三：AI 药物发现
现状： AI 药物发现的临床成功率目前约为 8.7%，传统方法为 7.9%。差距不大，但 AI 方法更快、更便宜。
突破： 46 天从靶点到临床候选化合物（Insilico Medicine）。AI 文献挖掘发现 CK2-ALS 关联（BenevolentAI）。
瓶颈： 从分子到细胞、从细胞到动物、从动物到人的"三重翻译"失败率高。临床试验失败的主要原因（毒性、无效）在 AI 的预测范围之外。
下一步： AI 预测临床试验结果（患者分层、数字孪生）。AI 设计"可合成"和"可制造"的药物分子。
领域四：AI 基因组学
现状： AI 可以分析全基因组序列，预测基因变异的致病性。AlphaMissense 预测了 7100 万个错义突变的致病性。
突破： 99 美元全基因组测序成为现实。AI 变异解读准确率 90%（超过人类遗传学家的 85-88%）。
瓶颈： 非编码区变异解读困难。多基因效应（复杂疾病）难以预测。基因-环境交互作用无法建模。
下一步： 全基因组 AI 解读成为常规临床服务。多基因风险评分（PRS）的临床应用。
领域五：AI 细胞影像分析
现状： AI 病理辅助诊断系统在多个国家进入医院。AI 在 10 万张病理切片中发现了人类漏诊的早期癌症。
突破： PathChat 多模态 AI 病理系统（癌症检出率 97.3%）。AI 从病理图像预测基因突变（85% 准确率）。
瓶颈： 分不清"良性类似物"。不能"解释"诊断。对罕见病变准确率低。
下一步： AI 病理通过 FDA/CE 认证成为标准诊疗流程。AI 病理 + 基因组学 + 影像学的多模态融合。
领域六：AI 合成生物学
现状： AI 设计 PETase 2.0 降解 PET 塑料效率提升 38 倍。AI 设计新碳固定通路效率提升 30%。
突破： AI 从头设计蛋白质应用于工业酶、生物材料、生物传感器。
瓶颈： 细胞是"混沌系统"（从试管到活细胞的效果不可预测）。进化选择压力导致设计降解。生物安全风险（AI 设计的病原体）。
下一步： AI 设计"细胞工厂"（微生物生产药物、燃料、材料）。AI 生物安全防护机制的建立。
领域七：AI 衰老科学
现状： AI 深度衰老时钟可以预测生物年龄，准确度比单一模态高 30%。
突破： AI 发现 3 种新的 senolytic 化合物（选择性清除衰老细胞）。重编程（部分重编程）的 AI 优化。
瓶颈： 知道"生物年龄"不等于知道"怎么变年轻"。目前没有任何抗衰老干预被严格证明能逆转人类衰老。
下一步： 第一个被 FDA 批准的"抗衰老药物"（可能是一种 senolytic）。AI 个性化抗衰老方案的推广。
领域八：AI 单细胞组学
现状： AI 在单细胞 RNA 测序数据中发现了 37 种新的人类细胞类型。人类细胞图谱项目已分析 5000 万个细胞。
突破： 人类细胞图谱覆盖 30 种组织，识别 500+ 种细胞类型。AI 是单细胞数据分析和发现的核心工具。
瓶颈： 空间信息缺失（单细胞测序破坏了细胞在组织中的空间位置）。动态变化（细胞"状态" vs 细胞"类型"的区分）。
下一步： 空间转录组学 + AI 整合（保持空间位置信息）。人类细胞图谱完成（覆盖所有主要器官）。
领域九：AI 脑科学
现状： 1 立方毫米人类大脑的完整连接组（10 万神经元，1.3 亿突触）。AI 发现了循环连接、突触簇、沉默突触。
突破： AI 自动分割神经元精度达到 99.1%。完整的 1 立方毫米大脑连接组数据公开发布。
瓶颈： 扩展到全脑在可预见的未来不可能（成本、时间、数据量）。连接组是"静态"的（不知道突触的"权重"和"可塑性"）。
下一步： 小鼠全脑连接组（1 立方厘米）。功能连接组（结合钙成像或电生理记录）。
总结：AI 生物学的 2026 年坐标
AI 生物学在 2026 年处于这样一个位置：
AI 已经"赢"了的领域： 蛋白质结构预测、蛋白质设计、细胞影像分析、单细胞组学分析。在这些领域，AI 已经成为不可或缺的工具，不使用 AI 的科学家正在被淘汰。
AI 正在"赢"的领域： 药物发现、基因组学、合成生物学、衰老科学。AI 在这些领域展现了巨大的潜力，但还没有完全取代传统方法。
AI 还没有"赢"的领域： 脑科学（连接组学）、生物安全。AI 在这些领域是重要的工具，但距离"解决"还有很长的路。
一个总体判断：AI 生物学正在从"工具"变成"同伴"。 2026 年的 AI 不再是"被动地执行人类指令"的工具，而是开始"主动地提出假设、发现规律、设计实验"的同伴。这个转变是深刻的，也是令人不安的。但无论如何，AI 生物学已经不可逆转地改变了生命科学的研究范式。
推荐阅读：AI 生物学 2026 年度综述 (Nature, 2026)；各个引用的原始论文见各领域文章。