研究人员正致力于建立数据库、模型和工具，作为未来药物和技术开发的“种子”。他们设想开发新药物治疗癌症和神经退行性疾病，或设计能够分解海洋塑料的酶。

这一项目由西雅图的艾伦研究所牵头，联合华盛顿大学和弗雷德哈钦森癌症中心共同推进。该领域的领军科学家之一是大卫·贝克（David Baker），他因计算蛋白质设计工作荣获2024年诺贝尔化学奖。

长期以来，生物学家研究的是经过数十亿年进化形成的自然解决方案。而探索自然未曾产生的可能性则是一种全新的方法。随着技术的发展，这种方法的潜力甚至被业内领袖比作工业化、电气化和数字革命等历史性变革。

然而，进入全新生物领域也带来了复杂的问题。WIRED西班牙语版采访了AI BioDesign首席科学官大卫·贝克，探讨相关话题。以下内容经过编辑以便更清晰简洁。

JORGE GARAY: AI BioDesign致力于探索自然界从未存在过的分子和生物功能。进入这片未知领域是否存在特别风险？科学家如何预判并在设计分子离开实验室前将风险降至最低？

DAVID BAKER: 生物学令人兴奋之处在于，自然只探索了物理和化学可能性的一小部分，这为我们设计打开了无限可能。探索这些可能性时，主要风险与任何新生物技术类似——包括与生物系统的意外相互作用、环境影响或被滥用。

如今的优势是计算设计能在合成分子前评估许多风险。我们可以通过计算筛选设计，在受控实验室环境中进行广泛测试，并通过更真实的实验验证，才考虑实际应用。

JORGE GARAY: 项目提到从新药物到塑料降解酶甚至生物计算机的可能性。若设计新分子和生物功能的预测能力更强，您认为这项技术能带我们走多远？

DAVID BAKER: 我们对蛋白质设计有远大目标：希望新疾病的治疗能在数周内研发完成，而非数十年。空气、水和土壤因去除污染物和重新设计污染过程而变得清洁。作物能在曾经致死的环境中茁壮成长。分子机器能从废料中提取关键矿物，修复我们依赖的基础设施。

蛋白质是生命创造所有有机物的分子机器。释放它们的全部潜力需要我们掌握工程原理，使创新想法成为可能，包括那些我们尚未想象的。

JORGE GARAY: 随着模型能力提升，AI是否可能设计出科学家自己都不完全理解的功能分子？如果是，单凭实验验证其有效性和安全性是否足够，还是也需要理解其机制？

DAVID BAKER: 科学常常分阶段进展，机器学习在蛋白质设计中的发展也反映了这一点。第一步通常是观察某物有效，理解原因往往滞后。机器学习擅长发现可用于生物设计的模式。强有力的实验证据可以支持项目推进，但深入理解仍是科研和科学探索的重要目标。我们目前无法实现许多目标，正是因为缺乏对系统工作参数的理解或数据。这正是AI BioDesign项目的核心。

JORGE GARAY: 您认为是否有些分子或生物功能即使技术上可行，也不应被设计？应以何种标准划定界限？

DAVID BAKER: 决策应基于潜在利益与风险的平衡。解决健康、可持续发展或人类福祉重大挑战的应用有强烈开发理由。相反，可能对公共安全、环境或安全构成重大风险的设计应受到严格审查，甚至明确限制。

正如我们为其他强大技术制定了框架，AI和生物技术的进步也需相应的治理结构。我主张应对所有合成DNA进行监控和记录，包括序列和制造者信息。这为防止滥用设置了实际障碍，并留下恶意行为的记录。

原文最初发表于WIRED西班牙语版，内容经翻译整理。