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

这一倡议由西雅图的艾伦研究所（Allen Institute）牵头，联合华盛顿大学和弗雷德哈钦森癌症中心共同推进。该项目的科学领军人物之一是大卫·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。

在生物学的历史长河中，科学家们一直研究亿万年进化形成的解决方案。而探索自然界未曾出现的可能性，则是一种全新的方法。随着技术的发展，这种方法已成为可能，甚至被该领域的领导者比作工业化、电气化和数字革命等历史性变革的潜力。

然而，进入全新生物学领域也不可避免地带来复杂的问题。WIRED西班牙语版采访了AI BioDesign的首席科学官大卫·贝克，探讨了相关话题。以下内容经过编辑以保证简洁和清晰。

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殊风险？科学家如何预判并在设计分子离开实验室前采取措施降低风险？

DAVID BAKER: 生物学令人兴奋之处在于，自然只探索了物理和化学上可能性的一小部分，这为我们设计提供了无限可能。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、环境影响或滥用。

如今的优势在于计算设计能在分子合成前评估许多风险。我们可以通过计算筛选设计，在受控实验室环境中广泛测试，并进行越来越真实的实验验证，才考虑实际应用。

JORGE GARAY: 项目涵盖从新药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增强，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宏伟目标：希望在几周内而非数十年内开发出新疾病的治疗方法；让空气、水和土壤变得清洁，去除污染并重新构想污染过程；让农作物在恶劣环境中茁壮成长；让分子机器从废物中提取关键矿物质并修复基础设施。

蛋白质是生命创造地球上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，使创新想法得以实现，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也不完全理解的功能分子？如果是，仅凭实验验证其有效性和安全性是否足够，还是需要理解其机制？

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体现了这一点。第一步通常是观察到某物有效，随后才理解原因。机器学习擅长这第一步，大幅提升了我们发现可用于生物设计的模式的能力。强有力的实验证据可以支持项目推进，但深入理解仍是我们研究和科学探索的重要目标。许多目前无法实现的事情，源于对系统工作机制或参数缺乏理解或数据。这正是AI BioDesign项目的核心。

JORGE GARAY: 您认为是否存在技术上可行但不应设计的分子或生物功能？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充分理由开发。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要相应的治理结构。我主张应对所有合成DNA进行监控和记录，包括序列及其制造者信息，这既是防止滥用的实际屏障，也为任何恶意行为留下记录。

本文最初发表于WIRED西班牙语版，已由西班牙语翻译成中文。