1701074499
人类2.0：在硅谷探索科技未来 新技术交融下的未来生物科技
1701074500
1701074501
未来将是有机世界和合成世界的联姻，正如未来一定是人类和机器人的联姻。你可以设想，有一天，大量微小的DNA折纸机器人可以在你的身体里不停地游动，它们可以彼此连接和沟通，它们可能还会强大到运行一些人工智能的程序，以此来实时监测和识别你身体内部正在发生什么。
1701074502
1701074503
医疗影像的智能分析
1701074504
1701074505
随着人工智能的流行，“深度学习”似乎一夜之间就能应用于所有领域。生物科学家们自然也想试试它能否帮到自己的工作。绝大多数的医疗人士收集的数据首先是图像，通常是X光片、核磁共振成像（MRI）、计算机断层摄影（CT）等，因此，用人工智能来分析图像就是一个很自然的应用。毕竟，为了尽快找出病人的问题所在，世界上不知有多少放射科、心脏病科和肿瘤科的医院工作人员每天花费大量时间检查这些医疗影像。
1701074506
1701074507
比如，总部位于旧金山的Enlitic正在采用深度学习来检测CT图像中的肺癌。肺癌是最难检查出的癌症之一，这也是为什么通常检查出来就是晚期的原因。再如，从斯坦福大学孵化器StartX里走出的Arterys公司基于深度学习开发出了一款检测心血管疾病的应用。
1701074508
1701074509
创业公司们已跃跃欲试，大公司们自然也早已出手。IBM正在将其沃森机器学习系统（以及2015年从Merge Healthcare公司收购的技术）应用于医学影像管理。同时它还与美敦力（Medtronic）、杨森和苹果公司合作，致力于糖尿病的诊断研究，与几家大医院合作进行癌症诊断研究，这些都被打包进了“沃森基因分析”。同时，IBM还鼓励通过智能手机收集患者的数据并将其上传到云端。2015年，IBM还专门推出了“沃森健康项目”（Watson Health）。
1701074510
1701074511
戴尔的云上有超过1 000名医疗工作者提供的数百万的医学图像，它正在使用来自以色列Zebra Medical Vision公司的学习软件，对这些图像进行自动识别和分析。
1701074512
1701074513
飞利浦正与日立合作致力于图像分析系统的研究，它已拥有一个超过1 350亿的庞大医疗影像数据库，其医疗设备（X光扫描仪、CT扫描器和MRI扫描器）每周都在生成超过200万张医疗影像。
1701074514
1701074515
百健（Biogen）是全球第三大生物技术公司，它正尝试从拥有的16亿条基因组数据中创建自动化的“风险报告”。
1701074516
1701074517
看似大玩家很多，一片热闹，但你若问我人工智能分析医疗影像能否很快取代传统的放射科的医生和心脏病专家等，我的答案是：不能。那这么做的意义是什么？大家的梦想是尽快将越来越多的医疗数据存到云端，然后研究出一款类似谷歌或百度的“蜘蛛机器人”（spider robots）出来。顾名思义，它可以在云端像蜘蛛那样日夜不停地爬来爬去检查医疗影像里是否存在问题。而且，这是全自动检索，不需要人工发出分析某个影像的“请求”，而蜘蛛机器人的“新版本”会自动重新检查新的医学知识所涉及的所有图像。想象一下仅此一项变成现实后会带来多大的改变吧！
1701074518
1701074519
人工智能当然也可以应用到医疗保健的其他方面。比如，2016年，AiCure发布了一个使用智能手机摄像头、面部识别以及动作传感软件提醒患者进行药物治疗并检查其到底有没有吃药的一个系统。
1701074520
1701074521
用于计算的DNA
1701074522
1701074523
人工智能外，我认为把DNA用作计算器材和机器人器材是我们这个时代最令人兴奋的事情之一。
1701074524
1701074525
让我们先把DNA比作一台电脑。DNA其实是天然的计算材料，因为它使用了一个代码，而且这个代码遵循严格的逻辑法则。“DNA计算”的先驱是南加州大学的伦纳德·阿德尔曼（Leonard Adleman），1994年，他创建了一台能够解决一个数学问题的DNA计算机。具体来说，他找到了一种以核苷酸的顺序（即DNA或RNA中碱基的排列顺序）来编码一段数据的方法，然后利用DNA的化学特性来做数据计算。然而，轰动性的消息却是在一年之后的1995年传来的，普林斯顿大学的理查德·利普顿（Richard Lipton）证明了DNA计算固有的并行性具备了巨大潜力（如量子计算机一样，可以用并行计算同一时间处理多个问题）。这种并行性让DNA计算在解决一些数学问题上的速度比电子计算机更快！几个月后，利普顿的学生丹·博内和克里斯·邓沃思（Dan Boneh＆Chris Dunworth）表明，DNA计算机还可以破解由美国国家安全局（NSA）开发的数据加密系统。这个“应用”无疑吸引了大量眼球。
1701074526
1701074527
数学家、计算机科学家和生物学家们纷纷对DNA计算机表现出了极大的兴趣。1999年，罗切斯特大学的计算机科学家荻原光德（Mitsunori Ogihara）和生物学家的雷（Animesh Ray）发表了一篇名为《在DNA计算机上模拟布尔电路》（Simulating Boolean Circuits on a DNA Computer）的论文，以色列魏兹曼科学院的埃霍德·夏皮罗（Ehud Shapiro）发表了《生物分子计算机的蓝图》（A Blueprint for a Biomolecular Computer）一文，并于2001年制造了第一台这样的计算机。
1701074528
1701074529
第一台实用的DNA计算机于2002年推出，它被日本奥林巴斯公司用于基因分析，但接下来的十年里DNA计算机并没有多少进步，因为制造一台DNA计算机不仅难度大，而且价格高。
1701074530
1701074531
继DNA计算机后，2013年，斯坦福大学的生物学家德鲁·恩迪（Drew Endy）发明了一台简单的“生物计算机”（Biocomputer），一台可以在活细胞内操作的计算机。这台计算机只能回答“对/错”，但重要的是，它可以检查出目前的设备不能查出的疾病。
1701074532
1701074533
生物计算机和电子计算机之间的主要区别是，生物计算机可以很自然地跟身体里的细胞互动，虽然速度慢了些，但它可以探索到目前的电子设备不能触及的地方。当生物计算机进入实际应用后，我们将能够检查身体内的任何地方。恩迪的生物计算机甚至还可以彼此通信：他的团队发明了一种从一个细胞向另一个细胞发送基因数据的方法，一种新的互联网就要从你身体内的细胞里诞生了。
1701074534
1701074535
DNA机器人的前世今生
1701074536
1701074537
现在，让我们再把DNA作为一种纳米技术材料来分析。所有的生命体都是自组装的，它们不是在工厂被工人建成的，而是一个细胞连着一个细胞自我形成的，但由此诞生的结构让人惊叹。想一下人类的大脑，我们至今连建造出一个跟它大致相似的实验室都做不到，因为它是由母亲怀胎九月形成的，还能够在人的一生中不断地自我组合。
1701074538
1701074539
目前纳米技术可以使用两种方法来构建新材料：自上而下和自下而上。自上而下是科学家们以过人的严谨和精确把分子甚至原子组装在一起，希望由此得到一种稳定的材料；而自下而上的方法当科学家发现一种能够自我生长的结构时就已经完成了，这种方法就是生命本身所采用的：生命就是一个自下而上的过程，它是自我组合的。由此可见，DNA就是一种极好的纳米材料，它每天都在组装大量的生命体。
1701074540
1701074541
第一个发现这种类比关系的人应该是纽约大学的纳德里安·西曼（Nadrian Seeman）。1982年，他发表了一篇从DNA构建3D结构的论文，这被认为是DNA纳米技术的开始。然而，接下来这个领域却沉寂了20年，没有什么进展，因为能够人工合成DNA的机器还很少。
1701074542
1701074543
2005年，西曼发表了《从基因到机器——DNA纳米机械装置》（From genes to machines—DNA nanomechanical devices）的论文，也由此意识到这些想法正变得可行。事实上，2006年就有了突破。那一年，加州理工学院的计算机专家保罗·罗斯蒙德（Paul Rothemund）展示了DNA分子如何能被折叠成两维的结构，以及DNA如何能被编程后形成较大的DNA结构。于是，“DNA折纸术”（DNA origami technique）成了2006年3月16日《自然》杂志的封面故事，自下而上的方法被普遍认同并流行起来。
1701074544
1701074545
2007年，约翰·普莱斯科（John Pelesko）出版了《自我组合》（Self Assembly）一书。2009年，DNA纳米技术的研究显著升温，哈佛大学威廉·施（William Shih）的团队和德国慕尼黑大学蒂姆·利德尔（Tim Liedl）的团队发表了用以DNA自我组装的折叠技术。
1701074546
1701074547
2011年，哈佛大学的肖恩·道格拉斯（Shawn Douglas）创办了国际生物大分子设计竞赛（International Bio-molecular Design Competition，BIOMOD），鼓励世界各地的学生进行DNA折纸术的实验。与此同时，日本京都大学的杉山弘（Hiroshi Sugiyama）正致力于研究“用作生物材料的DNA折纸术”（DNA origami technology for biomaterials applications，这也是他2012发表的论文题目）的研究工作。
[
上一页 ]
[ :1.701074498e+09 ]
[
下一页 ]