基因组学
解读生命的代码
是什么
基因组学研究一个人完整的 DNA，也就是每个细胞内的“说明书”。这套代码中的差异会影响疾病风险、我们对药物的反应以及衰老的方式。
AI 带来的改变
AI 能在数十亿个 DNA 字母中找出关键模式：哪些变异会致病、哪些患者会对哪种疗法产生反应、哪些癌症由哪些突变驱动。随着测序变得廉价，正是 AI 把数据转化为决策。
实际应用
为新生儿、癌症患者和罕见病诊断提供常规基因组测序，由 AI 从数百万个变化中标记出真正关键的少数几个。
全局视角
生物学是我们所知最复杂的信息系统。每个细胞都依靠一套约 30 亿个 DNA 字母组成的代码运行，这套代码指导数以万计的蛋白质的合成，每种蛋白质都会折叠成精确的三维结构，而这一结构决定了它的功能。在历史上的大部分时间里，这种复杂性远远超出了人类的解读能力。
AI 改变了这一切。那些学会了人类语言的模型，如今正在学习生命的语言：解读基因组、预测蛋白质结构、设计新分子，并比任何医生单凭自己更早地发现疾病。我相信，这将是 AI 对人类产生最深远影响的领域，也是所有长期投资机会中最大的之一。
为何是现在
三件事同时发生了。测序一个完整人类基因组的成本已从数十亿美元降至几百美元。AI 如今能够预测和设计蛋白质结构，而这些工作过去需要在实验室里花费数年。首批由 AI 发现和设计的药物，正在人体临床试验中取得成果。生物学正在成为一门信息科学。
机会在哪里
我正在研究的领域
工具与测序
生产每个基因组学和蛋白质组学实验室所需的测序仪、实验仪器和试剂的公司，它们是生物科学领域的“镐和铲子”。
AI 药物研发
利用 AI 寻找靶点和设计分子的平台与生物科技公司，它们通常与大型制药企业合作。
诊断与影像
通过解读扫描影像、病理切片和血液检测，更早、更准确地发现疾病的 AI。
生物学算力
生物学模型需要巨大的算力，使这一主题直接与芯片、云计算和数据中心相连。
深度解读
AI 与生物学的交汇
蛋白质组学
理解人体的分子机器
是什么
蛋白质组学研究蛋白质，即在我们体内承担几乎所有工作的分子机器。蛋白质的三维结构决定其功能，而结构异常或缺失的蛋白质是许多疾病的根源。
AI 带来的改变
过去，解析单个蛋白质的结构需要数年时间。如今，AlphaFold 等 AI 系统能在几分钟内完成预测，并且已经覆盖了几乎所有已知蛋白质。新的 AI 工具更进一步，能够设计出自然界从未出现过的全新蛋白质。
实际应用
从零开始设计新的酶、疫苗和抗体，并精确理解药物如何与其靶向蛋白结合。
药物研发
从十年缩短到几年
是什么
传统上，一款新药上市需要 10 到 15 年和数十亿美元，而大多数候选药物会在途中失败。
AI 带来的改变
AI 能够识别有前景的疾病靶点、设计候选分子、预测其安全性，并为临床试验筛选合适的患者。这将早期研究从数年缩短到数月，并有望提高成功率。
实际应用
AI 设计的候选药物已进入人体试验。其中一款针对严重肺纤维化疾病的药物，于 2025 年公布了积极的中期试验结果。
长寿
增加健康的岁月，而不仅仅是岁月
是什么
衰老是癌症、心脏病和痴呆症最大的单一风险因素。长寿科学旨在减缓衰老本身的生物学进程，延长“健康寿命”，即我们健康生活的年数。
AI 带来的改变
AI 综合基因组、蛋白质、血液检测和可穿戴设备数据，测量一个人的生物学年龄，在症状出现前数年预测疾病，并提供个性化的预防方案。它还加快了直接针对衰老的疗法研究。
实际应用
结合基因检测、血液生物标志物和 AI 影像解读的预防性体检，及早发现疾病，并提供个性化方案，帮助人们更长久地保持健康。
目前的证据
我关注的信号
如何判断它正在兑现
- ↗AI 发现的药物推进至后期临床试验并获得批准
- ↗基因组和蛋白质测序成本下降，检测量增长
- ↗AI 公司与大型制药企业之间的合作
- ↗医疗系统和保险机构采用 AI 进行诊断和预防性护理
风险
可能出现的问题
- !无论有没有 AI，药物研发都很缓慢，大多数候选药物仍会失败
- !围绕基因数据的监管、隐私规则和伦理要求理应严格
- !生物科技公司的估值可能极度波动，并受单一试验结果左右
- !长寿是一个年轻的领域，部分说法超前于科学本身
我的应对方式
我将健康与生物科学视为一个长周期主题。我偏好“镐和铲子”（测序、实验工具以及生物学模型背后的算力），加上正在采用 AI 的成熟医疗企业，同时把押注单一药物的生物科技投资控制在小仓位。
“AI 先学会了读懂我们的语言。如今它正在学习读懂我们的生物学，而这可能改变我们能活多久、活得多好。”
以上为个人前瞻性观点，并非预测或推荐，可能被证明是错误的。