我国生物医学数据科学领域正遭遇众多挑战，同时，在人工智能技术飞速发展的当下，如何将我国在生物医学方面的本土优势与人工智能技术进行高效融合，构建全新的研发途径，已成为业界广泛讨论的焦点。在6月15日举办的“模式生物、表型数据与AI驱动的生物医药源头创新合作”研讨会上，与会专家们纷纷分享了各自的看法和思考。
生物医学难题待解
李亦学，担任广州国家实验室特邀研究员及博士生导师，于研讨会上提出，我国在生物医学领域的数据科学进展较为迟缓，高品质且便于获取的数据资源短缺，同时，算法的创新和工具的集成也遭遇了不小的困难。当前科研环境与AI驱动的需求之间存在不匹配，特别是在快速建模、精准预测和靶点识别等关键领域，不足之处明显，进而限制了生物医学在AI时代的进步。
上海本土优势未彰
上海在人类表型组研究及基因修饰模式生物品系资源领域处于全球领先地位，然而，正向遗传学数据与反向遗传学研究之间却显现出明显的分歧。这种状况导致原本具备优势的科研资源未能得到充分应用，就好比握有宝藏却无法开启宝箱。众多科研人员辛勤付出，却未能取得预期的成效，资源的潜在价值未能得到充分体现。
南模生物潜力与挑战
南模生物的董事长费俭指出，将人工智能技术与上海的地域特色相结合，是当前困境得以破解的关键途径。此外，副总经理孙瑞林进一步说明，公司依托基因修饰技术，已成功构建了七个基础平台，并积累了14万种小鼠及70万只大小鼠的种质资源，其基因修饰动物体系与美国的技术水平相当。目前，公司所依赖的核心种子资源主要来源于国外；此外，由于缺乏表型数据库的辅助，其产品价格的上涨遭遇了一定的困难。再者大连市同乐中小企业商会，中美之间的竞争格局可能会对数据的获取造成一定的阻碍。
复旦资源库建设
针对资源不足的现状，复旦大学特邀的丁玉强教授透露，该校正致力于构建一个实验小鼠资源库，对动物实验设施进行整合优化，同时增设了超过五万个笼舍。除此之外，学校还计划搭建一个网络查询数据库。这些措施旨在为科研工作者提供更加便捷的资源获取渠道，宛如为科研工作者开启了一扇通往资源宝库的大门，使得他们能够更加轻松地获取所需资源。
表型数据平台作用
复旦大学石乐明团队开发的PhenoBank已向超过70家机构提供服务。李亦学指出，人工智能技术的引入使得表型数据平台、模式生物平台等科研基础设施在未来科研领域中将发挥极为关键的作用。这些平台充当了知识传递的桥梁，紧密地连接科研人员与大量数据资源，显著提高了科研工作的效率。
解决难题与标准倡议
广州国家实验室的研究团队成功研制了Bio-OS系统，该系统致力于应对科研人员在数据分析阶段所面临的难题，并有效缓解了数据孤岛问题。上海实验动物研究中心的主任范春提出，有必要确立一套统一的实验规范，以规范整个行业的行为。在本届研讨会上，众多知名专家及产业界人士汇聚一堂，对行业的发展趋势进行了深入分析与交流。针对如何更高效整合各类资源，以促进生物医药行业的创新与发展，您有何独到见解？我们热切期待您在评论区分享您的观点。此外，我们也衷心希望您能对本文给予点赞并予以推广。
