主要观点：AI 和机器学习在生物学领域取得了一些成功，如设计消化塑料的酶和阻断蛇毒的蛋白质，但不能认为能通过已有数据让 AI 理解生物学的大部分领域从而跳过实验。生物学比蛋白质结构复杂得多，AI 处理生物学各方面的能力尚不成熟。
关键信息：

• AI 在设计酶和蛋白质方面有成功案例，如消化塑料的酶和阻断蛇毒的蛋白质。
• 一项研究比较了预测基因活性的 AI 软件包，发现其表现不如简单预测方法。
• 研究涉及用 CRISPR 技术改变基因活性，测序细胞中的 RNA 以观察变化，用基础模型进行训练和预测。
• 结果表明基础模型在预测基因对的复杂变化模式方面表现不佳，深度学习模型很少预测协同作用且预测不准确。
  重要细节：
• 研究由海德堡的三位研究者进行，注意到有其他类似研究得出相同结论，且他们的方法易理解。
• 基因活性研究通过多种方法检测不同条件下细胞中基因的活性。
• 测试的单细胞基础模型基于基因活性数据训练，需额外训练用于特定任务。
• 任务是预测基因改变时基因活性的变化，情况复杂，涉及单基因和双基因改变。
• 研究用不同模型进行预测比较，包括总是预测无变化和总是预测叠加效应的模型，均不如简单模型。
• 总体结论是基础模型提供细胞状态通用表示和预测未进行实验结果的目标仍难以实现，但不意味着永远无法开发出帮助解决此问题的 AI，也不意味着适用于所有细胞状态和生物学领域。