
核心黑科技:AI的指数级加持
过去,全基因组测序是大型实验室的专利,耗资数十万美元。Seth此次成功,关键在于三个要素的加持。
硬件:口袋里的「基因读取器」
硬件上,他使用的是Oxford Nanopore MinION测序仪,只有U盘大小,插在电脑上就能读取DNA序列。几年前,同样的事需要占满整个房间的Illumina测序仪、专业团队和六位数预算。现在,这个充电宝大小的设备内部有约2000个纳米孔(直径仅1纳米),DNA片段穿过孔洞引起的微电流变化会被记录并转化为遗传代码。它将测序成本从数十万美元降到1000美元级别,未来甚至可能降至100美元。MinION把「读取DNA」从资本密集型行为变成工具型能力,就像3D打印机把「制造」从工厂搬到桌面,它把「测序」从实验室搬到了客厅。
AI模型:从「读代码」到「理解功能」
实验中,光读出A、T、C、G四个碱基不够,30亿个碱基对的原始数据若不知其含义,只是一堆字母。这时AI登场,实验用到两个关键模型。第一个是Evo2,由Arc Institute开发的基因组基础模型,参数规模达70亿,在全球超12万个物种的基因组数据上训练,能根据一段DNA序列预测其生物学功能,就像生物学版的GPT,GPT读懂人类语言,Evo2读懂生命语言,只不过Evo2读的“书”有30亿个字母长。第二个是AlphaGenome,由Google DeepMind出品,专门做基因组功能预测,不仅能告知「这段DNA编码了什么蛋白质」,还能预测「这个位点的突变会对基因表达和染色质结构产生什么影响」。从「读DNA」到「理解DNA功能」,过去需分子生物学实验室花几个月验证,现在一个模型跑几个小时就出结果。
接口简化:大模型成了「实验室助理」
整件事最意外的细节是Claude。Seth操作时用Claude生成了BED文件,这是基因组学的标准数据格式,记录基因组上特定区域的坐标信息。以前写这种文件需懂生物信息学的专业人员手动编写或用专门命令行工具,现在只需用自然语言告诉Claude「帮我生成一个BED文件,覆盖这几个基因区域」,它就生成了。生物学操作已被语言接口接管。
个人实验室时代来了
现在,硬件平民化(MinION)、AI理解力指数级提升(Evo2 + AlphaGenome)、操作门槛被语言接口抹平(Claude),构成了完整的范式转移链条。每一环单独看不算新闻,但三环同时闭合就产生了巨大影响。一个有好奇心的年轻人在自家客厅解开了临床医生十几年都解不开的谜。这件事的冲击力不在于Seth个人故事多传奇,而在于揭示了一条加速的曲线。测序成本下降轨迹比摩尔定律还狠,2003年完成一次人类全基因组测序成本是27亿美元,2007年降到1000万,2014年降到1000美元,2024年部分平台已能做到200美元以下,下一个目标是100美元。这意味着不久的将来,测序自己的基因组成本可能比做一次全身体检还低。很多人觉得这只是极客的hobby project,普通人不会在家测基因组,但回想2010年,又有多少人觉得「普通人会在家里用3D打印机」呢?每一次工具链闭合后,从极客玩具到大众应用的窗口期都在缩短,这次可能更短,因为背后是刚需。
客厅实验实录:如何在家「读」懂自己的DNA?
Seth公布的完整操作规程显示,他的实验室设备除精密移液器外,很多来自eBay二手或速卖通。样本提取阶段,他用无菌口腔拭子摩擦脸颊内侧,仅1根拭子就获得约5 - 7微克DNA,远超实验所需的1微克。自适应采样是MinION的杀手锏。Seth通过软件控制,让测序仪在读取每个片段的前500个碱基时进行「初筛」:如果是他关心的免疫相关基因,就继续读;如果不是,就反转电压把DNA链「吐出来」,换下一条。运行开始几分钟后,能看到MinKNOW控制面板上的纳米孔活性状态。这个过程中,他使用M3 Ultra芯片的Mac Studio进行实时碱基识别,并利用英伟达的DGX Spark提升分析速度,保证了算力。
生物学,不再属于个人垄断
1970年代,计算机是大型机构专属工具,后来个人电脑和互联网出现了,生物学正走同一条路。测序仪是个人电脑,基因组基础模型是操作系统,Claude是用户界面。当这三层同时就绪,生物学的「个人计算机时刻」就到了。Seth在客厅里完成基因组测序的那个下午,可能就是这个时刻的第一帧画面。十年后回头看,2026年大概是一个分水岭。这场实验的意义远不止于一个技术宅的胜利,它标志着生物学研究正从机构垄断向个人DIY模式进行范式转移。当复杂的生物学操作被AI简化为语言对话,当昂贵的仪器变得人人可负担,普通人就能主动解析生命的底层逻辑。正如Seth所说,他在摆弄基因回路时找到了小时候摆弄电脑的快感,这种「极客精神」正在开启一个新的时代。接下来,AI还会创造多少奇迹?
92



被折叠的 条评论
为什么被折叠?



