神经网络与生命科学的深度融合——从感知机到生成式AI的演进之路
神经网络与生命科学的深度融合——从感知机到生成式AI的演进之路
生物学正在变成一门数据科学。
人类基因组有30亿个碱基对，一次单细胞RNA测序可以同时测量上万个基因的表达水平，蛋白质结构数据库里的分子数量已经超过20万个。这些数据量的增长速度远超人类手动分析的能力极限。
处理这些数据的工具，正在从传统的统计模型和物理模拟，转向深度学习。
这不是一个突然的转变。从上世纪80年代的感知机开始，神经网络经过了几十年的演进，发展出了多种不同的架构——CNN、RNN、Transformer、GAN、GNN、SSM……每一种架构在处理特定类型的数据时有各自的优势。
而生物数据恰好是多种类型数据的集合：一维序列、三维结构、基因调控网络、细胞图谱、分子图……没有一种神经网络架构能够包打一切。
这就是本专题的出发点：系统梳理各类神经网络架构在生物信息学中的应用，让研究者能够根据自己面对的数据类型和科学问题，选择合适的计算工具。
生物学为什么需要多种神经网络
生物数据有几个基本特性，每一种特性对应着不同的计算需求。
序列性。 DNA、RNA、蛋白质都是一维序列。序列建模需要捕捉长程依赖关系——比如DNA上一个增强子可能跨越几十万个碱基对调控靶基因的表达，蛋白质里相隔数百个氨基酸的残基在折叠后可能紧密相邻。Transformer和RNN擅长处理这类问题。
空间结构。 蛋白质和核酸在三维空间中有确定的构象。结构预测、分子对接、结合亲和力估计这些任务需要理解三维几何关系。CNN和GNN擅长处理空间数据——CNN通过卷积核捕捉局部特征，GNN直接在图结构上操作。
网络关系。 蛋白质-蛋白质相互作用、代谢通路、基因调控网络——这些数据天然是图结构。GNN是处理这类问题的天然工具。
生成需求。 蛋白质设计、药物分子生成、合成生物学——这些任务不只是分析已有数据，还要生成全新的生物分子。GAN和扩散模型是这一方向的主力。
时序动态。 细胞分化轨迹、疾病进展过程、药物响应的时间序列——这些数据有时间维度。RNN/LSTM以及更新的状态空间模型（SSM）擅长处理时序数据。
每种架构不是孤立的。在实际应用中，它们经常被组合使用——比如AlphaFold2里既有Transformer又有特殊的注意力机制，蛋白质生成模型里常常是Transformer加扩散模型的混合架构。
本专题的结构
本专题按神经网络架构的类型分为六个批次，外加开篇和总结，预计持续约六到八周。
第一批次：Transformer
Transformer的核心是自注意力机制，能直接建模序列中任意两个位置之间的关系。在生物信息学中，Transformer催生了蛋白质语言模型（ESM、ProtBERT）、DNA语言模型（DNABERT、Nucleotide Transformer）、单细胞基础模型（scGPT）等一系列突破性工具。
这一批次将深入讨论：蛋白质语言模型与自然语言模型的差异、Transformer在蛋白质结构预测和设计中的应用、长序列建模的计算优化、以及少样本适应度预测等前沿方向。
第二批次：CNN（卷积神经网络）
CNN是最早成功应用于生物信息学的深度学习架构之一。DeepBind、Basset等工具证明了CNN在转录因子结合位点预测、基因组功能元件注释上的有效性。CNN的核心优势是对局部模式的敏感捕捉——DNA上的motif、蛋白质上的二级结构，都是CNN擅长的局部特征。
这一批次将讨论CNN在基因调控预测、蛋白质结构分析、基因组变异效应评估中的应用，以及CNN在与其他架构组合时的角色。
第三批次：RNN / LSTM
在Transformer出现之前，RNN/LSTM是处理生物序列数据的主要深度学习工具。虽然它们在长序列建模上的能力不如Transformer，但在时序动态建模——比如细胞轨迹推断、药物响应预测、基因表达时间序列分析——上仍然有独特的价值。
这一批次将讨论RNN/LSTM在这些场景中的应用，以及它们与Transformer的互补关系。
第四批次：GAN / 扩散模型
生成式模型正在改变蛋白质工程和药物设计的方式。GAN（生成式对抗网络）通过对抗训练学习数据分布，扩散模型通过逐步去噪生成样本。这些方法使得从零开始设计具有特定功能的蛋白质或药物分子成为可能。
这一批次将讨论GAN在分子生成中的早期工作、扩散模型在蛋白质结构设计中的最新进展、以及生成式模型在实验数据增强中的应用。
第五批次：GNN（图神经网络）
蛋白质-蛋白质相互作用网络、药物-靶点关系图、分子图表示——图结构数据在生物学中无处不在。GNN能够直接在图结构上做消息传递和特征聚合，是处理这类问题的自然选择。
这一批次将讨论GNN在蛋白质互作预测、药物重定位、分子性质预测中的应用。
第六批次：混合架构与新趋势
没有一种架构能解决所有问题。未来的趋势是混合架构——将Transformer的全局视野、CNN的局部特征提取、GNN的图结构建模结合在一起。同时，MLP-Mixer、状态空间模型（Mamba等）、多模态大模型等新范式正在涌现。
这一批次将讨论这些前沿方向。
总结篇
横向对比各类架构的优劣、适用场景选择指南、以及对未来趋势的展望。
为什么这个话题现在重要
2024年诺贝尔化学奖颁给了AlphaFold团队，这标志着用计算方法预测蛋白质结构已经从”能不能做”变成了”做得好不好”。但结构预测只是冰山一角。
更大的挑战在于：理解生物系统的动态行为、设计全新的生物分子、预测基因编辑的效果、从海量的组学数据中发现新的生物学规律。这些问题没有统一的方法论，需要根据问题的性质选择合适的工具。
本专题的目标不是推销某一种神经网络架构，而是提供一个全景图——让做生物信息学研究的人知道：面对你的具体问题，有哪些计算工具可以选择，它们各自的原理是什么，各自的局限在哪里。
本专题从今天开始更新。第一个批次聚焦Transformer，后续批次按周推进。具体文章排期会根据当天的实际进展调整。