引言

Chan Zuckerberg Initiative（CZI）啟動了“十億細胞項目（Billion Cells Project）”，旨在創(chuàng)建一個前所未有的10億細胞數(shù)據(jù)集，以推動生物學領域人工智能模型開發(fā)的快速進展。

有人贊其為“生命科學的登月計劃”，也有人質疑其實際價值是否配得上如此宏大的宣傳。扎克伯格的野心究竟是一場資本包裝的噱頭，還是真正能改寫生命科學未來的里程碑？

01

CZI

先介紹一下CZI。

Chan Zuckerberg Initiative（CZI）由Priscilla Chan和她的丈夫、Meta（前身為Facebook）的創(chuàng)始人兼首席執(zhí)行官馬克·扎克伯格聯(lián)合創(chuàng)辦，成立于2015年。

CZI的使命是幫助解決社會面臨的一些最嚴峻挑戰(zhàn)，包括根除疾病、改善教育和滿足當?shù)厣鐓^(qū)的需求。CZI致力于為每個人建設一個更加包容、公正和健康的未來。

其非營利性質與開放科學的承諾，使其在業(yè)界獨樹一幟。

而在十億細胞項目之前，CZI也曾資助過人類細胞圖譜（Human Cell Atlas, HCA）項目，當然，最終得出的實驗數(shù)據(jù)也是開放式的——是真的想要做出一個公正的未來的。

HCA項目于2016年開啟，由生物學家阿維夫·雷格夫和莎拉·泰克曼牽頭，聯(lián)合約100名科學家，共同發(fā)起了這項雄心勃勃的倡議——從發(fā)育到衰老，對人類體內的每一種細胞類型進行編目。這是極其復雜和困難的，相當于繪制出人體約37.2萬億個細胞的圖譜。

細胞作為生命體的基本構建模塊，對人體機能的深入理解至關重要。然而，細胞并非靜止不變，它們會因遺傳背景、生活環(huán)境、性別和年齡等多種因素而不斷變化。這種動態(tài)特性是繪制人類細胞圖譜面臨的主要困難之一。

全面的人體細胞圖譜不僅能清晰展示健康細胞的位置和功能，更重要的是，它還能揭示疾病狀態(tài)下細胞的異常變化。通過對比不同疾病狀態(tài)下細胞的差異，科學家能夠更精準地診斷疾病，并開發(fā)出更有效的治療方案。

以肺部細胞圖譜為例，科學家們通過研究發(fā)現(xiàn)，COVID-19患者的肺部細胞與其他肺部疾病患者存在顯著差異。這一發(fā)現(xiàn)有助于深入理解COVID-19的發(fā)病機制，并為治療該疾病提供了新的思路。

2024年11月20日，Nature及其旗下期刊發(fā)布了40多篇關于HCA計劃的論文合集，標志著項目在理解人體健康與疾病以及首版草圖開發(fā)方面的重要里程碑。這些研究涵蓋了多種組織、細胞類型和器官，通過創(chuàng)新的方法和框架，推動了科學研究的進步。

HCA項目自2016年啟動以來，已經(jīng)匯聚了來自102個國家、1700多家機構、超過3600名研究者的智慧，共同致力于對人體內的每種細胞類型進行全面的生物學描述。

目前，HCA團隊已經(jīng)掌握了約6200萬個細胞的數(shù)據(jù)，這些數(shù)據(jù)根據(jù)18個生物網(wǎng)絡進行了分類，包括神經(jīng)系統(tǒng)、肺部、心臟、腸道和免疫系統(tǒng)等部位的細胞圖譜。

而CZI作為HCA最早且最大的資助者之一，為本次里程碑式發(fā)布中的三分之一論文提供了支持。

CZI科學主管斯蒂芬·奎克表示，人類細胞圖譜是CZI支持科學的首批重大投入之一，投入轉化出的成果豐富，不僅包括論文中報道的科學發(fā)現(xiàn)，共享數(shù)據(jù)的價值也非常矚目。

這些大量的數(shù)據(jù)經(jīng)過更深入的分析，能夠進一步推動研究進程，加速科學發(fā)現(xiàn)的步伐，從而有助于CZI實現(xiàn)其宏偉愿景——在本世紀末達成治愈、預防或管理所有疾病的目標。

02

它前所未有的十億細胞項目

CZI的十億細胞項目，核心目標是生成一個前所未有的十億細胞數(shù)據(jù)集，用這些數(shù)據(jù)訓練AI模型，推動生物學研究的突破。

這像是科幻小說里的情節(jié)，但它確實在發(fā)生。CZI已經(jīng)和10x Genomics、Ultima Genomics等頂尖機構合作，使用Chromium GEM-X技術和超高通量測序平臺UG 100，計劃覆蓋小鼠、斑馬魚和人類細胞模型等不同物種的細胞數(shù)據(jù)。

為什么是十億細胞？因為規(guī)模決定了深度。

過去幾年，單細胞測序技術已經(jīng)讓我們能夠逐個分析細胞的基因表達，但大多數(shù)研究的數(shù)據(jù)量只有幾百萬到幾千萬細胞。十億這個量級，意味著我們可以捕捉到極為罕見的細胞類型，甚至發(fā)現(xiàn)那些在傳統(tǒng)研究中被忽略的“暗物質”細胞。比如，某些癌癥的耐藥機制可能就隱藏在極少數(shù)細胞中，而這些細胞在小規(guī)模數(shù)據(jù)中根本無法被識別。

倘若用這些數(shù)據(jù)將被用來訓練AI模型，考慮到現(xiàn)在人工智能的發(fā)展速度，本世紀內，一個能夠完全模擬人體細胞行為的虛擬模型將出現(xiàn)，它不僅能預測健康細胞如何應對藥物，還能揭示疾病狀態(tài)下細胞的動態(tài)變化。這種能力，可能會徹底改變我們對疾病的理解和治療方式。

CZI仍然承諾將這些數(shù)據(jù)開源，讓全球科學家都能使用——這是開放科學的承諾，是一種對科學共同體的賦能。也是他們的初心。

不過這些都有點遠了，擺在眼前的是十億細胞項目的核心目標：

• 數(shù)據(jù)規(guī)模：生成包含十億個細胞的單細胞數(shù)據(jù)集，覆蓋小鼠、斑馬魚和人類原代細胞模型等生物體。

• 技術整合：聯(lián)合10x Genomics（單細胞分析）和Ultima Genomics（高通量測序）等企業(yè)，利用GEM-X技術和UG 100測序平臺降低成本并提升通量。

• AI驅動：通過開源數(shù)據(jù)訓練虛擬細胞模型，加速精準醫(yī)學和功能基因組學的研究。

03

炒作還是真的可行

這個項目并非空中樓閣，是具有一定可行性的。技術上，單細胞測序和高通量測序的進步已經(jīng)讓大規(guī)模數(shù)據(jù)生成成為可能。

據(jù)公開報道，10x Genomics的Chromium GEM-X技術，能夠以極高的效率分離和分析單個細胞，而Ultima Genomics的UG 100平臺則通過晶圓級測序架構，實現(xiàn)了低成本、高通量的數(shù)據(jù)生成。

但我們還需要考慮的是：技術的可行性不僅僅是“能不能生成數(shù)據(jù)”，更在于“這些數(shù)據(jù)能不能用”。

十億細胞的數(shù)據(jù)量是天文數(shù)字級別的，如何存儲、分析、共享這些數(shù)據(jù)，是一個巨大的挑戰(zhàn)。CZI計劃通過CELLxGENE平臺來管理這些數(shù)據(jù)，這個平臺已經(jīng)支持單細胞基因表達數(shù)據(jù)的分析和可視化，未來可能會成為全球科學家研究這些數(shù)據(jù)的基礎設施。

還有一個關鍵點是標準化。

CZI強調數(shù)據(jù)的互操作性，這意味著不同實驗室生成的數(shù)據(jù)需要遵循統(tǒng)一的標準。這種標準化不僅能提高數(shù)據(jù)的可用性，還能降低AI模型的訓練難度。畢竟，AI需要的是高質量、結構化的數(shù)據(jù)，而不是一堆雜亂無章的碎片。

十億細胞項目又讓我想起了AI蛋白質預測的突破。

當初，誰能想到連一個日常問題都會答非所問的“人工智障”能進化成AlphaFold，讓我們從靜態(tài)結構預測走向動態(tài)結構預測，甚至開始設計全新的蛋白質呢？

但AlphaFold確實出現(xiàn)了，并且還在不斷進化著。

AlphaFold 3可以預測超過10億個蛋白質結構，包括多鏈復合體，這種能力正在徹底改變藥物研發(fā)的流程。

因此，私以為十億細胞項目很大程度上是可行的。

十億細胞項目和AI蛋白質預測還能配合著使用：前者是從細胞層面生成數(shù)據(jù)，后者是從分子層面優(yōu)化模型。換句話說，十億細胞項目更像是在為AI提供“燃料”，而AI蛋白質預測則是在用AI“建造工具”。

這兩種技術的結合，可能會產(chǎn)生1+1>2的效果：十億細胞項目的數(shù)據(jù)可以用來訓練更強大的蛋白質預測模型，而這些模型又可以反過來優(yōu)化細胞行為的模擬。

End

寫在文末

十億細胞項目絕非單純的噱頭。其技術可行性、合作模式與科學愿景均具備顛覆性潛力。然而，挑戰(zhàn)亦不容忽視：數(shù)據(jù)標準化、計算資源分配、倫理問題（如細胞數(shù)據(jù)隱私）等仍需解決。若CZI能延續(xù)其在HCA項目中的開放協(xié)作精神，這一項目或將成為繼人類基因組計劃后，生命科學領域的又一里程碑。

正如AI蛋白質預測重新定義了結構生物學，十億細胞項目可能為理解生命復雜性打開一扇新的大門。