重新定义 AI 时代的药物设计能力——以生物信息学为例

Perspective 原文:Goh W. W. B., Polster A., Wong L. & Cvijovic M. Rethinking bioinformatics expertise in the era of artificial intelligence.npj Digital Medicine 9, 398 (2026). DOI: 10.1038/s41746-026-02777-1 作者单位横跨新加坡南洋理工大学、新加坡国立大学、瑞典哥德堡大学与查尔姆斯理工大学等。

速览

主流叙事把 AI 描述为科学专业能力的"替代者"。本文反对这一框架,提出一个更精确的判断:AI 是一台价值随使用者专业度线性放大的加速器,而非替代品。因为 AI 无法判断生物学意义、无法验证科学有效性,生物信息学家不仅没有被淘汰,反而成为"AI 能产出真科学、而非高仿噪声"的必要条件。文章的真正贡献,是把这个判断落到一套可执行的角色转型上——围绕三次转身(技术、科学、机构),并在每一节给出"In practice"操作建议。

一句话立场:没有专家把关,AI 不会让科学走向大众,它只会让"科学的表象"走向大众——而后者比"被替代"更危险。

一、问题的提出:替代叙事为何在生信领域格外有杀伤力

围绕 AI 与科研能力的主流叙事是"替代"(原文引用劳动经济学与新闻业的 AI 焦虑研究作为背景)。论证逻辑是:写代码、解读数据、综述文献、生成假设——这些曾需多年训练的任务正被算法吞噬。在生物信息学中,这一叙事尤其有力,因为它直指一个尖锐问题:

如果一个大语言模型能草拟 RNA-seq 流程、注释变异、并生成"可直接发表"的差异表达分析解读,生物信息学家还剩下什么?

作者的回答是:几乎所有真正重要的事。而要理解为什么,需要先对"AI 到底做了什么、又做不到什么"有一个更清晰的账目。

二、概念前提:AI 的三类技术分型

文章特别强调——"人工智能"是一个高度异质的统称,不同范式在工作机理、所需条件、失效模式与治理含义上差异巨大。生信相关的可归为三类(相互重叠):

笔记:这张分型表是全文论证的隐性骨架。后文几乎每个论点,都可以追溯到"针对哪一类 AI、它的失效模式是什么、因此需要专家做什么"。读者若先记住这三类的差异,会更容易理解作者为何坚持"专家不可替代"。

核心机制陈述:AI 不理解生物学,它识别其训练数据中的模式,并生成与这些模式在统计上一致的输出。这极其强大,但也意味着——输出质量的上限,就是被投入其中的专业判断的质量:体现在分析设计、数据策展、结果解读,以及识别"看起来正确实则错误"的能力上。

三、核心命题:AI 加速的是科学,还是科学的表象?

3.1 最危险的不是替代,而是高仿

没有底层专业能力,AI 不会让科学民主化,它只会让科学的表象民主化:看似严谨的分析、听起来权威的输出、却无法被据其行动的人所验证的结论。作者明确指出,这比"被替代"是另一回事,且危险得多(此处呼应自然语言生成中的幻觉文献)。

3.2 以"代码生成"为例拆解

LLM 确实能根据自然语言描述,产出可运行的变异注释、差异表达或基因组组装脚本。但很少被言明的下半句是:

• • 若你不懂变异注释 / 差异表达 / 基因组组装,你无法判断脚本是否在做正确的事;
• • 你无从得知它用的参考基因组是否正确、统计模型是否匹配你的实验设计、输出是真实的生物学信号还是参数设定错误产生的假象。

代码存在了,但"判断代码是否产出有效、可解释、可信结果"的科学能力,并不会随代码一起到来——它必须由真正懂行的人带进这场分析。

3.3 加速器/跳板框架

作者把核心立场陈述得很直白:AI 是一台价值随专业度直接放大的强力加速器,是跳板而非替代品。它压缩了执行(专家设计的)分析所需的时间、验证(专家界定的)方法、放大(专家验证过的)工作流——但它不替代那个"让这些分析值得一做"的专家判断。理解并据此自我定位的生物信息学家,不会被 AI 威胁,而是成为"AI 快速产出前沿科学、而非噪声"的必要条件。

由此引出全文的组织主线——三次转身:

1. 1. 从"运行分析"→"设计运行分析的智能";
2. 2. 从"执行既定流程"→"开拓通用 AI 无法胜任的、依赖专家的复杂应用";
3. 3. 从"科研贡献者"→"确保 AI 被负责任地、规模化地、可抵达临床与患者地部署的机构领导者"。

四、三次转身:逐层拆解

转身一(技术层):从"AI 消费者"到"AI 托管人"

第一次转身是技术性的,起点是一次身份重置:从"AI consumer"到"AI custodian"——从"用 AI 产出结果",到"对这些结果是否正确、可复现、有生物学意义负起个人责任"。缺了这层转变,AI 落地生信最可能的结果不是进步,而是一堆自信满满、却无人有能力批判性评估的噪声。

4.1 提示词工程:已成核心科研能力

• • 提示词工程(设计引导 LLM 产出准确、相关、可复现输出的指令)正被视为核心科研能力,许多机构已将其纳入本科核心课程。
• • 同一模型,提示词构造不同,输出可从"富有生物学洞见"滑向"生物学上的胡说"——差别不在 AI,而在指挥它的人的专业度。
• • 实证:基准研究显示,在完全相同的生物学任务上,仅更换提示词写法,模型表现可相差 20–40 个百分点;且在标准基准上表现强的模型,常常无法泛化到基准未覆盖的具体生物学问题。对这类模型的评估,需要超越简单性能指标的全新策略。
• • 机遇与责任:一个能稳定提取通路富集摘要、或从分析日志稳定生成统计上恰当的方法学文字的提示词,本身是一份可复用、可被引用的科研资产——它编码了专家知识,蕴含着非领域专家无法辨别("规范的生物学解读" vs "听起来合理的解读")的深层洞见。构建专家策展的提示词库、系统化跨输入基准测试、并为社区确立标准,是能把专家影响力延伸到此后每一次分析的高杠杆贡献。
• • 更复杂的提示架构:
  • • 思维链(CoT)——令模型先逐步推理再作答,可显著提升复杂生物学推理;但仅当提示策略由懂得"好的生物学推理长什么样"的人来设计时。
  • • 少样本(Few‑shot)——在提示中嵌入精选生物学示例可引导模型走向领域恰当的输出;但挑选示例所需的,恰恰是提示本应传递的那种领域知识。
• • 两条关键警告:
  1. 1. CoT 可能脆弱——会产出看似自洽、却最终导向错误结论的逐步推理,且表现在不同模型/任务间波动巨大;
  2. 2. 更根本的:提示词库与基准化输出不保证基础模型重训后仍然有效;今天稳定产出高质量富集摘要的提示,在下一次模型更新后可能行为大变。因此须持续监测模型漂移,把提示词库当作**"活的方法学资产",持续验证、并配以能察觉"输出已悄然退化"的领域专家——这与临床应用中已被阐明的上市后持续监测**机制如出一辙。
• • 超越提示——智能体系统:编排多个 AI 组件实现环境感知、多步推理、工具使用、记忆检索与迭代自纠。Virtual Lab 即范例:人类研究者定义高层科学目标,一支分别专精免疫学、计算生物学、机器学习的 LLM 智能体团队,设计并执行整合 ESM、AlphaFold‑Multimer、Rosetta 的流程,产出经实验验证的纳米抗体候选("专家小组"模式)。构建、验证、批判性解读此类系统所需的专业能力远超提示构造——包括如何架构智能体的角色与职责、如何设计在误差传播前将其拦截的验证检查点、如何结合每个组件模型的具体局限来解读结果。能做到这些的生物信息学家实际上是在做 AI 工程师,把领域知识作为"被代理表达的专业 know‑how"注入智能体。

In practice:把提示词当作活的方法学资产——版本控制、跨输入系统化测试、记录输出如何变化。一个覆盖五项高频任务(变异注释摘要、差异表达解读、方法学撰写、文献综合、图注生成)、经多样输入基准测试并作为 methods note 发表的提示词库,就是一份可被引用的、面向可复现 AI 辅助科学的贡献。

4.2 让自动化"浓缩"科学判断,而非替代它

• • 基础模型已能大幅自动化大量常规生信任务:文档撰写、协议起草、迭代式代码生成、QC 脚本、变异注释、结果格式化。其价值是真实的,但以"存在能界定何为常规、能规定自动化适用边界、能识别自动化何时出错的专家"为前提。
• • GWAS 流程范例:AI 能生成并调试 QC、群体分层、结果格式化的脚手架代码(概念上常规、技术上耗时);但它无法——为这一特定队列与平台决定恰当的 QC 阈值、识别"已知位点附近一簇意外关联可能源于连锁不平衡而非独立信号"、判断"给定样本的祖源构成,群体结构校正是否充分"。这些都需要专家注入领域知识:AI 加速分析,专家决定分析是否有效。
• • 后果并非假设:历史上未能正确处理群体结构,曾产生进入文献、其后需撤稿或更正的假阳性关联。在未经专家核验群体构成的情况下自动化分层校正的 AI 流程,会在规模上放大这一风险。
• • 正确框架:自动化不是科学判断的替代,而是其浓缩。当分析的机械部分交给 AI,专家的注意力不再被脚本、调试、格式化稀释,从而腾出时间与心智,投向实验设计、生物学解读、方法学验证,以及"在具备相应计算能力前根本无法提出"的研究问题。

In practice:列出当前工作流中最耗时的三项常规任务,为每项配置 AI 辅助,记录你用于核验输出的参数与检查,并追踪被释放出的时间。被释放的时间就是度量指标——若它又以相同或其他形式回流到常规工作,则增值转型并未发生。

4.3 数据质量:AI 从什么里学习,它就只知道什么

• • 专家知识决定 AI 表现的最重要、却最不可见的途径之一,是数据。模型架构吸引了多数关注,但实践中,训练数据的质量、策展与生物学相关性至少同等重要、往往更重要。喂入有偏、错标、无信息量的数据,AI 就产出有偏、错标、无信息量的结论——且用 LLM 时会更自信地这么做,其形式对缺乏领域知识者而言与正确输出无从区分。
• • 来自药物发现的具体证据:针对分子表示、数据质量、数据集规模与构成的系统性问题下功夫(而非迭代架构),可让相对简单的机器学习方法在准确性与可解释性上媲美深度神经网络;一篇系统综述更发现,许多被归功于架构的性能提升,在训练集被清理掉已知数据质量伪影后便消失了——这表明真正的主要驱动力是专家驱动的数据策展,而非算法的精巧。
• • 可泛化的教训:在训练集中认出批次效应、识别临床标注中的标签噪声、发现某种分子表示会系统性地亏待罕见变异——这不是科研的配角贡献,常常就是主角本身。
• • 把数据工作当作科学工作(投入元数据标准、本体对齐、溯源追踪、系统性偏倚审计)不是行政开销,而是可信 AI 的地基。建立此类基础设施的机构会持续胜出,因为它们不必在每个新项目里重复求解同样的上游数据问题。

In practice:任何 AI 辅助分析之前,先做一次结构化数据审计——检查批次效应、类别不平衡、缺失元数据、标注不一致;记录发现与修正。这份审计日志应写入 Methods,它正是"严谨分析"与"把质量控制外包给一个无力执行它的模型"之间的分水岭。

4.4 可解释性(XAI):专家是最后一道防线

• • 当前基础模型的不透明,在生物医学研究中不只是技术不便,而是科学与临床风险。一个以高表观准确率预测药物反应、识别疾病亚型或排序变异、却没有可解释推理的模型,不是科学工具,而是一个其输出无法被验证、质疑、在其上构建的模式匹配器;在临床语境中,它是一种责任风险。
• • 当前 XAI 方法(基于注意力的解释、SHAP 值、特征重要性)有充分记录的局限:跨次运行不稳定、对实现选择敏感,有时只是对模型行为的事后合理化而非真正解释。但这恰恰使专家的生物学判断不可或缺——专家的角色不是把 XAI 输出当解释照单全收,而是去拷问它:模型关注的特征在生物学上是否自洽、其推理在扰动下是否成立、其解释是否与已知生物学一致。
• • 生物学语境中的 XAI 远不止产出注意力图或特征重要性:它意味着确保模型所依赖的特征在生物学上自洽(一个基因表达分类器应关注与表型有机制相关性的基因,而非与批次效应相关的管家基因);意味着设计在扰动下检验推断关系是否成立的验证实验,而不只是在同队列留出样本上检验;意味着认识到"在内部基准表现良好的模型,可能在外部数据集上完全失效",而这种失效若发生在临床部署之后,后果远超一次撤稿。
• • 不确定性量化是 XAI 空间中被低估的护栏:一个在给出预测的同时返回校准过的置信区间、并在新输入落在训练分布之外时主动报警的模型,在科研或临床语境中远比"输出貌似精确的点估计"者有用。把不确定性估计构建进流程、并训练临床与科研合作者去解读它,需要的正是统计素养与生物学领域知识的结合——这是任何提示词都无法替代的。
• • 实践要义:XAI 方法应被当作专家调查的起点而非终点。特征重要性分数不解释"为什么这个基因重要",它只是标记出一个待专家评估的候选;注意力图不验证模型,它只支持必须被验证/检验的假设生成。专家不是 XAI 所产解释的消费者,而是唯一真正重要的那种解释的来源。

In practice:在任何模型结果被据以行动之前,确立一条最低可解释性标准:识别最具预测力的特征并验证其生物学合理性;至少在一个外部队列上检验性能;为每个预测附上置信/不确定性指标。这几步不是官僚程序,而是"科学发现"与"被打扮成科学发现的统计伪影"之间的区别。

转身二(科学层):从"执行流程"到"开拓只有专家能解的难题"

第二次转身是科学性的:识别那些 AI 最强、却又"一旦缺乏专家引导,最可能产出难以察觉之错误"的问题。这些不是领域边缘的问题,而是其最重要的问题。随着 AI 对非专家开放,领域最重要的分界线从"谁能运行分析"转向"谁能判断分析是否正确"。

4.5 多模态整合:复杂度让通用工具失灵之处

• • 当代生物医学最重要的问题,几乎都位于多种数据模态的交汇处:基因组与临床记录、蛋白质组与影像、分子签名与纵向患者轨迹。整合这些各有尺度、分辨率、噪声结构与生物学逻辑的异质数据,可以说是领域内技术与概念上最苛刻的挑战,也正是通用 AI 工具最不胜任、专家引导最不可或缺之处。
• • 难点不在计算——多组学整合、共嵌入、跨模态学习的算法已存在且日益强大;难在解释。当一个基因组—临床联合模型识别出疾病亚型,首要问题不是"聚类在统计上是否稳健",而是:它们在生物学上是否真实?是否反映了不同的分子机制?是否以可付诸行动的方式与临床结局对齐?驱动分群的特征是有意义的信号,还是技术伪影?回答这些,需要在数据科学与生物学边界处多年积累的整合性专业能力。非专家用同一工具也能产出输出,但他们不会知道这些输出是否有任何意义。
• • 少被提及却持续致命的"语言鸿沟":技术社区用平台、事件、模式(schema)、流水线来描述数据——一种抽离了实验与生物学语境的通用基础设施语言;临床与生命科学社区则用受规管的检测、实验条件、患者层面的证据、临床溯源来描述同一份数据——一种"语境即意义"的语言。这不是风格差异,而是关于"数据是什么、为何而存在"的不同心智模型。ML 流程中的一个"feature"与临床语境中的一个"biomarker"可能指向同一测量值,却背负着关于"它如何获得、由什么验证、什么授权它进入决策"的不同假设。两种词汇的错位,是跨学科 AI 项目失败的一致来源——在一个框架内技术上无懈可击的系统,在另一个框架内可能在临床上不可解读。因此,生物信息学家作为两个世界之间的"翻译者",其角色对多模态整合不是边缘的,而是核心的;这是一种在跨学科界面上"硬磨"出来的、无法仅从任一侧习得的涌现能力。
• • 组织含义:把计算生物学家放进临床环境、把临床医生放进计算环境的训练项目,不是软性的组织偏好,而是多模态 AI 所需整合型专业能力的前提条件。

In practice:在你的环境中找出一个正被孤立(silo)分析的多模态数据集。在选定方法之前,写一页框定文档:这次整合意在回答什么生物学问题?有意义的结果会是什么样?如何区分真实信号与技术伪影?这份框定文档,就是让后续分析可被解读的那份专家贡献。

4.6 高复杂度应用:浅尝辄止只会得到"理直气壮的错误"

• • 这一区别在"生物学复杂度高到错误结果并非一望可知、看似合理的输出可以自信地错误、只有深领域知识者才会察觉"的应用中最为关键。
• • 蛋白质结构预测范例:AlphaFold3 是了不起的工具,但其输出的科学价值完全取决于解读它的专业能力——哪些蛋白家族的预测可靠性有限?在本征无序区语境下置信分数该如何解读?如何用预测结构去为诱变实验排定优先级,而非仅仅生成图片?这些都不是模型回答的问题,而是专家必须带去问它的问题。理解预测局限的领域专家,从 AlphaFold3 中萃取出的科学价值,与"提交序列、照单全收"的用户有质的不同——工具相同,科学不同。
• • 同一原则贯穿所有前沿应用:应用于基因调控、单细胞轨迹分析、三维基因组组织、非编码变异解读的基础模型——领先模型很强,失效模式却很隐蔽。认出这些失效模式(训练数据缺失了什么生物学语境、架构无法区分什么混杂、计算预测成为科学主张前需要什么实验验证),是专家不可替代的贡献,也是"推进领域的结果"与"误导领域的结果"之间的区别。

In practice:对你所用的任何高复杂度应用,投入时间去理解模型在何处崩坏——读原始论文中的"补充材料·局限"部分,识别失效案例,然后把这些失效模式明确纳入你的分析或验证策略。这不是对 AI 的怀疑主义,而是让 AI 辅助结果可信的科学严谨。

转身三(机构层):从"科研贡献者"到"机构架构师"

第三次转身是组织性的,且在许多方面最为紧迫。个体分析层面的卓越是必要而不充分的。AI 落地的全部风险,不是某次分析会出错(总会有),而是 AI 会在机构尺度上、于临床与科研场景中、由无力评估其输出的人、以无人针对相应人群验证过的方式被部署。防住这一结局是一种领导责任,它最自然地落在那些理解所采用 AI 模型局限、能做数据驱动的战略决策、并坐落于计算与生物医学学科交汇处的生物信息学家身上。

4.7 填平"概念验证"到"临床落地"的鸿沟

• • 生信史上不乏"明明管用、却从未抵达临床"的强力工具——原因不是它们不工作,而是没人去处理"在真实条件下可靠、安全、规模化使用"的问题。从"在受控分析中证明方法可行"到"在临床工作流中部署"之间的鸿沟,不是技术鸿沟,而是实施(implementation)鸿沟,需要同时关注互操作性、用户体验、文档、利益相关方培训与监管对齐,需要一个既懂科学、又懂被引入之系统的人。
• • 心血管多基因风险评分(PRS)范例:一个在研究队列中表现良好的 PRS,在临床部署前需要——与电子病历(EHR)系统整合、培训临床医生如何解读并向患者沟通该评分、在其将被使用的特定人群中验证、以及随证据演进而更新的流程。这些没有一项被原始分析覆盖,且全都要求技术、临床、运营、监管"四合一"的跨学科思考——而这正是生物信息学家有资格领导的。没有这份领导,工具止步于论文;有了它,工具抵达患者。
• • 实施科学心态:从任何具转化潜力的项目伊始,就不仅问"方法是否有效",而问"它能否被使用——由谁、在何种条件、经何种训练、配何种保障"。为将要使用工具的人而设计、配上临床合作者能照做的文档、产出非专家也不会误读的输出。将变革医疗的 AI 系统,未必是技术上最精巧的,而是从一开始就被设计成"能被非创造者正确使用"的那些。

In practice:下次完成一项有转化价值的分析时,在技术报告之外另写一页实施简报:规模化部署需要什么?谁需要参与?还缺什么验证?适用哪些监管考量?这份简报对临床或机构伙伴,会比 methods 部分更有用,而撰写它本身就会揭示真正的下一步是什么。

4.8 伦理即科学严谨,而非合规负担

• • AI 的伦理风险,其内核就是科学风险:主要在某一人口学群体数据上训练的诊断模型,会在其他群体中系统性失准——而这对仅看总体准确率的评估者不可见;在历史病历上训练的临床 NLP 系统,会继承那些记录的语言中所编码的偏见,可能延续医疗中的差距;部署在祖源、环境或疾病流行率不同于训练队列之人群的基因组风险模型,会对"最需要预测正确的人"给出自信地错误的预测。
• • 这些不是边缘情况或假设,而是已部署系统中有记录的失败,且共享一个成因:在"模型的训练数据、架构与部署语境被界定"的关键处缺乏专家监督。
• • 最广为记录的案例(Obermeyer 等,Science 2019):一套被广泛用于筛选"需额外照护管理"患者的商用算法,被发现系统性地低估了黑人患者的健康需求——在疾病负担相当的情况下,相对于白人患者。成因是其训练目标用**"医疗花费"作为"健康需求"的代理指标**——一个在没有任何算法错误的情况下、把既存差距编码进模型的设计决策。识别与纠正它,需要的正是算法开发者最初未曾应用的那种"临床领域知识 + 统计审视 + 公平意识评估"的结合。
• • 理解这些失败之技术成因、能跨亚组审计模型表现差异、能识别产生这些差异的训练数据特征、并能设计预防它们的治理协议的生物信息学家,不是在做与科研分离的伦理服务,而是在正确地做科学。具体而言:部署前主动按相关亚组分层模型表现;参与记录训练数据溯源与已知局限的审计追踪框架;并把 GDPR、HIPAA 及新兴 AI 专项监管,不当作外部约束,而当作严谨科学早已要求之原则的法律编码。
• • 监管态势(2024 年后已实质改变):欧盟《人工智能法案》(Regulation EU 2024/1689)——全球首部综合性 AI 法律——已于 2024 年 8 月生效,将用于医疗器械与临床决策支持的 AI 归为高风险,须接受合格评定、透明度要求、人工监督义务与上市后监测;对在 EU MDR/IVDR 下嵌入受规管医疗器械的 AI,完整合规义务自 2027 年 8 月起适用。该法案在法律上编码了本文从科学角度所主张的诸多原则:高风险 AI 须以有据可查的数据治理来开发、须跨相关亚组检验性能、须配备充分的人工监督机制、须接受持续的部署后监测。因此,领导 AI 工具从研究走向临床的生物信息学家,正处于一个"专家监督的科学理由"与"提供监督的法律义务"已然对齐的环境中。熟悉该法案要求,以及其他司法辖区的类似框架(包括 FDA 对 AI 赋能医疗器械不断演进的指南),已成为面向欧洲或受欧洲监管影响之市场设计临床 AI 系统者的实务要求。

In practice:为任何拟用于临床或人群健康的模型,在标准分析流程中加入一项偏倚审计——按祖源、年龄、性别及相关社会经济指标分层报告性能,明确报告差异。若模型在某亚组表现欠佳,记录它、将其标为局限、并当作一个开放的科学问题来对待。这不是额外工作——这就是工作本身。

4.9 战略领导:专家作为机构架构师

• • "从工具使用者到 AI 架构师"的终极形态是战略领导力:塑造机构如何理解、投资并跨其科研与临床运营部署 AI。此处生物信息学家跨界专业能力的全部价值得以显现——能依据供应商并不理解的生物学与临床要求来评估 AI 工具、能设计服务于科学而非商业逻辑的数据基础设施、能把 AI 能力与局限的含义翻译成科室主管、临床主任与高管能据以行动的语言。
• • 趋势已可见:随着机构在"如何治理、部署、并从规模化 AI 中提取价值"上求索,它们日益转向能桥接生物学知识、计算素养与组织复杂性的专业人士——这一组合对生物信息学家的刻画,比对几乎任何其他角色都更精确。把计算训练出身的生命科学家任命为首席数据科学家、AI 总监、国家级数据科学研究与培训项目负责人正变得不再例外,而更像是机构在 AI 时代如何定义"领导力"的结构性转变的标志。驱动这些任命的战略问题——哪些 AI 工具值得投资、数据基础设施应如何架构、AI 能力应如何嵌入科研与临床工作流、人员应如何培训——正是生物信息学家比几乎任何人都更有资格回答的。
• • 抵达此处需要超越技术技能的刻意投入:向非技术利益相关方沟通复杂理念、管理阻力并为变革建立联盟、构建并捍卫战略建议;同时维持对一个"去年的能力今年已过时"之快速领域的真正当前理解。对作出此投入的生物信息学家而言,机会不止于职业晋升,而是有机会决定 AI 在其机构中产出的,究竟是可靠、合乎伦理、临床有价值的科学,还是规模化的"有其形而无其实"的伪科学。

In practice:找出一个当前在没有生信参与的情况下正在做出的机构级 AI 决策(一次供应商评估、一项数据基础设施选择、一个培训项目设计)。提供一份结构化视角:一页简报,框定该决策、勾勒关键的科学与技术考量、并给出一项建议。机构内的战略影响力,正是这样一次次"时机得当、框定得当"的贡献累积起来的。

五、关键实证与案例一览

把全文散落的证据与案例集中于此,便于检索与引用。

六、专家落地清单

可直接作为团队 SOP 的检查项:

1. 1. 提示词资产化:对高频任务建立专家策展的提示词库,版本控制、跨输入基准测试,并作为 methods note 发表;持续监测模型漂移导致的"静默退化"。
2. 2. 自动化以时间为度量:配置 AI 接管最耗时的常规任务,记录核验参数与检查;追踪被释放的时间是否真正流向高价值工作(实验设计、解读、验证),否则转型未发生。
3. 3. 分析前数据审计:逐项检查批次效应、类别不平衡、缺失元数据、标注不一致;审计日志写入 Methods。
4. 4. 最低可解释性标准:验证 Top 预测特征的生物学合理性 → 至少一个外部队列验证 → 每个预测附置信/不确定性指标。
5. 5. 多模态先写"框定文档":在选方法前,用一页说明"回答什么生物学问题、有意义的结果是什么、如何区分真信号与伪影"。
6. 6. 高复杂度先研究失效模式:精读原文"局限"部分,把失效案例显式纳入分析/验证策略。
7. 7. 转化项目配"实施简报":与技术报告并列,回答"规模化部署需要什么、谁参与、缺什么验证、适用何种监管"。
8. 8. 常规化偏倚审计:按祖源/年龄/性别/社会经济指标分层报告性能,显式披露差异并当作开放科学问题。
9. 9. 主动介入机构决策:对无生信参与的 AI 决策,主动提交一页结构化简报(框定—考量—建议)。

七、批判性评述与延伸思考

该文的长处

• • 框架转换有力:用"加速器/跳板"替代"替代/被替代",并以"科学 vs 科学的表象"作为统一的危险性判据,逻辑自洽,且与更广义的可复现性危机、LLM 幻觉文献相互印证。
• • 可执行性强:每节的 "In practice" 让一篇观点文章具备了"操作手册"价值,这在同类评论中并不多见。
• • 把治理、数据、伦理"收编"为科学工作:作者反复强调数据策展、偏倚审计、监管合规不是"行政开销"而是科学严谨本身,这一立场对长期被低估的"数据/治理"工作是有益的正名。

值得警惕的张力与局限

1. 1. 体裁本身:这是一篇规范性的观点文(Perspective),而非系统实证研究。其核心主张("AI 无法判断生物学意义")主要由精选案例支撑,而非系统检验——读者宜将其作为有力论证,而非已被量化证实的结论。
2. 2. "超级生物信息学家"的现实性:文章在"AI 不替代你"的安抚之外,同时把专家的要求急剧抬高(提示词库 + 数据审计 + XAI 拷问 + 偏倚审计 + 实施简报 + 战略领导)。这几乎勾勒出一个无所不能的理想角色;在真实的激励结构下(论文/经费很少奖励数据策展与治理工作),个体能否、以及是否有动力承担这一切,文章着墨较少。
3. 3. 立场的自指性:由生物信息学家撰文、结论是"生物信息学家不可替代",论证虽成立,但读者应意识到其视角立场,并对"不可替代性"保持适度的经验性审视。
4. 4. 对 AI 能力演进的静态假设:文章把"AI 不能判断生物学意义/不能验证有效性"近乎当作恒定前提。随着模型(尤其是具备工具使用、外部验证与不确定性表达的智能体)迭代,这条边界可能被部分压缩。更稳妥的读法是:当前这条边界很真实,但它会移动——专家的价值定位也需随之动态更新,而非一次性锁定。
5. 5. "专家把关"的可扩展性:个体专家的判断是否能匹配 AI 部署的规模,是一个开放问题。文章把希望寄于"机构架构 + 监管",但当需求侧(廉价、即时、看似可信的 AI 输出)与供给侧(稀缺、昂贵、缓慢的专家审查)严重失衡时,仅靠"应当如此"的呼吁可能不足。

一句延伸:这篇文章最好的用法,或许不是当作"生信不会消亡"的安慰剂,而是当作一份自检问卷——把第六节的清单逐条对照自己的工作流,凡是答不上来的地方,就是 AI 正在悄悄把"科学"换成"科学的表象"的地方。