郑进芳：AI+生物学，探索生命进化真相

计算，是郑进芳开展生物学研究的关键一环。

从华中科技大学到内布拉斯加大学，再到之江实验室，十余年来，郑进芳深耕生物学研究，以 “计算+生物学”跨学科研究方法，探索生命起源和物种进化的奥秘。近期，郑进芳及团队的最新研究成果登上《自然·遗传学》（Nature Genetics），通过“多组学数据+计算工具”的方式，揭示了双星藻（Zygnematophyceae）与远古植物的生物学关系，为水生植物占领陆地提供了有力证据。

今年，郑进芳加入生命科学计算开放平台（以下简称“生命科学平台”）项目，专注于单细胞组学大模型研究。在他看来，“计算+数据+模型”的方式提升了研究效率，让生物学研究变得自动化、规模化，甚至可以为科学问题“量身定制”一套AI解决方案。

参天树木、如茵绿草、芬芳鲜花，我们对身边丰茂的植物“朋友们”早已司空见惯。然而，当地质年代的时钟拨回寒武纪，在距今5亿年前的地球上，海洋孕育了最初的生命，植物的足迹尚未踏入陆地。

那么，水生植物是如何占领陆地的？植物如何由水生向陆生演化？环境变化和遗传因素如何相互作用？抱着好奇与疑问，郑进芳和团队开展了研究。

论文链接： https://www.nature.com/articles/s41588-024-01737-3

从海洋向陆地“进军”绝非易事，水生植物需要适应干燥、强紫外线的环境。在研究中，郑进芳和团队发现：水陆两生的双星藻类与陆生植物有亲缘关系，这种藻类的诞生可追溯至远古时期。于是，团队利用RAxML等30余种开源生物计算工具，处理了多达16个物种的蛋白质序列数据和200G的转录组和基因组数据，获得了物种间基因的进化关系树状图。

研究结果表明，双星藻类和现代植物都具有合成细胞壁必需的纤维素合成酶，并拥有了适应陆地环境所需的信号网络调控机制。

从事计算生物学研究以来，郑进芳一直在思考如何能提升研究速率，更高质量地解决生物学问题。传统生物学研究涉及大量的“湿实验”，对实验环境、实验对象的要求较高，实验时间也相应延长；同时，由于技术和方法的限制，大规模数据处理和复杂系统分析也成了难题。即便是目前通用的计算生物工具，依旧存在“批次效应”、背景噪声、多组学数据难以整合等问题，对不同生物的同一种细胞或组织进行分析时，会得出不同的结论。而大模型能够改善目前单细胞数据分析的问题。

随着之江实验室在智能计算方向上再聚焦、勇攀高，郑进芳在加入生命科学计算研究中心后，专注于生命科学平台项目，进一步聚焦大模型解决生命科学问题的实施路径和应用场景。“我们进入了‘计算密集、数据驱动、基于模型’的时代，在生物学研究的发展中，计算已经从辅助性的工具变成了重要的创新引擎。”郑进芳说道，“以双星藻类的研究为例，我们花费了2到3天的时间来处理多组学数据。如果在平台上处理相同的数据，这一时间将缩短到5分钟以内。”

目前，郑进芳正参与单细胞组学大模型项目，计划用这一大模型处理海量的多组学数据，力图全面展示细胞进化与发育的规律。“数据处理、模型优化、算力支持，AI for Science的最终目的是利用大模型攻克具体的生物学问题。”郑进芳总结道。下一步，他将与团队一道，聚焦胚胎发育异常、血细胞功能变异、免疫缺陷等研究目标，以数据驱动模型构建、优化提升平台能力，充分发挥“IT+BT”交叉领域研究方法的巨大潜力，为推动传统科学研究的范式变革按下“加速键”。