从序列
到生命系统

一段序列，
不是全部答案

拿到一条 DNA 序列，你能预测它会让细胞做什么吗？答案藏在序列里，也藏在序列之外。

对于 AI 工程师，生物学数据很容易先呈现为字符串和标签。但一行数据背后有真实的分子、细胞状态与测量过程。今天先不挑模型：我们要弄清楚设计对象是什么、哪些因素可以改变，以及结果究竟在哪里被观察。

轻点带下划线的术语，随时查看解释。试试“表型”

先连接三个分子层级

DNA 储存遗传信息。对蛋白编码基因而言，转录生成 RNA，翻译再根据信使 RNA 合成多肽；产物经过折叠或加工，才可能承担相应功能。这个信息流是理解工程设计的起点。[1]

但并非所有基因都编码蛋白质，一些 RNA 本身就是功能性产物。也不要把信息流误解为“一个基因决定一个性状”：分子之间的相互作用、调控和环境，使最终结果具有系统性。

基因型描述遗传组成，表型描述可观察特征。一个是“具有什么遗传信息”，另一个是“在这些条件下表现怎样”。宿主提供合成、折叠与代谢所需的资源，也会受到设计的影响。换宿主或换环境，结果可能随之改变。[4]

先问“这个标签如何产生”，
再问“哪个模型适合它”。

可以设计的，
不只有序列

合成生物学把生物系统当作可研究、可设计和可验证的工程对象。它与生物信息分析有交集，但常进一步追问：能否通过干预，让系统实现目标功能？以下地图是本课程的教学归纳，帮助你先建立全景。[2]

今天不必选定方向。先比较这些路线的设计变量、数据、验证成本与反馈周期。你熟悉的优化、表示学习或自动化经验，可以从不同位置进入。

更亮，
到底意味着什么？

假设任务是挑选荧光表现更好的蛋白变体。数据库可能给出序列、光谱和性质等信息；但你自己的实验标签，还需要明确测定条件与读出方式。[5]

更强的荧光读数，可能来自更多有效蛋白，也可能来自不同的单位荧光贡献、细胞数量或仪器条件。因此，“序列 → 荧光读数”跨过了多个中间环节。只存序列和一个数字，会丢失解释结果需要的上下文。

试把有效蛋白量设为 100、单位贡献设为 30%。你会得到相同的信号 30。这提醒我们：仅凭最终读数，不能反推出唯一机制。真实数据还需要重复、对照和测量描述，第三天再展开。

对 AI 项目而言，问题定义至少要包含：预测哪个系统、允许改什么、在哪些条件下测试、用什么读出、怎样判断改进。先确定这些，再谈模型输入是否充分。

预测之后，
还要回到现实

DBTL 是把设计与证据连接起来的基本循环。每一轮都要把结果反馈给下一轮，而不是生成一批候选就结束。[3]

1. D

   Design · 设计

   确定目标、可控变量与约束，提出候选。模型可以辅助预测或排序。

2. B

   Build · 构建

   把设计变为可测试对象，并确认构建结果。计算文件与实体样本必须对应。

3. T

   Test · 测试

   在明确条件下测量，保留对照、重复与样本记录。得到结果，也记录失败。

4. L

   Learn · 学习

   比较假设与观察，更新模型或问题定义，再决定下一轮。

AI 可以参与不止一个环节：帮助整理数据、预测候选、检查异常或规划选样。但离线预测更准、历史数据回放更好，与前瞻实验成功是不同层次的证据。你需要说清楚，自己的结果走到了哪一步。

一个有用的起点是：先把测量过程和样本关系记录清楚，建立简单基线。复杂模型只有在目标与证据明确时，才容易被正确评估。

画出你的
第一张系统图

任选上面的一个方向。先在纸上画出“设计变量 → 中间过程 → 观察结果”，再从侧面补上宿主、环境和测量因素。至少写出两个序列之外的影响因素，以及一个模型看不到但可能重要的变量。

最后完成下面五项。笔记只保存在当前浏览器，可下载留存。

带走三个判断