观察者网：对于基因主宰一切的认识，在我看来最直接的挑战，可能就是复杂的调控机制，包括表观遗传学，很多人可能都听说过“甲基化”这个词。

但您在《生命传》中也提醒说：“既然我们的出发点是纠正有关基因的陈旧迷思（这种愿望完全可以理解），那就不应该走到另一个极端，即彻底否认基因的重要性，转而把表观遗传当成新的‘生命奥秘’。”您观察到哪些学术或科普领域的倾向，才发出这样的提醒？

菲利普·鲍尔：人们对表观遗传学这个概念的兴趣，出现了爆炸式增长。这个词实际上是在1940年代创造的，仅仅指身体中发生的、不受基因指导的事情，某种程度上是“基因之外”的事情。

现在，它是另一种意思。虽然我们身体里的每个细胞都有相同的基因组，但显然这些细胞的行为并不都一样。我们有皮肤细胞、肌肉细胞，还有大脑里的神经元，而表观遗传学是造成这些差异的一个方面。

它实际上是一个让某些基因开、某些基因关的过程。你提到的甲基化是实现这一过程的方式之一，即一个非常小的化学基团附着在DNA上，并改变了它的活性。这并不一定意味着它必然被开启或关闭，这个编码如何工作是相当复杂的。

我感觉很多人对“基因决定一切”的观点感到不安，好像我们只是任由基因摆布的机器人。所以当我们对这些表观遗传过程有了更好的理解时，就有一种倾向认为，“哦，这能把我们从被基因决定的命运中解救出来”，于是表观遗传学成了新的热点。

有研究称，任何通过表观遗传方式写入DNA的信息，都不会传递给生殖细胞,所有这些信息都会被清除掉。但也有一些研究暗示，也许它会被传递下去。这似乎是某种革命性的发现，因为一直学到的是，我们只继承基因，而不是其他信息。

现在看来，对于那些关于人类表观遗传的报道，证据实际上非常薄弱，完全不清楚在人类中是否具有真正的重要性。在植物中，表观遗传是公认的，而且实际上很普遍。但在像我们这样的高等动物中，它的相关性到底有多大还不完全清楚。

我认为，随着人们对表观遗传学变得非常兴奋，有些观点被夸大了，所以就想提醒人们，不要对我们认为表观遗传学能做的事情太过得意忘形。实际上，我们遗传的分子层面、基因层面的信息，确实是来自我们的DNA，还没有明确的证据表明存在强大的表观遗传因素。

观察者网：让我们进入下一层面——蛋白质。AI在蛋白质折叠领域的成就，是近年来的热门话题，您的书中也提到了。不过，您认为：“与其说阿尔法折叠解决了蛋白质折叠这个超级难题，不如说是回避（sidestep）了这个问题。这个算法其实并不是在预测多肽链是怎么折叠的，只是基于多肽链序列预测它折叠后的结果。”在您看来，还有哪些生物学领域可能有效地应用AI？

菲利普·鲍尔：我认为AI在生物学中有很多有用的方式。AlphaFold就是其中之一，能够从蛋白质序列或编码它的基因序列中预测其结构，这是一件非常有用的事情。

它的预测是否足够精确，是否能给出足够准确的预测来开发药物，这是另一个问题，但它提供了一个非常好的起点。

我认为在整个生物学领域，我们面临着类似的问题，可能有很多数据，但很难知道如何利用这些数据来找到解释生物现象的模式。这正是AI技术现在非常有用的那种问题。

人们也正在尝试用它来理解基因是如何被调控的。比如，能够预测如果细胞或者生物体发生某种情况，其基因的活性会如何变化。这就是AI可能极其有用的地方，帮助解决这些非常复杂的问题。

AlphaFold之后，已有更多AI工具问世，如开源的OpenFold

我的担忧是，对这些系统中实际发生的事情，人们过去一直在尝试理解，但AI有时可能会替代这种努力。这就是AI的问题所在，它只是从数据中得出结果，而没有真正解释这两者是在机制上是如何联系起来的。

我认为生物学还是需要理解机制。为了真正掌握复杂的问题，它不仅仅想要一个会预测的电脑程序。

观察者网：下一个问题正与此相关。读《生命传》给我最深的印象之一是，您反复提出许多生物学问题可能没有确切的答案。从这个意义上说，通过从海量元数据中凭经验推导出结果，来“绕过问题”，这样的策略是否实际上是理解生命的一种有价值的方式，即使我们不知道其背后的机制？

菲利普·鲍尔：AI在这方面肯定有其用途。但是，我想到一个很好的例子，可以看出AI会如何绕过一些重要问题。

基因调控方式非常复杂，涉及到许多不同的分子活动、分子信号，它们以某种方式被整合起来，最终决定是开启还是关闭基因。如果我们用AI来做这件事，它可能会说，好吧，如果有这个信号，那个基因的活性似乎会增加或减少，但它不会告诉我们为什么。

而我们现在知道，在人体细胞和许多其他复杂动物的细胞中，形成了被称为生物分子凝聚体（biomolecular condensates）的结构。它们是一种松散的球状物，有点像细胞中的液滴，与细胞其余部分的液体分离。它们是独立的相，就像沙拉酱里的油和醋一样。

近年的研究认为，虽然没有膜，但生物分子凝聚体也存在某种结构 phys.org

现在发现，这些凝聚体无处不在，不仅在基因调控中，而且在各种细胞过程中，比如细胞如何应对压力，DNA如何修复等。我印象中，人类直到大约15年前才了解到这一生物学结构。AI是不会为我们找到这个的，它干不了这活。

了解这个机制，以及所涉及的物理结构，对于思考我们如何干预这些结构非常有价值。所以，如果我们试图从数据直接跳到某个答案或预测，而不去探究中间真正的分子生物学过程，那是非常危险的。

观察者网：您在《生命传》有一个似乎很罕见的对细胞的形容，让人印象深刻：“这像是工厂吗？看起来更像是人满为患的夜店。”我们确实可能被关于微管网络的精美视频所误导，而细胞学家探寻答案的主要方式之一，可能是用更精细的单分子显微镜，比如共聚焦显微镜等。要研究这样的嘈杂环境，除了走向单分子，我们还有什么别的选择？

菲利普·鲍尔：近年来这方面最有用的技术之一，是冷冻电子显微镜，它基本上就是非常快速地冷冻细胞，把所有东西都冻结在原位，然后用电子显微镜观察，这可以非常详细地向我们展示所有不同分子的位置。

还有其他技术也正在被应用。有一些巧妙的技术，能够将荧光标记附加到单个分子上，这样我们就可以看到它们的位置。我们可以附加不同颜色的标记，从而可以同时追踪许多不同的分子，并开始绘制出它们在细胞中的活动图。

现在确实有很多方法可以做到这一点，但都面临着我书中所说的那个问题。细胞不像那些漂亮的视频里那样，你看到一个分子在太空中工作，然后另一个分子像被控制的无人机一样飞过来对接，然后又飞走了。

微管的动画视频，仅仅体现了细胞的一个面向，现实远比此复杂

实际上，当我们观察细胞内部时，是许多不同分子混杂在一起，紧密地挤在一起，相互碰撞。你看一眼就会想，这个系统究竟是如何工作的？

对此有各种答案。一种方式是细胞区室化，这就是刚才提到的凝聚体的作用之一，它们形成临时的区室，来排除一些物质并容纳另一些。

旧的观点是，尽管这些细胞相互碰撞，但蛋白质只识别特定的目标，所以它们忽略其他一切，只等着找到它们应该结合的目标。这有时是对的，但我们现在知道有时并非如此。

许多蛋白质在结合对象上远没有那么挑剔，它们实际上没有一个漂亮的折叠形状，而是更无序和摇摆的，这似乎是蛋白质的一个重要特点，但它使问题变得更加困难，因为你不再有那种非常特殊的分子识别，所以一定有别的事情在发生。我们必须重新思考一些基本问题，来理解细胞中的分子混沌。