2025年首届人工智能与生物技术学术大会暨人工智能与生物技术专业委员会成立大会

首届人工智能与生物技术学术大会暨人工智能与生物技术专业委员会成立大会定于2025年8月22—24日在黑龙江省哈尔滨市召开。本次会议由中国生物工程学会人工智能与生物技术专业委员会主办，哈尔滨工业大学生命科学和医学学部/生命科学中心承办。

大会将围绕人工智能与生物技术领域的最新研究进展和发展趋势进行深入探讨，分别聚焦人工智能赋能蛋白质及药物设计、人工智能赋能组学数字解码、人工智能赋能合成生物学和人工智能赋能医学影像学领域，进一步推动人工智能与生物技术的交叉融合和产业发展。我们诚邀人工智能与生物技术相关领域的学者、研究生及企业界人士共同参与此次盛会，让我们共同分享学术盛宴，欣赏领略哈尔滨“东方小巴黎”的独特魅力。

会议规模：约500人

名誉主席：

高福、张泽民、郑海荣

大会主席：

黄志伟

执行主席：

尚学群、王军、曾坚阳、张岩

秘书长：

张宏翔、肖阳、顾悦

学术委员会（按姓氏拼音顺序）：

杜朴风、古槿、郭向前、韩俊伟、黄志伟、李国亮、刘晖、刘嵘明、刘治平、宁康、尚学群、苏建忠、苏晓泉、王春宇、王芳、王军、吴浩、谢正伟、熊旭深、严海丹、曾坚阳、张春龙、张帆、张岩、章张、周源

地方组织委员会：

黄志伟、张岩、肖阳、顾悦、张云鹏，宁尚伟，王理，韩俊伟、杨帆、朱玉威、郭明慧

会议主题

1. 人工智能赋能蛋白质及药物设计

2. 人工智能赋能组学数字解码

3. 人工智能赋能合成生物学

4. 人工智能赋能医学影像学

学术安排

1. 大会拟邀请人（排列顺序不分先后）

高 福，中国科学院微生物研究所，中国科学院院士

张泽民，重庆医科大学，中国科学院院士

郑海荣，南京大学，中国科学院院士

陈洛南，上海交通大学

刘海燕，中国科学技术大学

徐 鹰，南方科技大学

赵方庆，中国科学院动物研究所

戴 磊，深圳合成生物学创新研究院

傅雄飞，深圳合成生物学创新研究院

李 霞，哈尔滨医科大学

尚学群，西北工业大学

王皓毅，中国科学院动物研究所

王 军，中国科学院微生物研究所

曾坚阳，西湖大学

张龙江，东部战区总医院

张 岩，哈尔滨工业大学

张增辉，深圳理工大学

以下内容为GPT视角对人工智能与生物技术学术大会暨人工智能与生物技术专业委员会成立大会相关领域的研究解读，仅供参考：

人工智能与生物技术研究现状

一、人工智能与生物技术的核心突破

AI驱动的生物数据分析

基因组学与蛋白质组学：AI算法（如深度学习）能够高效处理海量基因数据，解析基因序列与疾病关联。例如，DeepMind的AlphaFold已预测超过2亿种蛋白质结构，加速药物靶点发现。

单细胞测序：AI技术可解析单细胞水平的基因表达差异，推动癌症、免疫疾病等领域的精准医疗研究。

生物技术领域的AI应用

药物研发：AI通过虚拟筛选、分子动力学模拟等技术，将新药研发周期从10年缩短至3-5年。例如，Insilico Medicine利用生成式AI设计出治疗特发性肺纤维化的候选药物，已进入临床试验。

合成生物学：AI优化基因回路设计，提升微生物合成效率。例如，Zymergen通过AI算法优化微生物代谢途径，实现生物基材料的规模化生产。

跨学科技术融合

脑机接口（BCI）：AI解码大脑神经信号，结合生物技术实现神经修复与增强。例如，Neuralink的脑机接口设备已实现猴子通过意念控制电脑游戏。

类器官与器官芯片：AI模拟器官生理环境，结合3D生物打印技术，构建体外疾病模型，减少动物实验依赖。

二、典型应用场景

医疗健康

精准医疗：AI分析患者基因组、代谢组等多组学数据，制定个性化治疗方案。例如，IBM Watson for Oncology已为全球超8万名癌症患者提供治疗建议。

疾病诊断：AI辅助病理诊断系统（如Paige.AI）可识别早期癌症，准确率媲美资深病理学家。

农业生产

作物育种：AI结合基因编辑技术（如CRISPR），加速抗逆、高产作物品种的培育。例如，拜耳公司利用AI预测基因型与表型关系，缩短育种周期。

病虫害防控：AI图像识别技术实时监测农田病虫害，结合生物防治手段（如天敌昆虫）实现精准防控。

环境保护

生物多样性保护：AI分析环境DNA（eDNA）数据，监测濒危物种分布。例如，Wildbook平台通过AI识别动物个体，助力非洲象保护。

污染治理：AI优化微生物降解污染物的路径，提升污染治理效率。

三、面临的挑战

数据隐私与伦理问题

生物数据（如基因组信息）涉及个人隐私，AI算法可能引发数据滥用风险。此外，脑机接口等技术可能引发“人类增强”伦理争议。

技术壁垒与成本

高通量生物实验设备、超算资源等成本高昂，限制了AI与生物技术融合的普及。例如，AlphaFold的训练成本高达数百万美元。

跨学科人才短缺

既懂AI又精通生物技术的复合型人才稀缺，制约了技术创新的落地速度。

四、未来趋势

技术融合深化

AI与量子计算、光子计算等新技术结合，将进一步提升生物数据处理能力。例如，量子机器学习有望加速药物分子筛选。

产业化加速

生物技术公司（如Moderna、23andMe）与AI企业（如DeepMind、OpenAI）的合作将更加紧密，推动技术从实验室走向市场。

全球监管协同

各国将加强AI与生物技术领域的法规制定，平衡创新与风险。例如，欧盟《人工智能法案》已对高风险AI系统提出明确要求。

人工智能与生物技术研究可以应用在哪些行业或产业领域

一、医疗健康产业

药物研发与个性化医疗

AI加速药物发现：通过深度学习分析靶点-配体相互作用，虚拟筛选候选分子。例如，BenevolentAI利用AI发现治疗渐冻症（ALS）的潜在药物，将研发周期缩短60%。

精准诊断与治疗：AI结合基因组学、代谢组学数据，制定个性化治疗方案。例如，Tempus Labs通过AI分析患者肿瘤基因组，为癌症患者匹配靶向药物，临床响应率提升30%。

AI辅助影像诊断：基于卷积神经网络（CNN）的医学影像分析系统，可识别早期肺癌、乳腺癌等，诊断准确率媲美资深医生（如腾讯觅影的肺结节检测系统）。

生物制造与再生医学

细胞与组织工程：AI优化干细胞分化路径，结合3D生物打印技术，构建人工器官（如Organovo的肝脏组织芯片）。

基因治疗：AI辅助CRISPR基因编辑系统设计，降低脱靶效应风险，推动罕见病治疗（如Intellia Therapeutics的体内基因编辑疗法）。

二、农业与食品产业

智能育种与作物改良

基因组选择育种：AI结合全基因组关联分析（GWAS），预测作物性状（如产量、抗逆性），加速育种进程。例如，拜耳公司利用AI将大豆育种周期从10年缩短至5年。

合成生物学育种：AI设计微生物代谢通路，生产生物农药、肥料（如Pivot Bio的固氮微生物产品，减少化肥使用量40%）。

精准农业与病虫害管理

AI驱动的农田监测：无人机搭载多光谱传感器，结合AI图像识别技术，实时监测作物长势、病虫害分布（如Blue River Technology的智能除草机器人）。

生物防治：AI筛选天敌昆虫基因，提升生物防治效率（如英国公司Exosect的昆虫信息素合成技术）。

三、环境保护与能源产业

生物修复与污染治理

微生物降解污染物：AI优化微生物基因表达，提升石油、重金属等污染物的降解效率（如Deinove公司利用AI改造热解糖菌，降解工业废水中的酚类物质）。

碳捕获与利用：AI设计人工光合作用系统，将CO₂转化为生物燃料（如LanzaTech的微生物发酵技术，将工业废气转化为乙醇）。

生物多样性保护

AI监测濒危物种：通过声纹识别、图像识别技术，追踪野生动物活动轨迹（如Wildbook平台利用AI识别非洲象个体，助力反盗猎行动）。

生态模型预测：AI结合环境DNA（eDNA）数据，模拟物种分布变化，指导保护区规划（如NatureServe的生物多样性预测系统）。

四、工业与材料产业

生物基材料与绿色制造

AI驱动的酶工程：通过定向进化与AI模拟，设计高效生物催化剂（如Codexis的工业酶，用于生物燃料、洗涤剂生产）。

微生物合成材料：AI优化微生物代谢途径，生产可降解塑料（如Zymergen的生物基聚酰亚胺薄膜，替代传统石油基材料）。

工业生物过程优化

发酵过程控制：AI实时监测发酵罐参数（pH、溶氧等），动态调整工艺条件，提升产物产率（如Ginkgo Bioworks的自动化发酵平台）。

代谢网络建模：AI构建微生物代谢通量模型，预测基因敲除或过表达对产物合成的影响（如IBM的代谢工程工具）。

五、消费与零售产业

个性化营养与健康管理

肠道微生物组分析：AI结合宏基因组测序数据，提供个性化饮食建议（如uBiome的微生物组检测服务）。

AI驱动的护肤品研发：通过皮肤微生物组分析，开发定制化护肤品（如Proven Skincare的AI配方系统）。

可持续时尚与生物纺织

生物基纤维生产：AI优化蜘蛛丝蛋白、细菌纤维素等生物材料的合成工艺（如Bolt Threads的微生物合成蜘蛛丝技术）。

环保染料开发：AI筛选天然色素代谢途径，减少化学染料污染（如Colorifix的微生物发酵染料技术）。

六、未来新兴领域

脑机接口与神经工程

AI解码神经信号：结合脑电（EEG）、功能磁共振成像（fMRI）数据，实现意念控制假肢、恢复语言能力（如Neuralink的N1植入体）。

神经疾病治疗：AI分析神经网络活动，辅助癫痫、帕金森病等疾病的闭环治疗（如Neuropace的RNS系统）。

空间生物学与深空探索

AI模拟微重力环境：预测微生物在太空中的生长与代谢变化，支持长期太空任务中的生命维持系统（如NASA的生物再生生命支持系统）。

外星生物探测：AI分析行星样本中的生物标志物，寻找地外生命迹象（如ExoMars探测器的AI光谱分析模块）。

七、挑战与应对策略

数据共享与标准化

问题：生物数据分散、格式不统一，限制AI模型训练效果。

解决方案：建立跨机构数据共享平台（如EMBL-EBI的基因组数据库），制定数据标注标准（如BRAIN Initiative的神经元分类标准）。

技术转化与商业化

问题：实验室成果难以规模化落地。

解决方案：加强产学研合作（如Flagship Pioneering的生物技术孵化模式），推动AI-生物技术工具链的模块化开发。

伦理与监管框架

问题：基因编辑、脑机接口等技术可能引发伦理争议。

解决方案：制定全球性技术伦理指南（如WHO的基因组编辑治理框架），建立分级监管制度（如美国FDA的AI医疗设备审批路径）。

人工智能与生物技术领域有哪些知名研究机构或企业品牌

一、知名研究机构1. 学术与政府研究机构

Broad Institute of MIT and Harvard

领域：基因组学、癌症生物学、AI驱动的药物发现

成果：开发了基因编辑工具CRISPR-Cas9的优化版本，并利用AI解析肿瘤微环境数据。

Wellcome Sanger Institute（英国）

领域：人类基因组计划、单细胞测序

成果：主导人类基因组计划英国部分，建立全球最大的癌症基因组数据库（ICGC）。

中国科学院上海生命科学研究院

领域：合成生物学、AI蛋白质设计

成果：开发出全球首个基于AI的工业酶设计平台，推动生物制造产业化。

RIKEN Center for Biosystems Dynamics Research（日本）

领域：器官芯片、AI模拟生物发育

成果：构建全球首个“体外胎盘”模型，利用AI预测妊娠并发症。

2. 跨国科研联盟

Human Cell Atlas（人类细胞图谱计划）

参与方：全球80+机构（如剑桥大学、斯坦福大学）

目标：绘制人体所有细胞类型的基因表达图谱，AI用于解析单细胞数据。

BRAIN Initiative（美国脑计划）

参与方：NIH、DARPA、多家AI企业

目标：通过AI解码大脑神经网络，开发脑机接口技术。

二、企业品牌1. 生物科技与AI制药企业

DeepMind（Alphabet旗下）

技术：AlphaFold（蛋白质结构预测）

影响：预测超2亿种蛋白质结构，加速药物靶点发现，已与多家药企合作。

Insilico Medicine

技术：生成式AI设计分子

成果：2022年开发出全球首个完全由AI设计的特发性肺纤维化药物（进入II期临床）。

BenevolentAI

技术：知识图谱+深度学习

应用：发现治疗渐冻症（ALS）的潜在药物靶点，与阿斯利康合作开发。

23andMe

技术：基因组数据+AI分析

业务：消费者基因检测，已与葛兰素史克合作开发药物（如帕金森病疗法）。

2. 农业与食品科技企业

Bayer Crop Science（拜耳作物科学）

技术：AI+基因组选择育种

成果：将大豆育种周期缩短50%，推出抗虫、耐旱作物品种。

Pivot Bio

技术：AI改造固氮微生物

产品：PROVEN®生物氮肥，减少化肥使用量40%，适用于玉米等作物。

Impossible Foods

技术：AI模拟肉类风味与质地

产品：植物基汉堡，通过机器学习优化血红素蛋白生产，口感接近真肉。

3. 合成生物学与生物制造企业

Ginkgo Bioworks

技术：AI驱动的细胞编程平台

业务：为香精香料、农业、医药行业定制微生物（如与罗氏合作生产抗癌药物前体）。

Zymergen

技术：AI+高通量实验

产品：Hyaline™生物基聚酰亚胺薄膜，用于柔性电子设备，性能优于传统材料。

Codexis

技术：AI定向进化酶

应用：为默克、诺华等药企提供生物催化剂，加速药物合成。

4. 医疗AI与诊断企业

Tempus Labs

技术：AI+多组学分析

业务：为癌症患者提供个性化治疗方案，临床数据覆盖超50万例患者。

Paige.AI

技术：AI病理诊断系统

成果：在前列腺癌、乳腺癌诊断中准确率达99%，获FDA突破性设备认定。

IBM Watson Health

技术：自然语言处理+医学知识图谱

应用：为全球超8万名癌症患者提供治疗建议，覆盖20+癌种。

5. 脑机接口与神经科技企业

Neuralink（特斯拉旗下）

技术：柔性电极+AI解码神经信号

进展：实现猴子通过意念控制电脑游戏，计划2030年前开展人体试验。

Blackrock Neurotech

技术：植入式脑机接口

应用：帮助瘫痪患者通过意念控制机械臂，临床植入案例超100例。

Synchron

技术：血管内脑机接口（无需开颅）

进展：2023年完成首例人体试验，患者可通过意念发送电子邮件。

三、行业趋势与竞争格局

技术融合加速

大型科技公司（如Alphabet、微软）通过收购生物技术初创企业（如DeepMind收购Isomorphic Labs）强化布局。

传统药企（如罗氏、诺华）与AI企业（如BenevolentAI）建立长期合作，形成“AI+生物技术”生态。

地域分布特征

美国：占据全球AI生物技术领域60%以上的专利与融资（如Flagship Pioneering孵化超50家生物科技公司）。

中国：在基因测序、AI制药领域快速崛起（如华大基因、晶泰科技）。

欧洲：聚焦伦理与监管研究（如欧盟《人工智能法案》对高风险AI系统的严格规定）。

未来竞争焦点

底层技术：量子计算+AI（如IBM的量子机器学习加速药物分子模拟）。

应用场景：脑机接口商业化、空间生物学（如NASA资助的AI驱动的外星生命探测项目）。

人工智能与生物技术领域有哪些招聘岗位或就业机会

一、核心技术研发岗位1. AI生物信息学家（AI Bioinformatician）

职责：开发AI算法解析基因组、蛋白质组数据，构建疾病预测模型。

技能要求：

编程（Python/R）、深度学习框架（TensorFlow/PyTorch）；

生物信息学工具（BLAST、GATK）及多组学数据分析经验。

代表企业：DeepMind、23andMe、华大基因。

薪资参考：美国年薪15万−25万，中国一线城市年薪50万-100万。

2. 计算生物学家（Computational Biologist）

职责：利用AI模拟生物系统（如代谢网络、蛋白质折叠），指导药物设计。

技能要求：

分子生物学基础+机器学习建模能力；

熟悉Rosetta、AlphaFold等工具。

代表企业：Insilico Medicine、BenevolentAI。

发展路径：从算法工程师→生物计算团队负责人→CSO（首席科学官）。

3. 合成生物工程师（Synthetic Bioengineer）

职责：通过AI优化基因回路设计，构建工程化细胞工厂。

技能要求：

微生物遗传学+自动化实验平台（如BioFoundry）；

熟练使用AI驱动的基因编辑工具（如CRISPRai）。

代表企业：Ginkgo Bioworks、Zymergen。

典型项目：开发AI设计的高效酵母菌株，用于生产生物燃料。

二、医疗与健康领域岗位1. AI临床科学家（AI Clinical Scientist）

职责：将AI模型（如医学影像诊断、基因检测报告解读）转化为临床应用。

技能要求：

医学背景（临床医学/流行病学）+AI算法验证经验；

熟悉FDA/NMPA医疗器械审批流程。

代表企业：Tempus Labs、Paige.AI。

案例：在肿瘤医院部署AI辅助诊断系统，将早期肺癌检出率提升20%。

2. 药物研发科学家（AI-Driven Drug Discovery）

职责：利用生成式AI设计新型分子，加速临床试验。

技能要求：

药物化学+强化学习算法；

熟悉Schrödinger、薛定谔等分子模拟软件。

代表企业：Recursion Pharmaceuticals、Atomwise。

成果：某AI设计的帕金森病药物已进入II期临床，研发周期缩短60%。

3. 神经接口工程师（Neural Interface Engineer）

职责：开发脑机接口（BCI）硬件与AI解码算法，实现意念控制。

技能要求：

神经科学+嵌入式系统开发；

掌握EEG/fMRI信号处理与深度学习。

代表企业：Neuralink、Blackrock Neurotech。

前沿方向：非侵入式BCI设备（如Synchron的血管内电极）。

三、农业与食品领域岗位1. 智能育种专家（AI Breeding Specialist）

职责：通过AI基因组选择技术，培育高产、抗逆作物品种。

技能要求：

作物遗传学+多目标优化算法；

熟悉TASSEL、GAPIT等QTL定位工具。

代表企业：拜耳作物科学、先正达。

案例：AI辅助选育的抗旱玉米品种，在非洲产量提升30%。

2. 生物制造工程师（Bio-Manufacturing Engineer）

职责：利用AI优化微生物发酵工艺，生产生物基材料。

技能要求：

代谢工程+过程控制理论；

熟练使用DOE（实验设计）与AI过程模拟工具。

代表企业：Pivot Bio、Impossible Foods。

产品：AI设计的固氮微生物肥料，减少化肥使用量40%。

四、交叉领域新兴岗位1. 生物数据科学家（Biological Data Scientist）

职责：整合多组学数据（基因组、转录组、蛋白组），构建AI预测模型。

技能要求：

数据科学+生物学背景；

熟悉单细胞测序数据分析（如Seurat、Scanpy）。

代表企业：Human Longevity、Illumina。

应用场景：癌症早筛、衰老机制研究。

2. 生物伦理与政策专家（Bioethics & Policy Specialist）

职责：制定AI生物技术的伦理准则与监管框架。

技能要求：

法律/哲学背景+生物技术知识；

参与过FDA/EMA等机构政策制定者优先。

代表机构：WHO、NIH伦理委员会。

热点议题：基因编辑婴儿、脑机接口数据隐私。

五、行业分布与地域机会1. 地域分布

北美：硅谷（AI生物技术初创企业聚集地）、波士顿（学术与产业结合紧密）；

欧洲：英国剑桥（生物技术集群）、德国图宾根（AI医疗中心）；

亚洲：中国上海（张江药谷）、新加坡（生物医药科技园）。

2. 行业赛道

高薪赛道：AI制药（平均年薪比传统药企高30%-50%）、脑机接口；

增长赛道：合成生物学（预计2030年市场规模达$300亿）、空间生物学。

六、职业发展建议

跨学科学习：

推荐课程：MIT的“计算生物学导论”、斯坦福的“AI在医学中的应用”。

实践平台：

参与iGEM（国际基因工程机器大赛）、Kaggle生物竞赛。

职业路径：

学术路线：博士→博士后→PI（独立研究员）；

产业路线：研发工程师→产品经理→创业公司CTO。