AI 可重新设计生命，DavidBaker 计划用蛋白质造计算机和分子机器，存在哪些落地难点？
2026-11-07 阅读 0
“能设计出一种蛋白质”与“能用蛋白质造出可用的计算机或分子机器”，中间还隔着系统工程。David Baker 的蛋白质设计工作显著扩大了可设计结构与功能的范围，但它本身不等于已经解决了分子尺度的信息处理、制造和运行问题。
首先是功能的可预测性。蛋白质在试管中的结构或活性，不一定能在细胞、血液或材料表面等复杂环境里保持；折叠、结合、反应速度和稳定性会受温度、酸碱度、盐浓度、其他分子及蛋白质浓度影响。设计出的元件通常还要经过实验筛选和迭代，不能只凭结构模型推断整套系统的实际表现。
其次是“计算机”需要完整的信息通路，而不只是一个能结合目标分子的蛋白质。系统必须把输入转成可区分的分子状态，用反应网络完成逻辑操作，再以可靠方式输出结果。分子扩散、随机碰撞和反应速率会带来延迟与噪声；反应物浓度变化也可能使同一电路在不同条件下表现不同。增加逻辑层级时，误差、串扰和资源消耗可能累积，因此要处理阈值、复位、级联、记忆和信号放大等问题。与电子器件相比，生化系统一般不适合直接照搬“更快、更小、更多晶体管”的尺度假设。
分子机器还要面对能量和循环问题。若机器需要持续运动或反复执行任务，就得有能量来源、燃料补充、产物清除，以及避免卡死或损伤的机制；在体内使用时，还要考虑免疫反应、毒性、降解和如何到达目标位置。一次性的体外演示，距离能在实际环境中稳定工作、可控停止并可重复使用的装置，仍有明显差距。
制造与验证同样关键。实验室能制备少量样品，不意味着可以低成本、大批量地稳定生产；纯化、装配、储存寿命、批次一致性和质量检测都会影响产品化。若把元件放进活细胞，细胞自身的调控网络会造成干扰；若放在无细胞体系，又要解决试剂供应、保存和现场操作。最终还需要有可量化的性能指标，例如准确率、速度、寿命、单位任务成本，以及与现有方案相比是否值得采用。
所以，较现实的路径通常是先做边界清晰、输入输出可测的专用功能，例如识别某种分子、触发一个反应或执行少量逻辑判断，再逐步验证稳定性与规模化。难点不是“生命能不能被重新设计”这一句口号，而是能否把设计能力变成在真实条件下可预测、可制造、可维护且有实际优势的系统。
更新于 2026年11月12日
赞 13
