被AI催火的计算生物学赛道(2)

首先是对生物底层原理的进一步明确。目前，还有大量关于生物学本身的底层机制有待研究透彻，在进行模型构建、生物验证时，需要引入这些知识来减少不符合领域认知的偏差，保证准确率。

其次是要有统一的计算和数据框架。计算生物学要最终落地，模型要能够覆盖多组学数据、多环节及功能并行。同时，还需要保证计算生物学中的多种异构数据，例如图像、视频、分子图谱、DNA代码、基因表达、电信号等，有明确的标准和通用格式，以便在不同算法和平台之间互操作。

此外，还有消费级数据的获取、工程落地能力、行业信任与模型可解释性问题，以及数据隐私问题等。

(责编：罗知之、李楠桦)