免疫学家用 Codex 造科研工具，AI 十年内或将治愈所有疾病

免疫学家 Derya Unutmaz 在与 OpenAI 开发者关系负责人 Romain Huet 的对话中，展示了自己如何借助 Codex、GPT-5.5 等 AI 工具，从零构建出流式细胞术分析、CRISPR 基因组设计以及 T 细胞信号通路模拟等专业科研软件，并抛出了「AI 十年内治愈所有疾病、十五年内逆转衰老」的激进预判。Unutmaz 现为美国杰克逊实验室教授，是 OpenAI 社区中最为活跃的科学用户之一。

从 o1-preview 到 Codex：一位科学家的 AI 转折点

Unutmaz 与 AI 的渊源可追溯至 1990 年代初。当时他从医学院毕业进入生物医学研究，被生物系统的极端复杂度所震撼——数万亿组成部分、每时每刻数十亿个反应，远超人脑处理能力。他很早就意识到，AI 或许终将成为理解生物学的关键工具。

真正的转折发生在 2024 年 9 月。OpenAI 邀请他试用首个推理模型 o1-preview。他用一道跨界提示进行测试：把「大逃杀」游戏机制与免疫系统对抗肿瘤的场景做类比，让模型设计免疫细胞抗癌实验框架。Unutmaz 回忆，o1-preview 的回答「几乎让我动情落泪」，此前的 GPT-4o 完全无法达到那种深度与洞察力。他认为推理模型是 AI 对科学真正「不可逆转」的关键节点——当模型开始真正推理时，产出对科学才真正有用。

据 Unutmaz 透露，GPT-5.5 Pro 近期对一项极复杂实验结果的预测准确率达到 100%，「几乎像它拥有了我在实验室工作 30 年的同等经验」，这令他几乎难以置信。

Codex 成瘾者：从想法到应用只需一杯咖啡

Unutmaz 自称「Codex 成瘾者」。他每天清晨喝咖啡时冒出想法，立刻用 Codex 动手实现；有时 Codex 整晚运行任务，导致他过去几个月严重睡眠不足。作为生物医学工程师而非软件工程师，他坦言自己「大概只能写出一个贪吃蛇游戏，而且要花好几个月」，但借助 Codex，他已构建出多款可直接用于实验室的复杂工具：

流式细胞术分析软件：可上传细胞数据文件，通过交互式界面选择荧光标记物、划定细胞门控、生成统计分析，支持等高线图等多种可视化方式，可处理约 10 万个数据事件且响应迅速。这一传统上依赖昂贵商业软件的核心分析手段，现已由 Codex 完整实现。
CRISPR 基因组工程设计工具：输入任意基因名称，系统自动从数据库提取序列、列出所有可能靶点并排名，支持批量生成「导向 RNA 文库」，一键产出多个基因的 CRISPR 分子设计方案，以 Swift 语言构建为原生 macOS 应用，iPad 版本正在开发中。
T 细胞信号通路模拟器：可调控受体配体质量、剂量等参数，实时展示下游分子激活状态与转录因子磷酸化模式，并支持引入抑制剂或额外受体后的通路变化模拟。Unutmaz 认为，AI 对生物学产生巨大冲击的关键，在于能够模拟生物系统——「建造飞机要做空气动力学模拟，但对生物学，我们一直做不到这一点。」

数字孪生：个性化医疗的终极图景

Unutmaz 描述了一个更长远的愿景——「数字孪生」：用 AI 完整模拟个体的基因组、代谢产物、蛋白质和免疫系统，在数字世界中为每个患者进行个性化实验，而非在真实人体上试错。他指出，现行医学体系存在根本性局限：同一种药被数以百万计的患者服用，但真正受益者可能只是一小部分。

他援引了一个澳大利亚案例：一位计算机科学家借助 ChatGPT 和 Grok，为其患癌的狗量身设计了一种 RNA 疫苗，专门针对该肿瘤的特定突变，相关试验正在进行中。Unutmaz 认为，AI 完整模拟生物系统后，药物可以接近 100% 的有效性和接近 0% 的副作用，目前需要 5 到 10 年完成的临床试验将加速到可能只需 5 到 10 天。

不过他同时强调，这一切有一个关键前提——算力必须大幅提升。「即便把现在全球所有算力加在一起，也不足以模拟生物系统。」

科学 2.0：智能体集群重塑研究范式

Unutmaz 将未来科研模式称为「科学 2.0 或 3.0」：传统的「花数周构思、数月实验、数月分析」模式将被 AI 智能体集群取代——提出假设、模拟实验、分析数据、反馈结论、再生成新假设，形成闭环。「我想我的角色将变成只需要告诉智能体们：我想攻克肺癌，去探索这个方向。」

面对「科学家是否还有工作」的质疑，他援引杰文斯悖论：效率提升不会减少工作，反而会催生更多工作，因为人类目前对生物学的理解仅约 10%，剩余 90% 有待探索，加速学习将创造庞大需求。这一范式转变不局限于生物学，物理、材料科学、化学、药物发现均将受到波及——「过去药物发现需要几年，现在几个小时就能完成。」

AI 时代最稀缺的能力：好奇心与实验精神

被问及对非科学领域人士的建议时，Unutmaz 以自身经历作答：生物学实验 95% 至 98% 会失败，长期在失败中工作，培养了他对不确定性的耐受力和持续尝试的本能。他将这种思维方式总结为 AI 时代的核心竞争力——「AI 时代真正重要的只有自主性和好奇心，不要害怕，持续用 AI 做实验，问那个『如果我这样做会怎样』的问题，因为你现在可以问这个问题了——以前这样做的成本太高了。」

对于外界弥漫的 AI 焦虑，他的态度鲜明：「它会真正让我们进入一个黄金时代。AI 研究者对我来说都是英雄，因为这将是人类最伟大的变革。」