人類永生的實現路徑

人類永生的實現路徑

春節長假期間，用了一點點業餘時間看了《奇點臨近》這本書。起初覺得「人類永生」只是作者基於現有科學技術與發現做一個有趣的「邏輯」推斷。所以我一開始認為，「人類永生」是一個偽命題，即便是「邏輯」推斷本身，也會因為其中環節並非「真理」而出錯。可這個瘋狂而有趣的願望留在我大腦中一段時間後，越來越發現它並非不可實現。所以，從今天開始，抽空慢慢從醫學講度寫為什麼「靈魂永生」是可以實現的。

人是一台機器？

從某種程度來看，《奇點臨近》默認了一個前提，即人這個生物，不過是一台更複雜的機器而已。而類似於IBM Watson或AlphaGo之類的人工智慧程序，假如具有自我新陳代謝能力，也會是一個生物。

那麼，這個話題就從機器說起。生命到底是不是機器，可以肯定的回答是的！2016年3月，美國科學家已經合成出了人工合成細胞Syn3.0，這個細胞含473個基因，是目前已知地球上最簡單的生命形式。值得一提的是，此「合成」過程，是完全使用無生命的化學分子暴力合成出來的。而據說合成人類細胞正在進行之中。這就充分證明了，生命完全不是一種無生命物質不同的存在。

這個問題目前已不會有太大爭議。不過之後很長時間，我在想，那麼生命與非生命的根本差別點在哪裡？在幾乎榨盡腦仁地思考長久之後，我竟然發現，生命存在獨一無二的意義，恰恰是「永生」。這個詞足以解釋億萬年來，生命歷程的所有努力。

人就是一台編碼了以「永生」為終極目標的機器！自己想想都快瘋了，可越看越發現似乎很可能是真的！

意識是什麼？

關於意識的研究太多了。從人這個生物角度來說，只要能把「我」給解釋清楚，複製意識的理論基礎也就沒有障礙了。

首先做一個理論假設，如果把一個人徹徹底底複製一遍。那麼你的複製品和你是不是一個人？答案可以肯定的回答「不是」。

在現實世界中，與之最為接近的是同卵雙生子。同卵雙生子是整個人類群體中，兩個最為接近的人。他們有和所有其他人相比，最為接近的基因，因此近些年的研究發現同卵雙生子具有驚人的相似性。外貌、性格、業餘愛好、房間布置、偏好的日用品、犯罪的特徵，即使同卵雙生子因為各種原因生活在差異巨大的環境中，他們成年以後依然表現出大到不可思議的相似性。

所以結論是：複製不能讓人永生。換句話說：想通過把人大腦中所有信息上傳複製到伺服器就能永生，這條路徑不成立！

什麼是「我」？

上面這些，僅僅是試圖論證生命產生意識的複雜性。今天已經有不少人用冷凍的方法把自己儲存起來，以期在合適的時候復甦過來，達到治療絕症、永生，等等目的。即使冷凍、復甦這個過程並未發生大腦信息整體複製，但僅僅這兩個過程中微小的分子變化，也足以造成失敗。

我們可以把「靈魂」歸結為信息，也可以認為只要保住了信息，也就保住了生命。但是，如果我們用一台用大腦兼容性並不太好的機器複製大腦中的所有信息，而這個過程中丟失或損壞了某些重要信息，很可能複製的結果是產生堆垃圾數據沒有任何意義。

直接理解「我」確實非常困難。但間接理解或許容易得多：

人並不是生來就有「我」的意識，剛剛出生的嬰兒沒有「我識」，熟睡的成人沒有「我識」，植物人、嚴重老年痴呆、嚴重神經功能障礙、麻醉……等等異常狀態的人，也沒有「我識」。所以「我識」僅僅是人腦的功能，也無庸置疑，只不過目前科學還沒太能說清「我識」是如何產生的。

要給一樣東西下一個定義，根本點是要確定它的邊界。那麼，大腦是如何給「我」劃定邊界的呢？是通暢的信息溝通。非醫學界人士常常低估了人體給大腦上傳的信息量。除了我們感覺最清晰的視覺、聽覺、冷、熱、觸、嗅、味等，還有震動、加速度、位置以及自身組織的大量信息（比如肌肉的運動狀態、血液循環的狀態，等等。）

列舉感覺器官是為了說明，人的意識邊界，的確和身體的邊界沒有必然的聯繫。這樣的例子在醫學中比比皆是：比如有一種疾病，叫「脊髓空洞症」，患者因為肢體的一些重要信息不能上傳至大腦，所以有各種表現，比如沒有痛覺、沒有溫度覺、沒有「本體」感覺，等等；而在一些截肢患者中，明明肢體並不存在，然而神經依然會傳遞給大腦各種感覺。一個最極端的例子是，法國大革命期間，著名科學家拉瓦錫被無辜地判了死刑。在確知自己無望繼續活下去後，他讓劊子手幫他做了一個實驗，就是在他的頭被砍下來後，劊子手繼續叫他的名字，看他有沒有反應。這個無比悲壯的實例說明了，意識僅僅是大腦功能的體現。

人類永生的實現路徑

今天暫且寫到這裡，先把結論寫出來（這個話題我打算寫一輩子）：

以我所有知道的對人腦的科學發現來看，徹徹底底把人腦的信息複製出來，假如被複制的人還沒有死，結果會非常荒堂。一個人變成了兩個人，而不是被複制的人永生。所以人類真正獲得永生的路徑，應該是對任何受損重要細胞進行修補。就《奇點臨近》提出的觀點來說，「納米機器人」倒似乎是更靠譜的路徑。

2017年2月19日

---------------------------------------------------------

合成基因組

2017年3月10日，《Science》發表特刊，報道了人工合成酵母基因組的科學進展。生命科學進步速度真是驚世駭俗，人類離徹底破解生命天書真的是越來越近。

相信很多人看過一篇文章，講人類為什麼不能避免死亡，還被評為最受歡迎的科普文章之一。簡要地說，這篇文章的理論基礎是，生命也是一種物質，只要是在做熱運動的物質系統，最終都會因為熵不斷增加而最終走向崩潰。對於單一細胞來說，的確如此。不過，作為一個細胞數量高達10的13次方當量的人體來說，每天都在發生細胞新生與死亡，而作為整體的人，並沒有因為細胞新陳代謝而變成「另一個人」。所以，生命的本質，是利用自然環境提供的能量，維持自身的「負熵」的。作為生命科學專業人士，是不應該用熵來解釋死亡的。

如果把人體每一個細胞比做一個大廈，這座大廈長寬高以公里計，而組成元件，大一點的大約有籃球那麼大，小的比乒乓球還要小，互相之間並非像水泥一樣固定死，全部都是可逆而有機地結合。合成一個細胞，對於人來說，就像站在上千公里高的人造衛星上，操作地球表面的砂子。因此我們只能借用分子級別的工具——酶，然後還要把合成好的零件，放在適當的條件下，讓這些零件自組裝。

為什麼合成一個細胞如此轟動科學界，首先要解釋一下細胞的生命周期特點。理論上講，細胞似乎是可以無限地分裂，但事實上，細胞分裂的平均次數大約只要幾十次，到達極限後就會衰老或者死亡。有幾個特例，比如造血幹細胞、生殖幹細胞，它們似乎分裂過程中逆向發生了「初始化」，以致於似乎沒有分裂極限。不過這個過程至今還不完全清楚。

細胞在分裂過程中，雖然高度忠實的複製基因組，但是，基因組信息確實沒有變化，可是狀態卻變了。就像我們買了一本新書，在不斷閱讀過程中，做了很多筆記，又因為翻得太多，掉了一些頁，最終這個本書徹底爛掉。這個過程，在生物學上，包括端粒、DNA甲基化等等各種變化。而合成細胞的非凡意義在於，既然細胞走向衰亡無可避免，不如按細胞的所有信息忠實的合成出一個年青的細胞來。所以，合成基因組的成功，為人類永生徹底打通了理論基礎。只要我們能用新細胞及時修復人類在衰老過程中，體內發生的各種損傷，就可能返老還童，長生不老。

2017年3月11日

---------------------------------------------

抗衰老研究重要進展

上半年有幾篇重要的衰老研究：

《Cell》上關於 FOXO4-DRI 的研究。這項研究獨具匠心，作者發現 FOXO4 在衰老細胞中阻礙了凋亡信息通路，以保證自己的生存，對於細胞來說或許是好事，但對於整個人體來說，由於衰老細胞功能差卻負擔重，反而不利用整個生物體。所以作者自行設計了 DRI —— 右旋抑制分子，引起衰老細胞凋亡。由於 FOXO4 僅在衰老細胞中凋亡， 所以衰老細胞主動死亡，為人體釋放了生命能量空間。

文獻：Targeted Apoptosis of Senescent Cells Restores Tissue Homeostasis in Response to Chemotoxicity and Aging

《Science》：一句話說明，這篇文章找到了一種能保證 DNA 修復率的藥物，並且獲得美國 NASA 資助在航天員身上做臨床試驗。DNA 複製出錯是癌症演化的重要機制，所以增加 DNA 複製準確率的確是降低不良突變的重要思路。

文獻：A conserved NAD+ binding pocket that regulates protein-protein interactions during aging

---------------------------------------------

治療重大疾病的重要工具突破

CRISPR 2.0：不打斷 DNA 進行鹼基修復，大幅提高基因編輯準確性。事實上，科學家們為改進 CRISPR 的效能做了大量工作，而且分子進化也是我本人的研究方向之一。我也在努力想辦法把人工智慧的研究進展引入這個領域，使符合我們心意的超級工具酶會更多。

文獻：CRISPR hacks enable pinpoint repairs to genome

嵌合抗體：千百年來，我們對病毒真地非常無耐。在免疫反應過程中，抗體需要識別特定的抗原表位，而病毒強在進化速度極快，以至於輕易逃過免疫監視。嵌合抗體通過把多個抗原結合簇組裝在一個抗體上，產生超強抗體。這個研究很有轟動性，因為在 HIV 研究上非常矚目。但個人認為現在做得還很原始，在數據科學推動下，未來我們完全有可能定製抗體，設計抗體，讓抗體進入細胞內，等等。

文獻：Novel CRISPR-derived 『base editors』 surgically alter DNA or RNA, offering new ways to fix mutations

2017-12-06

---------------------------------------------

量子計算機

短暫回國期間，發現國內對於人工智慧的討論過熱但少有高水平觀點。

相信但凡做過 In Silico Screening 的都會深有體會。如果給你一堆數據，比如從分子庫找針對某個蛋白靶點的藥物，你難道真的從頭到尾找嗎？如果你先找一些基礎的分子初篩，再在高潛力化合物中找相似結構，再篩，循環數次，如果不是要求特別高，循環幾次一般都能找到不錯的化合物。（當然藥廠針對臨床做葯是另一回事）。既不需要超算，也不需要多麼高明的演算法，從流程上參考「遺傳演算法」原理，可以大幅提高效率，這難道不算是智能嗎？

國內這兩年人工智慧大熱，和谷歌搞圍棋大戰無不關係。但我們需要重新想想為什麼谷歌開源代碼，發表論文。以前段時間 AlphaGo Zero 為例，文章再次登上《Nature》，主要引起的反響是，原來「不需要人類經驗，機器一樣可以做得很好」。之後 LeelaGo 作者很快復刻的相似的程序，但是卻選擇了完全公開代碼，因為訓練這個程怪獸，需要 GTX 1080 Ti 級別的顯卡上千年時間。同樣的道理，谷歌雖為巨頭公司，依然有他自己掌握不了的資源，所以選擇統統公開，讓全世界共同用這些東西，加速自己的發展。在這期間，我們看到，除了無數新興企業自己既無演算法也無硬體下，燒了無數錢殺進所謂「人工智慧」之外，真正的所謂 AI 巨頭實質上已經把戰場燒到了硬體。隨著演算法不斷成熟，未來幾年所謂人工智慧一定會出現惡戰，因為幾乎今天全部巨頭都把家底投入了進來，但是真正好的應用卻沒看到！

在生命科學研究中，當下很時髦的神經網路演算法並不能帶來太多的益處，相反很多傳統工具，像遺傳演算法、傅立葉變換，甚至力學工具、量子力學工具，都有很強的用武之地。所以回到這一節的標題，生命科學暫時看不到所謂 AI 能在這裡幹什麼，倒是量子計算機極其值得期待。一個再簡單不過的例子，我們想要細菌生產更好的酶，於是我們想定點誘變，讓酶發生進化，傳統實驗室的工作簡直大到讓人心嘆。但另一方面，經典的工具如 QM/MM 模擬，在計算多個量子薛定諤方程時，由於計算負荷隨量子數呈指數增長，所以定義幾十個量子就能讓當前計算機不堪重負，已有人專門計算過，45個量子的計算量大約相當於」神威太湖之光「。因此，如果量子計算機變可行，我們可以快速估生物大分子化學反應特徵參數，如果輔以當下一些演算法，神經網路，或者最近出現的「膠囊」網路，以及一些傳統工具，In silico evolution 說不定真會是一個晶元上全自動化的事情。

或許人類終有一天，不需要通過死亡完成新陳代謝，可以通過修改、完善自身實現進化，但是今天的人工智慧還差得太遠。今天討論的所謂 AI，更多的是集中在深度學習這一個工具上，而深度學習能給今天人類的，似乎僅僅是在處理海量數據上的效率提高。即便如此，當下深度學習依然門檻太高，僅僅硬體耗電量就無法忽視。即使想讓當前的深度學習大規模普及，相關的硬體還需要跟上。就不要說，生命科學所需要面對的問題，往往極其複雜，遠不是今天這點深度學習可以解決的。

2017年12月10日。

---------------------------------------------

量子計算機

不得不說，量子計算機的發展太令人激動人心了。補上兩篇最要的突破性文獻：

《Science》：Resonantly driven CNOT gate for electron spins；

《Nature Communication》：Silicon CMOS architecture for a spin-based quantum computer。

能在硅晶元上實現量子比特位真地比十幾年前量子位出現還要讓人激動，在一個晶元上設計數百萬個量子位的從理論到實踐的路線圖已經完整地展現出來。難以想像在這樣的晶元上進行分子進化計算是什麼樣的體驗！該如何暢想人類的明天如何設計分子！

2017-12-19