今年上了一门专业必修课《生物学概论》，是院里面好几位老师分别来上的，我只记得何奕騉老师和张爱兵老师的上课内容了
何奕騉老师讲了他们团队发的一篇Cell的故事经历，非常具有传奇色彩，何老师上课也挺幽默的
Adaptive evolution of the enigmatic Takakia now facing climate change in Tibet00736-5)
张爱兵老师讲的是基因条形码，在最后的最后，他说了句很有意思的话，他认为之后生物学的发展不可能只停留在实验室，这个世界上有这么多的生物实验，不可能每一个都去做一次，然后得出实验，他认为，一个科学实验一定要量化，这一定是未来生物学的发展方向
到这里，我其实想起了在物理学的发展史中，力学（尤其是经典力学）不仅是最早发展起来的分支，更在理论体系、数学建模和可验证性方面达到了极高的成熟度，力学中最基础的物理量：质量、速度、加速度、力、动量、能量，构成了后续几乎所有物理学分支的核心构件
例如，电动力学中也有“动量守恒”“能量守恒”，热力学中有“功”“能量”的概念，这些都起源于力学，力学是最早通过严格的数学语言对自然现象进行系统建模的学科
力学的建模过程清晰明确——定义变量 → 建立方程 → 求解 → 预测结果，与现代自然科学方法论完全一致
力学之所以成为物理学的典范，是因为它奠定了自然科学“用数学形式描述自然规律”的基本方法，是整个现代物理思维的源头
我们经常不难看到网上各种生物从业者的吐槽：
你今天用某种细胞培养液做实验，明天再做，哪怕条件“看起来”一样，结果可能完全不同
实验生物学中一个很根本的问题：可重复性差、变量过多、结果难以量化与预测
背后有成千上万的微观变量——温度、pH、试剂批次、操作手法、细胞状态……很多你根本无法完全控制，这在物理、化学中几乎是不能接受的，但在生物学中却是常态
生物学中的变量多，而且大多不可用，因为生物体本身就是一个混沌体系，不可能像物理模型一样理想化，你想研究一个基因的敲除对细胞代谢的影响，可能不仅影响代谢，连表观遗传、细胞周期、甚至细胞间通讯也会发生变化
同时生物学过多依赖于经验模型，比如说血浆、抗体等等，用哪种，用哪家公司的，很多时候都靠口口相传或者推荐，没有像牛顿定律那样的“底层方程”可用于预测——这是生物学尚未完全“理论化”的表现
我觉得目前生信其实更像是一个大数据专业，目前测序的成本越来越低，每天都在尝试大量的测序数据，科研人员面对的是数据堆成山的局面，你不分析，它就在服务器里躺着；你乱分析，那就是“伪发现”；只有能构建模型、找到机制、甚至预测疾病的那种分析，才是真的在“消耗数据”
就像互联网公司需要工程师处理用户数据、行为日志一样，生信是在处理实验室产出的“生命数据”。区别是：这些数据复杂得多、不确定性高，分析流程也常常不统一，但本质一样：都是从数据中提取有用信息
大数据专业的终点不是统计，是建模——比如用大模型预测用户行为。而生信的终点，也不该只停在差异分析，而是要建模，比如：
- 给定患者多组学数据，预测对某种药的反应；
- 给定一个基因突变，预测它如何影响通路调控；
- 甚至，像AlphaFold那样，用深度学习直接预测蛋白结构
这其实涉及到生物的产业化发展，其实现在也有，比如说有些生物公司为个人提供服务，给你寄过来一个咽拭子，刮一刮口腔，采集点上皮细胞，寄过去，然后最终返回给你一个结果
是的，我觉得未来生物学的发展，一定是要结合计算机/数学的，在我高中读书的时候，班主任经常说“生物是理科中的文科”，但其实我觉得，并不是这样的，我们在高中学的更多的是一些经验性的东西，或者说，生物学常识，这就和学物理中的常量或者物理量是一样的，但是不幸的是，生物学这些概念性，或者描述性的东西太多了
“生物是理科中的文科”这句话，在很多高中老师那里像是个“共识”，但本质上是教育阶段限制下的误解。高中生物确实偏向记忆与常识，因为要照顾大部分学生的接受能力，也因为生物学背后的真正复杂性，根本不是一张卷子能考出来的
高中学的是“生物学常识”，这就像物理里的“记住重力加速度是 9.8”，但你根本没看到背后是牛顿定律、场论和微积分。生物也一样——
我们学了：
- 遗传定律，但没学群体遗传学的 Hardy-Weinberg 模型；
- 学了细胞周期，但没有动力学建模；
- 知道 DNA 表达成蛋白，但没学调控网络和转录因子的系统调控模型。
这些东西，其实都可以被数学化，也正在被数学化，生物学未来要有前景，是一定要数学化的，一定要量化的，要不然甚至算不上一门正儿八经的科学
这其实就是系统生物学的方向：
它要做的事就是：把一个看似混乱、变量多到吓人的生物体系，抽象出结构、规律和预测模型
力学奠定了自然科学的范式，而生物也必须走这条路，就像当年孟德尔发现遗传定律一样只不过它的“复杂度门槛”更高，必须等到：
- 技术成熟（测序够便宜）
- 算力提升（GPU、集群）
- 方法丰富（统计/深度学习/因果推断）
你会发现，未来学生物的门槛可能会变高而不是变低，因为光会实验已经不够了，还要懂统计、会Python、能跑脚本，甚至要读懂算法原理
而目前，生信是最符合我对生物学前景看法的学科