讓細胞像電腦一樣好用

034 · 讓細胞像電腦一樣好用

37:01YouTube 上架 2023-09-28Jason Kelly（Ginkgo Bioworks CEO）

No Priors Ep. 34 | With Ginkgo Bioworks Co-Founder and CEO Jason Kelly

Jason Kelly 談 Ginkgo 把細胞工程做成代工產線、與 Google 合作蛋白質基礎模型、用「生物雷達」防下一場疫情，以及讓員工掌握公司投票權的做法。

034 講了什麼

DNA 是程式碼，但程式碼是實體Jason 說 DNA 和電腦記憶體的類比只到第一步，之後細胞做的事是物理的、不是人造的，同樣的步驟重做兩次也可能得到不同結果。也認為神經網路的分析會變得像系統生物學，都是在回頭拆解一個不是自己設計的東西。
把實驗室工作和 DNA 設計拆開Ginkgo 從創立之初就把自動化、規模化的實驗室工作（Foundry）和下單的 DNA 程式設計師分開，做法是借用電腦科學的抽象層。客戶講好規格與時程，Ginkgo 開發後授權給客戶，收權利金和階段性費用。
用實驗資料餵基礎模型做蛋白質工程時，先試上千個 DNA 設計、拿回結果、更新設計工具再來一輪。Jason 說 Ginkgo 剛宣布與 Google 的合作，想做一個「會說蛋白質語言」的基礎模型。
AI 在生物比在英文更有機會領先Jason 認為法律這類英文領域的 AI 要跟受過十五年訓練的人類競爭，而生物的語言不是人類發明、也不是人類看得懂的，電腦有機會更快勝出。
疫情防禦像資安Jason 主張持續監測加上快速回應，並提到與 CDC 合作，收集入境班機的廢水定序。對 AI 協助獨行者製造病毒的疑慮，Jason 同意目前很難，因為缺乏資料，但也說人類暴露的程度仍然不可接受。
員工持有超級投票權Ginkgo 把創辦人式的超級投票股延伸到所有員工，離職即失效，B 股有 10 倍投票權。Jason 的理由是，平台該由在公司裡工作的人來控制，而不是只在乎報酬的資本。

從哪一段開始看16 段

00:05開場與主題主持人介紹 Jason 與 Ginkgo，並問合成生物學是什麼。Jason 說 DNA 是程式碼，像磁帶上的 ATCG，但相似處到此為止。
02:28Tom Knight 的故事共同創辦人 Tom Knight 從 1972 年起在 MIT 任教，後來開了濕實驗室。電腦科學家發現同樣的步驟會得到不同結果，才明白生物不是純邏輯。
04:15神經網路像生物Jason 說神經網路的分析會像系統生物學，兩者都值得做，因為基底夠強大。主持人接著說，會自己寫程式的系統會走向演化，而演化很雜亂，大家低估了自我演化的神經網路會帶來什麼。
06:34抽象層與 FoundryJason 以電腦的分工為例，說明 Ginkgo 一開始就把實驗室工作交給自動化的 Foundry，讓 DNA 程式設計師下單，而不是由科學家自己動手。
08:21客戶與商業模式客戶多為大型企業、少有新創。雙方談好規格與時程，Ginkgo 開發後授權，收權利金與階段款項；客戶尚不能直接使用 Ginkgo 的設施。
09:38蛋白質工程怎麼做以冷水洗衣精的酵素為例：先用現成的宿主菌株，再試上千個 DNA 設計、更新工具。Jason 說最新想法是與 Google 做基礎模型。
12:46為什麼生物特別英文領域的 AI 要和受過多年訓練的人類比；生物的語言不是人類的，Jason 認為電腦會更快超車，不只是替代實習生。
14:34藥物與工業市場主持人問製藥與工業、農業兩塊的市場規模。Jason 說兩邊的資產與銷售都不同，而且這個產業幾乎沒有平台服務，家家垂直整合。業界的理由是各家的工作差太多、撐不起共用平台；Jason 不同意，整個商業模式就押在這點上。
18:16為何還沒有 AI 藥物Jason 認為瓶頸是資料，大家都拿同樣的資料訓練。Ginkgo 的資料來自 300 000 平方英尺的機器人實驗室。
19:52疫情準備與生物雷達與 CDC 合作取樣入境班機廢水並定序，另在卡達的 Doha 機場與烏克蘭做類似計畫。Jason 以資安比喻：持續監測加快速回應。
23:16獨行者與 AI 風險主持人問 AI 是否讓獨行者更容易設計病毒。Jason 說缺資料、目前門檻高，但仍強調人類遠比電腦更暴露於病毒。
25:20實驗室安全與免疫主持人談實驗室的生物安全層級與外洩次數之少。Jason 說人類本來就是演化出能抵抗這些東西的物種，每種生物身上都整合了四十億年的演化。
26:21創業歷程Ginkgo 從研究所出來的 2008 年，被生技和科技界雙雙看不上，靠政府補助撐了五年，並成為第一家上 YC 的生技公司。
27:41平台治理與員工投票談強大的平台該由誰控制。Jason 比較創辦人與資本市場兩種做法，說明 Ginkgo 給所有員工的 B 股 10 倍投票權，也回應主持人對 CEO 要做難決定的疑慮。
32:27能耗與生物啟發主持人問，AI 是否該借鏡人腦的效率。Jason 沒有明確看法，只說神經網路未必是最佳架構，鼓勵嘗試更不一樣的方向。
35:02向演化學習Jason 推薦 The Plausibility of Life，並以骨骼與皮膚神經的配合說明演化讓東西變得更容易演化，建議架構研究者也向演化取經。

值得記的話5 句

the analysis of these neural Nets is going to look like systems biology這些神經網路的分析會長得像系統生物學04:31
persistent monitoring rapid response kill it持續監測、快速回應、消滅它21:58
we are unacceptably exposed to these things我們對這些東西的暴露程度高到不可接受24:19
who should control the platform humans誰該控制這個平台？人29:50
Evolution figured a lot of cool stuff out演化摸索出了很多很酷的東西36:06

名詞與人物10 個

Jason Kelly: Ginkgo Bioworks 共同創辦人兼 CEO。
Ginkgo Bioworks: 做細胞程式設計的公司，目標是讓細胞像電腦一樣好用。
Tom Knight: Ginkgo 的共同創辦人，1972 年起在 MIT 任教，先做電腦架構、後轉向 DNA。
Foundry: Ginkgo 內部負責自動化、規模化實驗室工作的團隊與設施。
host strain: 擅長大量產出蛋白質的現成菌株，Jason 把它比作現有的軟體函式庫。
foundation model（蛋白質）: Jason 與 Google 合作想做的模型，像 GPT-4 說英文一樣「說蛋白質」。
AlphaFold: Google 做的蛋白質模型，Jason 說它算是這類模型的第一代之一。
bio radar: Ginkgo 的生物監測站：收集入境班機廢水、定序並找病原體。
super voting shares: 超級投票股。Ginkgo 的做法：員工持有的 B 股有 10 倍投票權，離職即失效。
The Plausibility of Life: Jason 推薦的書，談演化如何讓生物更容易演化。

提到但沒有展開

Jason 擔任華府一個國家安全委員會的主席，提到國防部剛發布 biodefense posture review。國防部平常維持的是毫秒等級的備戰，Jason 認為對付疫情也該是這種態度。
主持人問兩種市場的規模時，提到藥物開發成本約每種 1.5 billion，大部分花在臨床試驗，真正用在分子本身的很少；農業與催化劑則可能有很大一部分花在分子上。

在 YouTube 看原片 ↗

Ginkgo Bioworks