我用 AI 的算力完成了一件人类健康真正有意义的事。
我用codex和claude两个 AI,比对计算了 110 万个细菌的蛋白质,想找一种可能更天然、副作用更小的「降尿酸酶」。
普通人 AI,做出了一次经得起检验的真科研。而且整套过程,任何科研人员都能重跑一遍、亲手验证。怎么做到的,往下看 👇
━━━━━━━━━
📊 先看成果(真数据,不是 PPT)
▫️ 比对计算了 110 万个细菌蛋白质,横跨 8 轮筛选、500 基因组
▫️ 整理 33 个逐条核实的「尿酸拆解酶」
▫️ 大肠杆菌阳性对照被准确认出 → 方法可靠
▫️ 市面常见乳酸菌几乎都没走通最关键那条路 → 我的筛选不滥报
▫️ 锁定 1 条差异化线索:人肠道菌 A. caccae,带一整套「厌氧降尿酸模块」
▫️ 但这条线索还是待实验室实物验证 —— 我把漏斗诚实走到底
━━━━━━━━━
🔬 这条线索的真实数据(全部计算 / 同源证据) [图1]
我不想用「找到一个菌」四个字带过,把数据摊开:
▫️ 它是一个 12 个基因连续成簇的模块(约 30 kb)
▫️ 入口酶(硒依赖黄嘌呤脱氢酶):57% 同源 · bitscore 990
▫️ 终端净汇酶 ygeX:60% 同源 · 7 步催化齐全
▫️ 钼、硒辅因子基因俱全
同时我把短板也写在同一张卡上:同源只有 32–78%、模块旁侧有移动元件、最关键的入口酶「真降尿酸」还没实验证实。
📎(配图1)
━━━━━━━━━
💡 为什么这件事有意义
① 如果这条路走通:尿酸高/痛风影响全球几亿人,现有药要么可能严重过敏、要么伤肾、要么得打针。一种肠道里起效、口服、不产 H₂O₂、副作用更小的酶,意义会很大。
② 哪怕不走通,这件事本身就成立:它证明了一个普通人,借助 AI,真的能做严肃、可复现、被同行检验的科研。
说实话,能用 AI 的算力做这种事,我觉得无比有意义——这是普通人也能为全人类的健康出一份力的方式。严肃科研,正在对个人打开。
━━━━━━━━━
🎯 起因:
以前的酒友不少尿酸高了、痛风了。一查现在的降尿酸药,代价都不小(过敏 / 伤肾 / 打针 / 长期吃),见图2,非布司他和别嘌醇都要服用几个月以上,副作用大。
我就想:能不能用 AI 的算力,从基因一路算到蛋白质,去找一种能「干净地」降尿酸的酶?
━━━━━━━━━
🧬 基本原理(为什么做得通)
一句话:基因 → 蛋白质 → 功能。
▫️ 酶是一种「蛋白质」,由基因编码
▫️ 基因决定序列,序列折叠成 3D 结构,结构决定它「能不能拆尿酸」
▫️ AI 这几年最大的突破(AlphaFold 那一类),正是「能从基因/序列推断蛋白质的结构和功能」
更妙的是:人类进化中弄丢了分解尿酸的酶,但很多细菌还留着。我做的,就是用 AI 把它们找回来。
━━━━━━━━━
🤝 我怎么用 AI(关键不是「用了」,是「怎么分工」)
我把两个 AI 组成团队,自己当裁判:
▫️ Claude = 科研大脑:啃文献、核实每个基因、专门对我「泼冷水」
▫️ Codex = 工程师:写代码、下数据、跑筛选、做测试
▫️ 我 = 拍板的人:谁出错,就让另一个去查
两个 AI 互相证伪,比单问一个 AI 靠谱一个量级。实际体感:Codex 确实更稳,Claude 更容易擦出思维火花。
━━━━━━━━━
⚖️ 它和现在的药差在哪?(我做了张对比表)
📎(配图3)
理论上,我筛到的这条线是口服、肠道内、厌氧、不产 H₂O₂、彻底拆解——正好对着现有药的痛点。但再强调:全是「如果验证成功」的潜在优点。
━━━━━━━━━
🛑 AI 反过来劝我「别花钱」
程序没为了哄我喊「成了」。它明确说:这只是计算证据,先做安全筛、先证明酶真降尿酸,在那之前别投一分钱进入烧钱的真实实验室湿实验。
一个会主动泼冷水的 AI,比一个喊「成功」的可信一百倍。
━━━━━━━━━
✅ 为什么你能信这套
不是它看着高大上,是全程可被你检验:代码公开 · 数据有溯源 · 有对照 · 写明「支持什么 / 不支持什么」。
⚠️ 这不是医疗建议,该看医生、该吃的药还得吃。
AI 真正改变的,不是让你不动脑——是让一个普通人,也能严肃地做成一件以前够不着的事。
#我用AI做科研 #ClaudeCode #Codex #痛风 #尿酸 #肠道菌群