生物学的“千年问题”
一份新近私人整理的“生物学千年问题”清单提出了若干宏大的实验挑战，例如生命起源合成、整身低温保存、肢体再生和定制蛋白设计，并将其部分作为 AI 驱动研究的基准。评论者质疑其中若干条目的科学表述和严谨性——尤其是蛋白质扩增和反向翻译——认为这份清单把可行的工程目标、概念混乱或已解决的问题混在一起，而且没有得到顶尖生物学家的背书。讨论还触及更深层的问题：AI 实验室与领域科学家之间的鸿沟、基础理解与可商业化突破之间的张力，以及生物学最重要的未解问题是否真的适合这种奖项式表述。
对“生物学的千年问题”的总体看法
- 许多人认为这份清单更像是营销/公关，或者是“个人项目”，而不是一个定义领域的议程。
- 人们经常拿它与 Clay 数学千年难题相比；评论者指出，后者是由顶尖专家提出，并且有清晰、经得起时间检验的难度。
- “千年问题”这个名称被视为借用的声望；几位评论者说这“只是一份清单”，并不配与数学版本相提并论。
- 也有人认为，如果这些问题被解决，至少会带来变革性影响，而且它们是可通过实验验证和基准测试的。
AI 实验室与科学家的角色
- 有人怀疑 AI 公司或 LLM 团队在没有与领域科学家紧密结合的情况下，能否攻克深层生物学问题。
- 有人担心 AI 实验室是在追逐 IPO 叙事里的“战利品式胜利”，而不是在建立理解。
- 高昂的算力成本被认为是学术界使用的主要障碍；如果算力变得更便宜，或者有人捐赠算力，可能会出现更多成果。
- 在数学领域，人们指出 AI 驱动的证明可能会产出结果，但缺少社区所看重的人类可理解洞见。
对具体挑战的批评
- 蛋白质扩增和“reverse translatase”受到严厉批评，被认为在化学上天真，或者若没有互补链或核酸中间体，几乎不可能实现。
- “蛋白质 PCR”的类比被称为“甚至不对”，因为蛋白质没有互补链。
- 关于 Rubisco 改造的讨论存在争议：一方认为进化已经碰到了硬限制；另一方认为 AGI 可以超越自然，或者完全绕开 Rubisco。
- 有人说，老鼠的低温保存在 1950 年代就已部分实现，但将其扩展到小型动物之外被认为在物理上存在问题。
工程导向与基础生物学
- 许多人指出，这份清单几乎完全是工程式的“构建 X”问题。
- 有些人认为这很合适：实验生物学很大程度上就是在问“自然是怎么构建这个的”，而且可验证的构建很有用。
- 另一些人则反驳说，宏大问题也包括非工程问题：例如肿瘤免疫的“热/冷”模式、化学渗透理论，或意识的底物。
缺失的或替代性的“重大问题”
- 评论者提出：衰老逆转、阿尔茨海默病、形态发生（超越肢体再生）、蛋白质折叠（超越炒作）、小分子生物催化、慢性病机制、更好的疾病模型，以及 AI/人类对齐。
- 人们普遍认为生命起源仍未解决；经典实验（如 Miller–Urey）生成了构件，但没有生成完整的自我复制细胞或遗传编码系统。