随着人工智能在解码DNA、追踪病原体和加速药物发现中扮演日益突出的角色，实际能力与过度宣传之间的界限往往模糊不清。莱斯大学专家可提供清晰、技术扎实的视角，阐明这些工具如何实质性推进疾病检测、公共卫生准备和治疗设计。
由莱斯大学肯尼迪研究所支持的AI2Health研究集群汇集了计算生物学、机器学习和系统生物学专家，共同开发人工智能驱动的解决方案，以应对人类健康与卫生治理中的关键挑战。AI2Health是肯尼迪研究所12个研究集群之一，致力于整合跨部门专业知识，推进莱斯大学负责任的人工智能与计算发展。
除深化基础研究外，AI2Health成员及关联专家专注于构建实用的生物启发式人工智能工具，旨在简化复杂数据的解读与应用。其方法可广泛应用于人类健康诸多领域，其专业知识有助于引导公共讨论并为以下话题提供背景：
- 基于DNA的建模技术预测阿尔茨海默病和痴呆等复杂疾病
- 传染病追踪与疫情缓解的病原体监测
- 通过计算分析提升癌症检测与靶向精准度
- AI赋能加速疫苗和药物设计
以下是可提供背景信息、解读当前研究趋势或解答专业问题的莱斯大学专家：
公共卫生的生物安全与生物监测
- 托德·特兰根（Todd Treangen）专注于开发用于病原体监测的计算方法，以支持快速疫情响应等公共卫生计划。其实验室研发的机器学习算法和开源软件，可帮助科学家快速识别合成DNA和宏基因组数据中的有害病原体，应对生物安全与传染病监测的新挑战。特兰根担任AI2Health集群首席研究员。
解码健康与疾病的多组学方法
- 维姬·姚（Vicky Yao）开发机器学习与统计方法，分析大规模多样化生物数据集以提取关键见解。其工作注重可解释性与数据整合，旨在揭示癌症和阿尔茨海默病等复杂疾病的分子机制。
基因组学与宏基因组学的人工智能应用
- 圣地亚哥·塞加拉（Santiago Segarra）运用人工智能与高级数学建模解读复杂生物数据，尤其侧重基因组学与宏基因组学数据集的图机器学习方法。其研究为理解大规模生物系统、蛋白质相互作用网络、基因组织及微生物生态提供基础工具。
生物医学创新的计算生物物理学
- 伊万·科卢扎（Ivan Coluzza）作为计算生物物理学家，采用基于物理学的方法研究蛋白质功能与分子设计。其工作融合计算与理论推进生物医学创新，并将模型扩展至设计受蛋白质折叠原理启发的仿生材料。
下一代治疗的计算与系统生物学
- 坎莫尔·格拉斯科克（Cameron Glasscock）结合计算生物学、蛋白质设计与合成生物技术，改造具备新功能或增强功能的蛋白质。其研究通过基于物理学和AI增强的建模，为下一代治疗提供依据。
- 莉迪亚·卡夫拉基（Lydia Kavraki）运用其在物理计算与机器人领域的深厚专长，推进蛋白质柔性与功能的计算建模方法。其工作开发创新AI算法与软件工具，加速药物发现、提升治疗效果预测精度，并实现个性化癌症免疫疗法的精准设计。
进化生物学
- 卢艾·纳克赫勒（Luay Nakhleh）开发计算方法研究基因、基因组与细胞网络的演化过程。其研究揭示驱动疾病发生与发展的进化机制，在癌症基因组学等关乎人类健康的领域具有重要应用价值。
健康与疾病的基因组学与结构变异
- 弗里茨·塞德拉泽克（Fritz Sedlazeck）开发新一代AI与机器学习方法，解码人类基因组变异的全谱系。其研究助力提升诊断精度、个性化疾病风险预测，并揭示神经系统、心血管及发育障碍的潜在生物机制。
“作为计算生物学家，我认为该领域正处于关键转折点，我们可预期在基因组数据分析速度与规模上取得显著突破，从而挖掘更多生物学洞见，”莱斯大学乔治·布朗工程与计算学院院长兼计算机科学与生物科学教授卢艾·纳克赫勒表示，“未来持续的跨领域协作及对工具伦理维度的关注至关重要，这一承诺正是AI2Health研究集群的核心所在。”
【全文结束】
