Builders Unscripted 第 5 集：Derya Unutmaz（第 2/3 段） ☕ Buy me a coffee

🧑‍🏫 這段是 OpenAI 訪談免疫學家 Derya Unutmaz。他不是只拿 AI 查資料，而是用 Codex 自己做出模擬細胞、設計基因編輯的專業工具。他也談到自己的大願景：用 AI 在電腦裡模擬出一個完整的你。想知道 AI 在科學研究能走多遠，這段很值得看。

• 12:07 Derya 自己做了許多在日常工作上幫得上忙的小 app。
  ↳ Derya 是免疫學家，他自己動手做了不少小 app，用來解決研究工作中實際碰到的需求。
• 12:07 他認為 AI 會對生物學帶來巨大影響，關鍵在於能模擬極其複雜的生物系統。
  ↳ 他看好 AI 改變生物學，理由是生物系統複雜到人腦算不過來。如果 AI 能把它模擬出來，就能先在電腦裡試，再進實驗室。
• 12:37 類比：造飛機時會先模擬空氣動力學，不會把零件湊起來碰運氣；但生物零件太多，目前還沒有這種模擬。
  ↳ 設計飛機時，工程師會先在電腦上算氣流怎麼流過機翼，確定可行才造。生物學的零件太多，目前做不出這種模擬，只能靠實驗一次次試。
• 13:09 他的目標：先用 AI 做出 virtual cells 模擬完整免疫細胞，再擴大到組織，最終做出完整人類的 digital twin。
  ↳ virtual cells 是「電腦裡的虛擬細胞」；digital twin（數位分身）是在電腦裡複製一個完整的你。他的路線是先做一個細胞，再做組織，最後做到整個人。
• 13:09 他說這需要更多 compute，並請 OpenAI 加緊投資發展。
  ↳ compute 指運算能力，也就是跑 AI 需要的電腦算力。模擬越複雜越吃算力，所以他直接喊話，請 OpenAI 多投資。
• 13:09 第一個 app 模擬 T cell receptor，也就是 T 細胞表面的主要受體。
  ↳ T 細胞是免疫系統裡負責辨認和攻擊敵人的細胞之一；T cell receptor 是它表面的主要「偵測器」。第一個 app 模擬的就是這個偵測器怎麼運作。
• 13:39 這個受體依據所接觸分子的親和力與其他訊號做出決定，有時攸關生死。
  ↳ 這個受體碰到分子時，會看兩者黏得多緊（親和力），再加上其他訊號，判斷要不要啟動反應。判斷錯了可能攸關性命。
• 13:39 訊號強度可能導致自體免疫疾病，也可能清除腫瘤、殺死受病毒感染的細胞，或造成過度損傷而致命。
  ↳ 同一套機制，強弱的拿捏很關鍵。打錯對象會攻擊自己的身體；打對了能清掉腫瘤和被病毒感染的細胞；反應過頭則可能傷到致命。
• 14:10 受體底下有龐大的訊號傳遞路徑。在 app 裡可以設定 ligand 的品質與劑量，再執行模擬。
  ↳ ligand 是會跟受體結合的分子。受體被觸發後，細胞內有一長串訊號接力往下傳。app 讓你調整 ligand 的好壞和多寡，再按下模擬。
• 14:41 模擬結果會顯示哪些分子被活化、哪些沒有，也會顯示 transcription factors 的磷酸化模式。
  ↳ 結果會標出哪些分子被打開。transcription factors 是控制基因開關的蛋白質；磷酸化（phosphorylation）是分子常見的開關方式，從這個模式能看出細胞下一步。
• 14:41 加入抑制性分子或換成不同訊號後，可以看到某條路徑停止，引發不同的事件。
  ↳ 放進會踩煞車的分子，或換一種訊號，就能看到某條傳遞路線停掉，細胞因此做出不一樣的反應。等於在電腦裡做對照實驗。
• 15:12 還能再擴充：加入抑制某分子的小分子看輸出變化，或加入更多受體，觀察它們如何互相作用。
  ↳ 它還能繼續擴充：加入抑制某個分子的小分子（很多藥就是這類），看結果怎麼變；或加入更多受體，看它們彼此怎麼影響。
• 15:12 主持人指出，這不只是視覺化或搜尋資料集，而是在瀏覽器裡定義各細胞、各情境輸入與輸出的完整應用程式。
  ↳ 主持人強調，這不是把資料畫成圖表，也不是查資料庫。它是一個完整程式，能設定每種細胞、每種情境的輸入並算出結果，直接在瀏覽器裡用。
• 15:44 主持人提到很多 builder 用 Codex 和 GPT 5.5 做網站、web app、行動 app，但這個 app 精細、進階得多。
  ↳ Codex 是 OpenAI 幫人寫程式的 AI 工具，GPT 5.5 是 OpenAI 的模型。多數人拿它們做網站或 app，Derya 做的是專業程度高很多的科學工具。
• 15:44 Derya 說他每天早上喝完咖啡，就會把新東西加進模擬器，看看會發生什麼。
  ↳ 這個模擬器不是一次做完的。他每天早上喝完咖啡，就加一點新東西進去，看看會模擬出什麼，功能就這樣一天天累積。
• 15:44 Image 2.0 推出後他非常喜歡，因為可以做出極為複雜的圖像。
  ↳ Image 2.0 是影片中提到的圖像生成模型。他喜歡它，是因為它能畫出細節很多、結構複雜的圖，很適合畫科學內容。
• 16:15 他以一份刊登在頂尖期刊 Nature 的免疫圖譜為題材，請圖像模型生成一張 Nature 封面。圖中的免疫細胞正是他研究了 30 年的細胞。
  ↳ Nature 是全球最知名的科學期刊之一。他拿一篇刊在上面的免疫細胞圖譜當題材，請 AI 畫一張封面，畫的正是他研究了 30 年的細胞。
• 16:46 接著他把這張圖丟進 Codex，請它做成互動網站。Codex 生成了細胞互動的動畫，點擊細胞會顯示它是 memory cell 或 effector cell 等資訊。
  ↳ 接著他把圖交給 Codex 做成網站，細胞會動、會互動。點一下細胞就會顯示類型：memory cell 會記住舊敵人，effector cell 負責實際出手作戰。
• 17:17 網站可以阻斷 PD-1 分子。PD-1 在癌症治療中很重要，阻斷它能治癒許多癌症，這類療法叫 checkpoint inhibitor。
  ↳ PD-1 常被形容成 T 細胞的「煞車」。網站能模擬把它擋掉，這類療法叫 checkpoint inhibitor。他說阻斷 PD-1 能治好許多癌症。
• 17:17 網站也能依年齡改變免疫細胞的行為，等於一個迷你模擬器，全部源自一張圖。
  ↳ 網站還能調整年齡，看免疫細胞的表現怎麼跟著改變。重點是，這整個迷你模擬器的起點只是一張圖。
• 17:47 他沒有下細部指令，只請 Codex「理解這張圖並建立互動式模擬器網站」，Codex 就做出來了。
  ↳ 他沒有一步步教 Codex 怎麼做，只說了一句「看懂這張圖，做成互動式模擬器網站」，Codex 就自己拆解需求做出來了。
• 17:47 主持人認為這也是很好的教育工具：想深入任何主題時，除了生成圖像，也能生成模擬器。
  ↳ 主持人看到另一種用法：學新東西時，除了請 AI 畫圖解，還能請它做一個可以動手調參數、看結果的模擬器，學起來更直觀。
• 18:20 Derya 認為細胞有點像寫好的程式軟體，希望有一天出現「Codex for biology」，能完全為細胞編程。
  ↳ 他把細胞看成一套寫好的程式軟體。他希望未來出現「生物版 Codex」，讓人能像寫程式一樣，完整設計細胞要做什麼。
• 18:20 他指出，基因編輯技術已經開始在做這件事。
  ↳ 他指出這不是空想，基因編輯技術已經開始在做「改寫細胞」這件事了。
• 18:53 他說自己在 25、30 年前開發過部分基因編輯技術，而現在有了 CRISPR。
  ↳ 他本人在 25、30 年前就參與開發過部分基因編輯技術，現在則有了 CRISPR 這個新工具。
• 18:53 CRISPR 能鎖定任何基因，用來修正突變、刪除基因或過度表現，類似基因體工程。
  ↳ CRISPR 是一種基因編輯工具，能精準找到任何一個基因，修正錯誤、把它刪掉，或讓它大量表現，等於直接對基因動工程。
• 18:53 難點在於複雜：一個基因大約 2000 個 nucleotides，要鎖定哪個位置？
  ↳ nucleotide 是組成 DNA 的基本單位，可以想成 DNA 的字母。一個基因大約 2000 個字母長，要從哪一段下手，本身就是難題。
• 19:23 必須靠計算判斷目標是否具專一性、會不會產生預期效果。已有現成工具，但他想要自己的，於是自己寫了一個。
  ↳ 下手前要先用電腦算：選的位置是否只會命中這個基因、編輯後會不會有預期效果。市面上已有工具，但他想要自己的，就自己寫了一個。
• 19:23 在 app 中選一個基因（例如 T 細胞表面的 CD4），它會立刻從資料庫抓出該基因的 DNA 序列。
  ↳ CD4 是 T 細胞表面的一個分子。在他的 app 裡選 CD4，程式會立刻從資料庫抓出這個基因的 DNA 序列，不用自己去查。
• 19:53 app 會列出所有可能的目標，也就是 20、22 個 nucleotide 長的區段，並加以排序、建議該選哪一個。
  ↳ app 會把所有可以下手的位置全列出來，每段長 20、22 個字母，並幫你排名、建議選哪一段，省下人工比對的時間。
• 19:53 選好後複製序列交給線上公司合成，對方寄回後他再進行工程改造與實驗。
  ↳ 選好後，他把序列複製下來，交給線上公司合成實體分子。收到後再進實驗室改造細胞、做實驗，從電腦設計一路接到實驗。
• 20:23 app 能視覺化被鎖定的所有區域，並有其他應用程式沒有的功能。
  ↳ app 會把所有被鎖定的位置畫出來，讓人一眼看懂，還有其他現成工具沒有的功能。這正是自己做工具的好處。
• 20:23 其中一項是 library 設計：輸入多個基因名稱，按下 design library，就會產生多種不同的 CRISPR 分子。
  ↳ 其中一項是 library（CRISPR library）設計。輸入多個基因名稱、按下 design library，就能一次產生一整批不同的 CRISPR 分子，不用一個個做。
• 20:54 這是用 Swift 打造的 native macOS app，他也打算做 iPad 版。
  ↳ Swift 是 Apple 的程式語言；native macOS app 指直接安裝在 Mac 上的軟體，不是在瀏覽器裡開的網頁。他還打算做 iPad 版。
• 21:25 他所說的 digital twin 是一個人完整的生物系統，包括免疫系統、代謝物、腸道中數兆細菌、荷爾蒙等。
  ↳ 他說的 digital twin 不只有基因，而是整個人：免疫系統、代謝物（身體運作產生的各種化學物質）、腸道裡數兆細菌、荷爾蒙，全部都算進去。
• 21:55 基因與環境幾乎決定了一切：會不會生病、何時生病、對某種治療有沒有反應。
  ↳ 他認為你會不會生病、什麼時候生病、某個治療對你有沒有用，幾乎都由基因加上環境決定。所以把這些都模擬出來，就有機會預測。
• 21:55 目標是在疾病發生前就預測，而且必須高度個人化：要治療的是病人，不是疾病。
  ↳ 目標是從「生病再治」變成「生病前就預測」，而且要因人而異。他的說法是：要治的是眼前這個病人，不是病名。
• 21:55 過去同一種病給數百萬人同一種藥。例如 statins 有數百萬人使用，但只對其中一小部分人有效。
  ↳ statins 是常見的降膽固醇藥。他舉例說，數百萬人吃同一種藥，實際有效的卻只有其中一小部分人。
• 22:31 願景是讓 AI 結合個人的基因體、代謝物、蛋白質、免疫系統，完整模擬你的生物狀態。
  ↳ 他的願景是讓 AI 整合你的基因體、代謝物、蛋白質、免疫系統資料，在電腦裡跑出一個「你」的完整身體狀態。
• 22:31 屆時可以問「如果我改變某個健康習慣會怎樣」「如果給這個藥會怎樣」，甚至依 AI 的判斷為個人量身訂製治療。
  ↳ 有了數位分身，就能先在電腦上試：「我改掉某個習慣會怎樣？」「吃這個藥會怎樣？」甚至讓 AI 替你量身設計治療。
• 23:01 完全個人化後，藥物可能接近 100% 有效、0% 副作用。
  ↳ 他的推論是：如果治療完全照你的身體設計，藥就可能接近 100% 有效、幾乎沒有副作用。
• 23:01 臨床試驗可能從 5 到 10 年縮短到 5、10 天，由 AI 替你做臨床試驗。
  ↳ 臨床試驗是新藥上市前在人身上測試的過程，通常要好幾年。他設想由 AI 用數位分身替你模擬，把 5 到 10 年縮短到 5、10 天。
• 23:31 他主張未來十年左右能治療所有疾病，15 年內能逆轉老化，人可以活到數百歲。
  ↳ 他提出很大膽的預測：大約十年內能治療所有疾病，15 年內能逆轉老化，人可以活到數百歲。這是他個人的主張。
• 23:31 他知道有人覺得這像科幻小說，理由是癌症花了 50 年才只能治療一點點，但這些人沒算進 AI 正在指數成長。
  ↳ 他知道很多人覺得這像科幻小說，因為癌症研究了 50 年只進展一點點。但他認為這些人沒算進 AI 正在指數成長。
• 24:01 他補充，這個預測的前提是 compute 會大幅增加。
  ↳ 他也講明前提：運算能力必須大幅增加。換句話說，這些預測能不能成真，要看算力跟不跟得上。

Derya 認為藥物完全個人化後，臨床試驗的時間可能從 5 到 10 年縮短到多久？