植物学家 + AI：一场迟来的科研进化

我研究蓝藻和藻类染色体四十年，退休后本该过点轻松日子。但一个意外让我重新拿起代码：我参与的一个藻类端粒综述项目，到需要大规模分析基因组时，我才发现自己对现代计算工具的认知停在几十年前。

端粒是染色体两端的“保护帽”，它的重复序列特征往往被用来判断物种亲缘关系。问题是，要确定一个物种是否具有某种端粒重复，需要扫描整条染色体的末端，再定位对应的 TERT 基因。这在以前是小规模湿实验，现在则是纯计算。

我对 AI 编程助手（Claude Code）的第一印象是：它能听懂我那些不够精确的指令，并把任务拆成可执行步骤。但我真正依赖它的并不是代码能力，而是它陪我建立了一套可审计的工作流。从第一个物种开始，我就坚持用表格跟踪每个样本：基因组下载自哪里、校验值是多少、扫描脚本是否通过、TERT 搜索结果如何。负面的、不确定的结果也如实记录，绝不静默丢弃。这样做的好处后来才显现出来：当结果被质疑时，每一步都有据可查。

项目流程逐渐固定。对每个候选物种，我需要先从 NCBI 或 JGI 的 PhycoCosm（专门的藻类基因组数据库）找到一个合格的基因组组装；下载后校验完整性；用脚本扫描每条染色体末端的串联重复；再用 BLAST 和 TBLASTN 搜索 TERT 基因。AI 负责生成和调试脚本，我负责检查结果是否符合生物学直觉。

有一次，我要求 AI 解释 BLAST 的机制。它的回答让我豁然开朗：BLAST 就像是拿着一小段已知序列，在未标记的庞大基因组书页上滑动，找哪些位置匹配得远超随机水平。本质上，跟你在一本书里认出一段被改写过的熟悉文字没有区别。这个简单的比喻，让我瞬间建立了对后续所有结果表的信任基础。

当时我输入的命令长这样：

python3 tert_search.py --query Chrveli1_GeneCatalog_proteins_20200809.aa.fasta --reference reference_tert.fasta --out chromera_velia_tert.tsv --evalue 1e-5

输出显示：

BLASTP complete. 5 hit lines written to chromera_velia_tert.tsv -> 1 candidate protein, hit by all 5 independent references. Detected.

项目最终覆盖了 43 个物种。最有趣的发现来自最后一棵进化树：两个亲缘关系极近的物种——Chlorella sorokiniana 和 Picochlorum sp.——在共享标记基因上几乎完全相同，却携带两种明显不同的端粒重复序列。在动植物中，这种“端粒签名”通常在一个谱系内保持稳定，而藻类却能在极近的演化尺度上改变它。这正说明，端粒是染色体力学与进化史的交汇点，比我们想象的更灵活。

图中虚线框标记了 Chlorella sorokiniana 和 Picochlorum sp.，它们几乎同一标记基因，却带有两种不同的端粒基序。

但工具再先进，科学的基本纪律不会改变。项目第一个被报道为“非典型”的端粒结果，在独立复检后被证伪。我随后修改了追踪表、图表和初稿，一处不落。一个可疑的基因组条目，我直接给论文的通讯作者发邮件，收到回复后才放心。为了验证进化树上的发现，我又用 TERT 基因本身构建了第二棵独立基因树，与第一棵交叉比对，和官方分类学互相印证，不一致的地方也老实报告。

这件事让我常想，如果一个退休植物学家都能靠 AI 工具完成基因组规模的科研，那些有计算机基础的年轻研究者该有怎样的优势？或许真正稀缺的不是技能，而是一个值得研究的问题，以及判断结果是否可信的直觉。

如果你想尝试类似路径，我的建议是：先用对话式 AI 重建对当前概念的语言和信心——不要太早期待能直接解决你的问题；当你有了一个具体问题后，再做 agent 式的迭代实验。还有，从第一天起就建立结构化的项目记录，像实验记录本一样，而不是让研究只活在一串聊天记录里。最重要的是，永远保持科学判断力。AI 擅长执行，但提出什么样的问题、如何解读结果，那是你自己的责任。

我没有成为计算生物学家。我还是那个植物学家，但成了一个能提出现代基因组问题，并且能获得现代、可辩护答案的植物学家。这种转变，比我预想的来得晚，但比很多人预想的来得容易。