今天早上起来看到曹聪老师的《Google和硅谷、美国创新的未来》，又感慨了一番。第一点是公司的知识创新地位在迅速攀升，除了这些已有的成功的公司，在学术界搞出一些名堂的人物也纷纷在搞自己的公司。这种创新型的公司文化可能会慢慢瓦解和收编传统的、政府领导的教育和科研，直到形成一种新的平衡态为止。第二点是智能自动化已经向我们走来。这可能会给很多传统产业带来不小的打击。

智能自动化对我来说可以很远，也可以很近。远是因为我不懂智能自动化的细节，近是因为我现在就渴望着智能自动化能解决我眼前的问题。

科学网的几位小年轻曾经倡议过成立科学网大学，我觉得精神可嘉，就严重地支持了一把，抛出了《科学网大学后现代无厘头》专业的说法，并进行了第一次全球性招聘会。此后，还提出了一个实质性的科研话题《实验自动化研习班》。此话题引起了有自动化背景的刘洋高度关注。可惜由于诸多原因，没能把这个课题作实质性的推进。今天就简略地谈谈这个课题的背景以及意义，看看大家有何想法。

果蝇（以及其他小动物，例如线虫、扁虫等）的“诱变遗传筛选”的目的和做法都很直接：用药物随机地诱导动物的基因突变，得到突变体；观察到突变体的有意思的表型以后，保存感兴趣的突变体，克隆导致突变的基因。这是发现和研究基因新功能的基础，是至关重要的一环。

除了这种“随机诱变-克隆基因”的筛选模式，还有别的方法来研究一个基因的活体功能。例如有目的地敲除某个基因，也可以用RNAi的方法降低某些基因的表达量。但它们都有一些缺点：基因敲除速度慢，而且目的性太强，做了一年实验以后，发现基因敲除后动物一切正常，那还是挺打击积极性的；RNAi降低基因的表达量的程度因基因而异，而且还会非特异性地扰动别的生物学过程， 所以只能作为一种粗略的筛查，一个基因的活体功能最终还是要基于突变体的分析。

另外，诱变遗传筛选可以找到同一个基因的不同突变体，例如让基因不能编码蛋白、编码缺失了一段的蛋白或者编码单个氨基酸突变的蛋白。这些信息很可能对蛋白质的结构-功能分析提供很有意义的帮助。这一点是基因敲除和RNAi难以做到的。此外，单基因的遗传学已经不能满足要求，我们需要明白两个或以上基因突变后能否产生一些协同作用，也就是说，各个基因突变没啥影响，但把它们加起来，将会产生很强的作用。这些研究结果可能会对药物研发有很重要的参考价值。而诱导遗传筛选在发现多基因联合作用上很有优势，只要设计出合适的筛选模型，就可以找到相互作用的基因。

诱变遗传筛选可以得到有表型的基因突变，但其速度也很慢，甚至比基因敲除还慢。我们再来总结一下诱变遗传学筛选的步骤：

这四步，每一步都耗时间耗体力。在2000年以前，果蝇基因组不完整，最后一步需要耗费大量的时间。即使有了果蝇基因组，最后两步加起来还是要耗费很多时间，因为通常在这些被定位的区域会有几十个基因，而且突变不一定发生在基因的编码区。

第三、第四步的瓶颈在最近有被突破的希望，而带来这种希望的是新一代的测序技术（next generation sequencing）。这些新的测序技术把DNA测序的效率大大提高而成本大大降低，所以我们可以直接测果蝇突变体的序列，把它们与未诱导突变的果蝇进行比较。

当然，用药物对果蝇进行的随机诱变可以在基因组里产生多个突变，如果我们只比较一个突变体与野生型的序列，可能会得到好几个候选基因，不知道是哪一个导致突变表型的。这个问题有一个比较简单的解决办法，那就是把有相似表型的果蝇突变体进行杂交，看看这些果蝇是否含有相同的突变。如果是的话，把这些突变体的序列放在一起比较，就可以知道突变基因了。如下图：

测序和序列分析的自动化比较容易实现，所以果蝇诱变遗传筛选的第三第四步应该不是问题，那瓶颈就回到了第一第二步上：如何实现从果蝇交配到细节表现观察的自动化，让科研人员从体力劳动中解放出来。