【专家访谈】对话上海市生物医药技术研究院戴文韬研究员：生物信息学何以成为生物医学研究的"隐形支撑"？
对现代生物信息学研究者而言，能将这个曾经的"冷门专业"做出价值，是最大的欣慰。
尽管生物信息学(Bioinformatics)早已融入生命科学研究的各个角落，但这个年轻的交叉学科至今仍显得有些低调。
究其原因，主要在于：这门学科太过年轻、涉及的领域过于交叉、应用性过强，这使得许多人认为它缺乏自成体系的理论基础。更不用说，生物信息学研究需要融会贯通生物学知识、计算机科学技能、数理统计方法等多个领域的专业知识，这种复合型要求使得人才成长周期较长。
即便在当前，国内生物信息学从业者依然面临着一些困境：往往处于科研合作链条的辅助位置，常被误解为"数据处理工具人"。
然而无可辩驳的是，生物信息学已经深度渗透到整个生物医学领域，不仅推动着研究方法论的革新，更为高通量多组学研究、药物研发、疾病机理探索等核心环节提供了关键技术支撑。可以说，正是这个看似不起眼的学科，默默构建起了现代生物医学研究的数字基础设施。
生物信息学的学术地位与其实际贡献似乎构成了某种"量子态"：一方面代表着生命科学数字化转型的未来方向，另一方面又常与数据泡沫的争议相伴而生。这种矛盾恰恰说明，我们需要更全面客观地认识这一学科的价值。
在刚刚结束的"2024第二届生物信息与转化医学大会"上，来自上海市生物医药技术研究院的戴文韬研究员作为主要组织者和分论坛主持人，分享了他在多组学整合分析与计算结构生物学领域的创新成果。本刊记者借此机会，与这位有着十年行业积淀的青年学者展开深度对话，探讨生物信息学的当代价值与发展前景。
国内首批生物信息学博士的科研抉择
记者：能否分享您的学术背景和研究经历？这些经历如何塑造了您的研究视角？
戴文韬：我的科研之路始于2004年华东师范大学生物技术专业。2008年保送至中科院生物物理研究所，加入了蒋太交教授课题组，成为国内较早的生物信息学博士之一。博士期间专注于蛋白质折叠与结构预测研究，这段经历为我打下了坚实的计算生物学基础。
2024年面临职业选择时，我放弃了当时火热的互联网和游戏行业机会，选择坚守科研道路。这一决定源于我对"巴斯德象限"研究模式的认同——即从实际应用需求出发推动基础研究。现在我在上海市生物医药技术研究院带领团队，致力于转录代谢多组学与生物大分子药物设计的应用基础研究。
打造特色研究方向：从计算工具到产业转化
记者：您当前的研究聚焦在哪些方向？取得了哪些特色成果？
戴文韬：我们团队主要围绕两个方向开展工作：一方面开发数据库和计算工具，如与合作伙伴共同构建的人类脂代谢相关数据库(DBLiPro)；另一方面推进肿瘤标志物和药物研发的转化应用。特别是在生物大分子药物设计领域，我们通过"知识驱动+数据驱动"的混合策略，在抗体优化等领域取得了一系列有产业价值的成果。
方法论的思考：从应用需求到理论突破
记者：您如何理解前沿研究与技术转化之间的关系？
戴文韬：我特别认同"巴斯德象限"的研究范式。以解决实际问题为出发点，往往能带动理论方法的突破，而理论创新又能反馈到应用中形成良性循环。在生物医药研究中，我们不盲目追求技术的前沿性，而是选择最适合解决问题的方法。这种务实的态度使我们能在有限的资源条件下实现最大价值。
人工智能时代的生物信息学机遇
记者：大模型等AI技术对您的研究产生了哪些影响？
戴文韬：AI技术确实为我们提供了新的研究工具，比如在空间多组学数据分析中，深度学习方法带来很大便利。但在具体应用时，我们发现通用大模型往往需要与领域知识相结合。特别是在药物研发等场景，高质量标注数据有限时，传统算法有时反而更有效。我认为关键在于因需制宜，而非一味追求技术先进性。
新一代科研人员的成长建议
记者：对于青年科研人员，您有哪些经验和建议可以分享？
戴文韬：十年前我刚进入这个领域时，生物信息学还常常面临质疑。如今随着AI制药等领域的兴起，学科价值已得到广泛认可。这个转变让我深刻体会到：科研人员需要保持定力，在感兴趣的方向持续深耕。建议年轻人不必过度追逐热点，而应该选择一个能发挥自身特长的细分领域，稳扎稳打做出特色。正如我们常说的：科学研究既要仰望星空，也要脚踏实地。
