..但是说真的我也只是关注自己的小方向，了解不多随便写写。
2018年生物学领域爆了很多的大新闻啊，难道生物的世纪真的到来了吗！
- 4D基因组的大门：相分离
经典的锁-钥模型难以解释转录因子和中介体之间的结合作用，这是因为转录因子的转录激活结构域并不具有相同的结构，却能和同一种中介体相互作用来激活基因的表达。今年Cell 上的文章，Transcription Factors Activate Genes through the Phase-Separation Capacity of Their Activation Domains 揭示了在转录激活区域内多种转录因子和转录中介体可以发生液-液相分离，从而激活了基因的表达。或许随着研究的进一步深入，可以发现更多基于相分离的结合情况，解释某些无序蛋白结构域是如何与转录因子相结合的，并加深人类对染色质重构的理解（“液-液相分离”会对染色质结构产生排斥）。
2. AI与蛋白质组学：从头设计蛋白质
从基因序列中预测蛋白质序列很简单，但是三维结构就太难了，尤其是长链的折叠问题一直困扰着研究者。 今年 DeepMind推出了AlphaFold，它通过神经网络预测蛋白质的物理属性，氨基酸对之间的距离和连接这些氨基酸的化学键及它们之间的角度能够成功地从基因序列中得到编码蛋白质的三维结构。Nature Communication上的文章 Discovering de novo peptide substrates for enzymes using machine learning 则利用深度学习的方法，预测酶的底物。利用AI设计蛋白质，可以为药物设计、精准医疗提供巨大的帮助，一定会是大火的一个方向。
3. 方兴未艾：靶向治疗和免疫治疗
2018年免疫治疗和靶向治疗依旧火的一塌糊涂，今年的诺贝尔医学界也没有逃过免疫治疗的手掌心。今年在免疫治疗和靶向治疗上也取得很多突破性进展，包括多种癌症免疫治疗方法，CAR-T治疗艾滋病的专利，靶向药Braftovi+Mektovi治疗黑色素瘤；Vitrakvi 治疗NTRK融合基因相关的癌症。但是他们俩都有个问题：脱靶，CAR-T的脱靶可能会使T细胞攻击正常细胞，导致患者死亡；靶向药出现脱靶则会迅速地产生耐药现象。所以，如何避免脱靶是靶向治疗和免疫治疗以后的关键所在。
4. 技术瓶颈：测序仍在继续
这几年测序一直都很火，但是当它发展到三代测序和纳米孔测序的时候，成本问题和准确度问题一直死死地卡着研究者。读长问题虽然解决了，但是以后的精准医疗如果想普及，肯定需要一种又便宜又方便，而且准度较高的测序手段。单细胞测序最近也是很火，很多单细胞测序方法也在去年和今年被开发了出来。同时某些化学修饰，比如甲基化修饰的测序，可重复性还是不够好，这些都急迫需要能兼顾测序长度和测序准确度的测序仪尽快的被开发出来。
5. 图像识别：更智慧的疾病诊断
补一个：依旧是深度学习，通过AI鉴定疾病，包括通过各种影像学检查对疾病进行甄别，以及活检样品的癌症确定。现在在癌症的识别上，图像识别比biomarker具有更高的准确度和灵敏度。对胸片的读取，可以对心脏肥大，肺气肿等疾病进行类似于人类医生的判断。这项技术依赖于大量临床数据的收集和整理，虽然耗费时间但一定会是很长时间内的热点方向。
感觉生物学这门学科现在在交叉学科的路上一路狂奔，人类对生物大数据的了解越来越依赖计算机了，所以明年大家还是好好学算法….好好学编程….
来源：知乎 www.zhihu.com
作者：123456
【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载
此问题还有 10 个回答，查看全部。