就在今日，全網都被這位00後小哥的基因測序嚇呆了！這位名叫 Seth Howes 的網友，利用便攜式測序儀器和 Claude，在自家客廳就獨立完成了完整的基因組測序，而且成功追蹤到家族多代自體免疫疾病的致病機製。一台 U 盤大小的測序儀、一個 AI 模型——00後小哥 Seth Howes，就這樣在家裡完成了基因組測序，獨自破解了家族二十年未解的自體免疫疾病之謎。
在 2023 年，完成一次人類全基因組測序的成本是 27 億美元，而他只花了 US$1,100，約 HK$8,580！
核心黑科技：AI 的指數級支撐
這些問題，曾經令無數臨床醫生產手無策。這些機製，之前沒有任何一位臨床醫生能給出解釋。看了二十年的病，換了無數家醫院，答案最終是在自家客廳裡找到的。這個實驗太震撼，生工圈現在已經炸鍋了！Claude 大模型，終於讓基因測序從資源密集型變成個人工程。生物學研究的焦點不再是哪家頂級實驗室的專屬機器，也不是什麼醫學院的共享平臺，而是自家客廳！桌面上的實驗室，包括熱模塊、搖床振盪器、離心機、移液器、MinION 儀器在，這張子已經全網嚇呆了。
在實驗室做了二十年實驗的人都感嘆：你真是太專業了。做遺傳學研究的人說，這個基因組測序項目正符合自己的研究範疇。一位患有腫瘤的患者表示，這個實驗實在是意義重大。可以說，這是一個足以震撼整個生工圈的 DIY 實踐：從此，生學研究打破機構壟斷，徹底進入個人時代！ 他希望，從病痛中甦醒臥床掙扎 Seth Howes 是 exolabs 的前工程師，並且是哈佛的醫學博士，和麻省理工的機械工程博士。
Seth 的研究並非起於學術場興趣，而是源於一份沉重的家族遺傳壓力。他的家族長期面臨高風險的自體免疫性疾病。就在他進行實驗期間，他不到 40 歲的姐姐因病導致腰椎嚴重受損，在等候兩年後才勉強獲得腰源進行手術。「我並不奢望能治癒家族的頑疾，但我確實想弄明白，為什麼我們的體內會一代又一代地反噬自身？」正是這種對生命底層代碼的好奇心，再加上對數據隱私的追求，促使他決定在客廳搭建起一個「數位屠刀匠」的工坊。
畢業，在他看來，「你最隱密的數據不應該離開你的房子」。 過去，全基因組測序是大象實驗室的專利，動輒數十萬美元。而這次 Seth 的成功，關鍵在於三個要點支撐。第一件：口袋裡的「基因讀取器」首先，在第一件上，他使用的是 Oxford Nanopore MinION 測序儀。這東西只有 U 盤大小，插在電腦上就能讀取 DNA 序列。十年前，同樣的事情需要一台佔滿整個房間的 Illumina 測序儀，配上一個專業團隊和一疊六位數的預算。
而現在，這個只有七公分大的設備，內部佈滿了約 2000 個納米孔（直徑 1 納米），當 DNA 片段穿過這些孔洞時，引發的微電流變化會被記錄下來並轉化為遺傳密碼。它將測序成本從數十萬美元降到了 1000 美元級別，未來甚致可能降至 100 美元。可以說，MinION 把「讀取 DNA」這件事，從一個資源密集型行為變成了一個工程型能力。就如同 3D 打印機把「製造」從工廠搬到了桌面，MinION 把「測序」從實驗室搬到了客廳。
以下是 MinION 測序儀規格：
| 規格項目 | 細節 |
|---|---|
| 尺寸 | U 盤大小，約 7 cm 長 |
| 納米孔數量 | 約 2000 個，直徑 1 納米 |
| 成本降幅 | 從數十萬美元降至 1000 美元，未來或至 100 美元 |
AI 模型：從「讀代碼」到「理解功能」但是在實驗中，光讀出 A、T、C、G 四個鹼基是不夠的。30 億個鹼基對的原始數據攤在面前，如果不知道它們意味著什麼，就只是一堆字母。這就是 AI 登場的時機。在實驗中，用到了兩個關鍵模型。第一個是 Evo2。這是 Arc Institute 開發的基因組基礎模型，參數規模達 70 億，在全球超過 12 萬個物種的基因組數據上訓練。
它能做的事是：給一段 DNA 序列，預測這段序列在生物學上的功能。你肯定反應過來了——這就是一個生物學版的 GPT！GPT 讀懂人類語言，Evo2 讀懂生命語言。區別是，Evo2 讀的那本書有 30 億個字母長。第二個是 AlphaGenome。Google DeepMind 出品，專門做基因組功能預測。它不只告訴你「這段 DNA 編碼了什麼蛋白質」，而是能預測「這個位點的突變會對基因表達和染色體結構產生什麼影響」。
從「讀 DNA」到「理解 DNA 功能」，這個跨越，過去需要一個分子生物學實驗室花幾個月去驗證。現在，一個模型幾個小時就出結果。 以下是 AI 模型規格：
| 模型名稱 | 開發者 | 參數規模 / 特點 |
|---|---|---|
| Evo2 | Arc Institute | 70 億參數，訓練於超過 12 萬物種基因組 |
| AlphaGenome | Google DeepMind | 專門基因組功能預測，包括突變影響 |
接下來簡化：大模型成了「實驗室助手」說到這裡，整件事裡最讓人意外的細節不是測序儀，也不是基因組模型，而是 Claude。Seth 在操作過程中，用 Claude 生成了 BED 檔案。BED 檔案是基因組學的標準數據格式，記錄基因組上特定區域的座標資訊。以前寫這種檔案需要懂生物資訊學的專業人士手動編寫，或用專門的命令行工具。現在的做法是：用自然語言告訴 Claude「幫我生成一個 BED 檔案，覆蓋這幾個基因區域」，它就生成了。
生物學操作，已經被語言介面接管。個人實驗室時代來了現在，第一件平民化（MinION）、AI 理解力指數提升（Evo2 + AlphaGenome）、操作門檻被語言介面抹平（Claude），直接構成了完整的範式轉移鏈條。每一個環節單拿出來都不算新聞。但三環同時閉合，就出事了！一個有好奇心的年輕人，在自家客廳解開了臨床醫生二十年解不開的謎。這件事的衝擊力，不在於 Seth 個人的事迹有多偉大，而在於它展示了 一條正在加速的曲線。
測序成本的下降軌跡，比摩爾定律還猛。2003 年，完成一次人類全基因組測序的成本是 27 億美元。2007 年降到 1000 萬。2014 年降到 1000 美元。2024 年，部分平臺已經能做到 200 美元以下。下一個目標，是 100 美元。這條曲線的斜率意味著，在不遠的將來，測序你自己的基因組，成本可能比做一次全身體檢還低。 很多人第一反應是：這不就是個極客的 hobby project 嗎？
普通人會在家測基因組？但回想一下，2010 年的時候，有多少人覺得「普通人會在家裡用 3D 打印機」？每一次工程鏈閉合後，從極客玩具到大眾應用的窗口期都在縮短。這一次的窗口期可能更短，因為背後的動力是剛需。客廳實驗實錄：如何在家「讀」懂自己的 DNA？Seth 公開的完整操作流程顯示，他的實驗室設備除了精密移液器外，很多來自 eBay 二手或速賣通。在樣本提取階段，他沒有採取繁瑣的抽血，而是用無菌口腔擦拭子抹擦臉頰內側，只用 1 支擦拭子就獲得了約 5-7 微克 DNA，遠超實驗所需的 1 微克
。自適應採樣，就是 MinION 的殺手鐧。Seth 透過軟件控制，讓測序儀在讀取每一段的前 500 個鹼基時進行「初篩」：如果是關心疾病相關基因，就繼續讀；如果不是，就反轉電壓把 DNA 鏈「吐出來」，換下一條。運行開始半小時後，MinKNOW 控制面板上的納米孔活性狀態 這個過程中，他使用了 M3 Ultra 晶片的 Mac Studio 進行即時鹼基識別，並利用 Nvidia 的 DGX Spark 提升分析速度，確保了算力。
生物學，不再屬於個人壟斷 1970 年代，計算機還是大象機構的專屬工程，然後個人電腦出現了，然後互聯網出現了。生物學正走在同一条路。測序儀是個人電腦，基因組基礎模型是操作系統，Claude 是用戶界面。當這三層同時就緒，生物學的「個人計算機時代」就到了。Seth 在客廳裡完成基因組測序的那個下午，可能就是這個時代的第一頁畫面。十年後回頭看，2026 年大慨是一個分水嶺。
這場實驗的意義遠不止於一個技術蠻的勝利。它標誌著生物學研究正經歷一場從機構壟斷向個人 DIY 模式的範式轉移。當繁瑣的生物學操作被 AI 簡化為語言對話，當昂貴的儀器變成人人可負擔，普通人就能主動解析生命的底層邏輯。正如 Seth 所說，他在拍攝基因圖譜回路上找到了小時候拍攝電腦的快感，這種「極客精神」正開啟一個新的時代。接下來，AI 還會創造多少奇蹟？
