當基因編輯能精準“剪切”致病基因，當人工合成淀粉讓“空氣變糧食”照進現實，當AI制藥將新藥研發周期從十年壓縮至一年——這些曾只存在于科幻中的場景，正以驚人的速度在21世紀成為日常。生物學，這個曾被視為“觀察花草蟲魚”的學科，如今已滲透到醫療、能源、材料等關乎人類未來的核心領域。但一個矛盾的現象隨之浮現：為何總有人說它“簡單好學”，卻又公認其門檻高不可攀？

01，集親民和尖端于一起的生物學

數理基礎認知不足，使得生物總體上停留在現象描述階段。這也是為什么當其他學科用數學公式構建知識壁壘時，生物學卻同時承載著“最親民的科普”與“最尖端的技術”這兩種截然不同的標簽。

而現在廣大科研人員正在努力的通過盲人摸象來把生物這個復雜體系逐步搭建起來。可能，更確切的說，生物是一個復雜體系的東西，這東西，在哪個學科里都是難點（比如湍流？）。

盡管個人是從事生命科學研究的科研人員，而且可能還是生命科學里最接近大眾認知的‘科學’范疇的生物信息學（用算法等來解決生物學問題），然而，我們依然面臨一個問題，那就是，當前的生命科學，依然以現象描述為主，我們甚至缺乏一個根本性的通用原理之類的。

相比之下，數理化要好多了。

02，數理化vs生物

數學最厲害，一堆公理定律，物理可能稍遜些，但是依然有許多定理規律之類的，化學也存在著相當多的基礎理論。這才符合廣泛的科學認知，能夠在紛雜的現象背后找到其規律。

而生物學，目前并不具備這些內容。就不說有的生命形式似乎不依賴核酸（比如朊病毒）。哪怕確定在核酸為遺傳物質的體系里，依然一片混沌。

有了DNA,不一定有RNA。

有了RNA，不一定有蛋白。

有了蛋白，不一定有功能。

更別提處處在挑戰我們認知的東西。比如什么是基因，盡管目前有很多認知，一般情況下，我們依然傾向于是可以編碼蛋白質的核算部分是基因。于是就出現了非編碼區域，甚至曾經認為是垃圾DNA。

后來發現，這區域竟然能轉錄，就把他們叫做非編碼RNA。然而后來發現，這些非編碼RNA甚至可以翻譯成蛋白……到了這地步了，能不叫基因嗎？

事實上，如果做一個勉強的順序，大概是如此。

03，為什么生物學最容易入門而又最難精通？

數學是科學之母，這一點就不多深究。

物理在微觀層面解決的是原子甚至更小的規律問題。

化學在微觀層面解決的是分子級別的規律問題。

生物在微觀層面解決的是大分子的規律問題。

而目前，我們就卡在這里，因為簡單的化學理論已經很難滿足生物了，就比如要想合成一些分子，在實驗室非常困難，可能需要很高的條件，然而到了生物里竟然可以在常溫下輕松合成。

可能很多人留意到，近些年來諾貝爾化學獎大多數授予了生物領域（大概三分之二左右），其實就是意味著生物是一定程度上在化學基礎上在完成更多的復雜過程。然而，這個復雜規律，太復雜了，受到的影響條件太多了。

比如同樣一個基因的表達，不僅受到了自身基因特性的影響，還受到調控元件如增強子之類的影響，甚至還受到了空間構象的影響。而且由于生物的反應往往是在細胞中，那么細胞中那么多基因那么多蛋白還有代謝物，以及細胞本身的狀態都會影響到基因。

可以說，每一個生物過程，都是一個復雜到天文數字的計算過程，而我們目前的計算量事實上難以滿足生物的需求。想象一下，上萬個基因，上萬個蛋白，數以萬計的代謝物，還有無數細胞器，以及核酸在空間的結構，蛋白的結構變化，在疊加無數外界條件諸如理化信號。

如果能夠把這些模擬出來，那個工作量簡直是天文數字。就像天氣預報直到現在都依然無法精準預報，其背后就在于我們總體的認知和計算量難以滿足，這需要更多的技術突破來解決。

事實上，哪怕是我這種做生物信息的計算，不考慮生物學的反應過程，消耗量已經到了不少大牛團隊都在使用天河計算器之類的了。

這還是單純的生物信息學計算，要是疊加更多的過程，就更無法想象了。這還是單細胞，如果多個細胞呢？擱到組織器官里？甚至人身上？吃飯、喝水、睡覺，甚至呼吸、思考帶來的變化，都會影響。

所以，生物屬于，看起來入門容易，畢竟總體處于初步階段，更多是現象描述，但是上限極高，代表人類對世界認知的進一步提升的方向。