以前离散领域的融合是数字时代的一个标志。还记得开发团队和运营团队之间的划分吗?随着DevOps成为新的工作方式，这种差距消失在云中。

现在，技术正在被纳入其他学科。20世纪90年代，由于微阵列等技术的发展，定量生物学从一门描述性科学一跃成为基因测序。与此同时，大数据正在革新信息技术。

Insitro Inc.的创始人兼首席执行官达芙妮·科勒(Daphne Koller，见图)说:“我认为，30年后的今天，这两个领域将会融合成一个领域，我喜欢称之为数字生物学。”

在加州斯坦福举行的“女性数据科学会议”上，科勒与SiliconANGLE Media的移动直播工作室theCUBE的主持人索尼娅·塔加尔进行了交谈。他们讨论了如何将机器学习技术应用到传统的生物研究领域——如药物研究——以降低医药成本。

据科勒说，由于新技术的发展，生物学测量的细节、保真度和尺度都达到了新的水平。科勒说，人工智能和机器学习使科学家能够解释他们所看到的情况，并设计出新的解决方案，这些解决方案“将对生物材料、能源、环境、农业以及人类健康产生影响”。

健康领域最大的问题之一是批准的药物数量与用于研究的资金数量呈下降趋势。这被称为Eroom定律，因为它与摩尔定律相反。

科勒说:“尽管取得了许多重要进展，但成本仍在不断上升。”

科勒认为，机器学习可能是打破这一趋势的关键，但它需要跨学科的方法。她说:“人们需要真正建立一种文化，让来自不同学科的人一起工作，每个人都将自己的见解和想法融入其中。”

她在Insitro创建的团队是半生命科学家、半机器学习和数据科学专家。

“他们从一开始就明白我们可以一起解决哪些问题:如何设计实验?”如何建立模型?你如何推动能够帮助我们为人们制造更好药物的见解?”她说。

根据科勒的说法，使用数据驱动的方法，收集和分析大量的数据将揭示新的假设。

她说:“希望我们能够创造足够的数据，并应用机器学习来解决药物发现和开发过程中的关键瓶颈。”“(然后)我们可以把更好的药物带给人们，我们可以更快地做到这一点，而且希望能以更低的成本。”