MACRO(机器学习增强型CRISPR重编程优化)处于两个近年来才开始融合的领域的交汇点。代谢工程旨在将细胞的内部化学物质导向目标产物;CRISPR提供了尝试这一目标的编辑精度;而机器学习则提供了一种在无需逐一进行实验的情况下搜索庞大编辑空间的途径。在实践中,这意味着该模型必须从遗传变化中预测系统级的输出——即总脂质生产率,这正是计算预测大显身手的复杂非线性、多目标问题。
她非常明确地表示,选择难题正是这个项目的核心意义。她在决赛选手资料中写道:“我参加比赛是因为我想把脑子里困住的一个想法变成更严肃的东西。我一直在思考微藻生物燃料,因为它听起来非常有前景:藻类能快速生长、吸收二氧化碳并产生可用作燃料的油脂。但我后来了解到,真正让生物燃料系统运作比仅仅说‘利用藻类’要难得多。这让我对这个项目产生了更浓厚的兴趣。”
她选择的问题是该领域尚未解决的瓶颈。“我想专注于最难的部分,即如何在不损害生长的前提下提高产油量,”她写道。她选择参加这个竞赛的原因在于交流:“这似乎是检验我能否清晰地解释这一想法,并让那些可能还不了解微藻或CRISPR的人感到它重要性的最佳场所。”3M青年科学家挑战赛的评判不仅看重科学知识和创造力,还极其重视沟通的有效性,因此这是一次真正的考验。
她上世纪最喜欢的发明是CRISPR-Cas9,而她对此的解读就像一篇关于好点子来源的小散文。她写道:“在了解CRISPR之前,我主要认为DNA是信息载体。CRISPR让我意识到DNA也可以通过更具针对性和意义的方式进行编辑。我发现最有趣的部分是CRISPR起源于细菌。它并非无中生有,科学家们注意到了细菌本身用于自我防御的系统,并将其转化为研究、医疗、农业和生物技术的工具。我喜欢这一点,因为它展示了自然界中可能已经存在多少有用的点子,但我们首先必须去发现它们。”
她指定的3M导师是阿迪亚·班纳吉(Aditya Banerji),他是该公司企业研究流程实验室的研究专家,负责产品的开发与商业化,并拥有16项3M发明提交记录,其中4项已申请专利。对于一个核心风险在于预测模型与实际生产流程之间距离的项目而言,一位拥有商业化实绩的流程研究专家是非常契合的导师。
她的抱负是双重的。她写道:“15年后,我希望能成为一名医师科学家。我想作为一名医生与患者共事,但也想继续探索研究课题,因为我喜欢科学中答案尚未明确的部分。我对生物学感兴趣,因为它从来不像我最初预期的那样简单。总有另一层真相等待发现。”她还表达了一个与资历无关的愿望:“我也希望我依然是那种会因奇怪的问题而感到兴奋,并将其深究到底的人。”她引用了自己的一句话作为座右铭:“一个好的发明,始于一个有前景的事物依然存在一个无人能完美解决的问题。”2026年10月12日至13日,她将在明尼苏达州圣保罗的3M创新中心展示MACRO。
“我想专注于最难的部分,即如何在不损害生长的前提下提高产油量。”— 米莉·普拉达翁,2026年3M青年科学家挑战赛选手资料
“一个好的发明,始于一个有前景的事物依然存在一个无人能完美解决的问题。”— 米莉·普拉达翁
| 人物 | 国家 | 里程碑 | 年龄 / 数据 |
|---|---|---|---|
| Millie Pradawong | 🇺🇸 美国 | MACRO — 用于优化藻类生物燃料CRISPR的机器学习技术 | 14岁 |
| Sharvi Mahajan | 🇺🇸 美国 | NeuroDrive Alert — 用于预测微睡眠的脑电图(EEG)机器学习系统 | 14岁 |
| Matteo Paz | 🇺🇸 美国 | 红外巡天数据的机器学习分析;发现150万个天体 | 18岁 |
| Anirudh Rao | 🇺🇸 美国 | 氧化石墨烯湿度发电纳米发电机 | 14岁 |
大多数从事藻类生物燃料研究的学生倾向于选择听起来很诱人的课题。她却找到了该领域停滞的具体原因——脂质产量与生长速度之间的矛盾,并针对这一矛盾开发了工具。这就是仅仅选择课题与真正选择问题的区别。
她对CRISPR起源的解读是一个更具启发性的答案。她着眼于该技术是在细菌中被发现而非从零开始设计的这一事实,并得出了一个普适的道理:有用的机制可能早已存在,而稀缺的技能是观察力。这是一个由14岁少年领悟到的研究哲学。





.jpg)
