2008年，巴西某制药实验室里，26岁的保罗·席尔瓦每天与挥发性化学品为伴。他的笔记本电脑只是个"高级打字机"——用来填Excel、打报告。没人想到，这台机器后来会吃掉他的整个职业生涯。
「比克曼的世界」埋下的种子
童年看科普节目《比克曼的世界》，让保罗相信实验是一种召唤。药学本科期间，社交生活被分析化学取代。硕士阶段，实验室台成了他的固定工位。
但工业界的重复性工作很快让他窒息。「我每天做着相同的检测，像在流水线上拧螺丝。」保罗后来回忆。转折点出现在2012年：他开始用Python处理实验数据，发现写代码和做实验惊人地相似——都是假设、测试、迭代。
从「辅助工具」到「主战场」
最初只是自动化Excel报表。2014年，他尝试用机器学习预测药物稳定性，结果比传统方法快40倍。实验室主任没表扬他，反而警告：「别让IT部门发现你在搞这些。」
这句话成了催化剂。保罗开始凌晨5点起床，在上班前自学编程。2016年，他做了一个被同事视为「发疯」的决定：辞去药企研发岗，降薪加入一家医疗AI初创公司。
新公司没有实验室台，只有笔记本电脑。他的「实验对象」从化合物变成了代码仓库——提交、回滚、A/B测试。药学背景成了稀缺资产：他懂FDA（美国食品药品监督管理局）的合规要求，知道哪些数据特征真正影响药效。
两种「实验室」的融合
2019年，保罗主导开发的药物相互作用预测系统上线。系统上线前，他特意回了一趟老东家。当年的实验室主任已经退休，接替者正在用他写的开源工具做数据分析。
没人记得那场警告。
现在的保罗管理着15人团队，成员一半是药学背景、一半是计算机科班。他们的工作流很「 hybrid（混合）」：用湿实验验证算法预测，再用算法设计下一轮湿实验。「以前我在台面上做一天实验，现在我在笔记本上跑一万次模拟。」
他桌上还放着一小瓶当年常用的试剂——不是怀念，是提醒自己：所有代码最终要回到真实的分子世界去验证。
上个月，团队有个实习生问他：「您后悔离开实验室吗？」保罗指了指屏幕上的分子动力学模拟图，「这就是实验室。只是现在我的『台面』能同时跑200个实验，而且不会中毒。」
那个实习生现在每天凌晨5点起床学代码。保罗没劝她，也没鼓励她——就像当年没人劝他一样。
热门跟贴