诺贝尔化学奖得主用AI预测蛋白质 将成药物设计主流

casper

第一财经





华盛顿大学的生物化学教授贝克、英国Google DeepMind的琼珀及哈萨比斯，分别以蛋白质设计与蛋白质结构研究，拿下本届化学奖殊荣。美联社

native advertising

10月9日，2024年诺贝尔化学奖授予三位对蛋白质结构的设计和预测作出杰出贡献的科学家，AI再度成为关注焦点，其中两位获奖者来自谷歌旗下的AI公司DeepMind。

三位诺贝尔化学奖的获奖者分别是美国华盛顿大学西雅图分校教授David Baker，谷歌DeepMind公司CEO Demis Hassabis，以及DeepMind公司的85后科学家John Jumper。这也是谷歌最新诞生的两位诺贝尔奖得主。就在前一日，诺贝尔物理学奖颁给了曾在谷歌就职的计算机科学家杰弗里·辛顿（Geoffrey Hinton）。

蛋白质是构建生命巧妙的化学工具。诺贝尔奖评委会表示，David Baker成功完成了几乎不可能完成的壮举，即构建了全新的蛋白质；Demis Hassabis和John Jumper开发了一种AI模型以解决50多年未解决的蛋白质复杂结构的预测问题，这些发现具有巨大的应用潜力。

诺贝尔奖评委会赞赏了AlphaFold在蛋白预测领域所做的贡献。今年5月，DeepMind和Isomorphic Labs研究团队推出的AlphaFold 3登上《自然》杂志，AlphaFold 3以前所未有的精确度成功预测了所有生命分子，包括蛋白质、DNA、RNA、配体等的结构和相互作用。

对于蛋白质与其他分子类型的相互作用，AlphaFold 3在基准测试中的准确率比现有最好的传统方法高出50%，且无需输入任何结构信息，这使得AlphaFold 3成为首个在生物分子结构预测方面超越基于物理工具的方法的人工智能系统。

伴随着AI技术的发展，AlphaFold 3有望开启更具变革性的科学，结构生物学将再次迎来技术颠覆——从开发生物可再生材料和更具抗逆性的作物，到加速药物设计和基因组学研究，进而开启人工智能细胞生物学的新时代。

native advertising

人工智能对蛋白结构的预测将影响包括生物化学、细胞生物学、遗传发育、神经生物学、微生物学以及病理药理等在内的生命科学研究领域，提升人类对生命的理解。比如，通过蛋白结构预测就能查看人类遗传病中的每一个突变在相关蛋白结构里的具体位置，并推测出蛋白功能如何受到影响。

然而，结构生物学家认为，AI仍然无法替代科学家所从事的很大一部分工作。早在AlphaFold 2问世时，中国结构生物学家颜宁就曾称，结构生物学不仅仅是看到折叠（Fold），更要理解蛋白质的动态变化，要理解与其他生物大分子或者调节小分子的相互作用，要理解在细胞原位里的状态，这些都是AI目前尚无能为力的领域，因为尚没有足够的数据库去训练它。