AI今年赢麻了！继两位人工智能（AI）先驱获得今年的诺贝尔物理学奖，人工智能蛋白质结构预测模型“AlphaFold2”今晚又赢得了1/2的2024诺贝尔化学奖。有评论认为，一次革命性的科研范式转换被诺奖委员会“盖章确认了”，诺贝尔奖即将进入AI时代。

据瑞典皇家科学院消息，2024年诺贝尔化学奖一半授予华盛顿大学教授戴维·贝克，“以表彰其在计算蛋白质设计方面的贡献”；另一半共同授予谷歌旗下DeepMind公司AI科学家德米斯·哈萨比斯和约翰·江珀，“以表彰他们在蛋白质结构预测方面的成就”。

20年“长跑”与革命性“临门一脚”

“AlphaFold”摘得诺奖，业界似乎早有预感，可谓众望所归。不过今晚诺贝尔化学奖揭晓那一刻，人们还是有些疑惑：为何列在首位、获得1/2奖项的成果是“计算蛋白质设计”？

“在蛋白质设计领域中，戴维·贝克是泰山北斗级的存在，他20多年持续进行着基础性开拓，使人类对蛋白质的理解与掌控，达到了前所未有的高度。”上海科技大学教授许文青介绍，戴维开发了一系列计算机方法，创造出许多以前不存在、具有全新功能的蛋白质，这在过去被认为是“不可能的事”。

要知道在AI介入之前，蛋白质的从头设计是一项极为艰苦、成功率很低的工作。不过在过去20多年中，结构生物学积累下了海量数据，为基于AI的蛋白质结构预测和蛋白质设计做好了“临门一脚”的铺垫。

2020年，“AlphaFold2”踢开了革命性的“临门一脚”。在上海科技大学iHuman研究所单一兵教授看来，这可以说是“天时、地利、人和”交汇的产物。通过精妙地深度学习多年积累的大量蛋白质结构和序列，这一AI模型在短短一两年内将蛋白质结构的预测准确率从不足40%提升到90%以上，几乎可以预测所有已知的2亿种蛋白质结构。

事实上，基于氨基酸序列预测蛋白质的三维结构，在很长一段时间被认为是“太阳底下最难的科学问题之一”。DeepMind公开了“AlphaFold2”的代码，至今已有来自190个国家的200多万人使用了它。以前要想获得蛋白质结构通常需要数年，而现在只需几分钟。

戴维的博士生、上海科技大学生命科学与技术学院研究员豆佳宜提到，“AlphaFold2”已经成为蛋白质设计工作中常用的科研工具之一，戴维的实验室也在用。许文青说，利用这一模型，蛋白质设计的成功率有了质的飞跃——现在从头设计蛋白质结构，针对想要的部分功能，每个项目总能挑出几个较好的设计进一步优化。

AI摘得诺奖，今年只是开端

自从“AlphaFold”问世，Deepmind公司的这一模型就被视为“AI for Science”的应用典范。

“蛋白质结构预测，可以说是分子生物学的一个‘圣杯’问题。”清华大学生命科学学院副教授张强锋认为，“AlphaFold2”是用AI端到端神经网络算法，在一定程度上解决了这一“困扰科学界50年的难题”。去年，“AlphaFold”开发者就获得拉斯克奖，说明它获得了科学界的普遍认可。

复旦大学复杂体系多尺度研究院院长马剑鹏教授表示：“我曾提出AlphaFold是诺奖级的贡献，但没想到这么快就获奖了。”在他看来，从2018年“AlphaFold”亮相，到“AlphaFold2”被美国《科学》杂志评为2020年十大科学突破之一，再到今年5月发布的“AlphaFold3”，其每一次版本更新都可以说是诺奖级别的飞跃。尤其是“AlphaFold3”，直接改变了上一代版本的核心架构，用“扩散模块”取代了上一代中非常重要的“结构模块”。

在许文青看来，即使发展到“AlphaFold3”，将蛋白质与一些小分子、核酸的相互作用，乃至蛋白质修饰等功能加了进去，AI在抗体和药物设计、小分子动态模拟，以及在体复杂结构模拟等方面仍有较大发展空间。

张强锋认为，这恰恰体现出AI加速进入主流科学界的足迹——科学家正对AI提出源源不断的需求，“相信未来AI会成为科学探索的核心工具，也将会获得更多的诺贝尔奖，今年只是一个开端”。

执着于重要研究与大问题

无论是85后的约翰·江珀，还是年过花甲的戴维·贝克，在熟悉他们的人眼中，都具有专注而纯粹的特点。在科学的前沿探索中，这似乎是永不过时的品质。

过去20年，戴维每年都会在《自然》《科学》《细胞》上发表好几篇论文。许文青曾与戴维在华盛顿大学共事多年，每次经过他的办公室，经常会看到戴维想问题想到出神，“似乎永远专注在最重要的研究上”。

在豆佳宜心目中，戴维始终保持着“资深研究生”的学术年轻态，这或许是导师常年“高产”的秘诀所在——他不仅亲自带项目、做实验，还会为了课题向学生请教，“他很少出去开会，几乎天天能在实验室看到他，有空就喜欢去西雅图周边爬山，堪称那里的野营‘活地图’”。

约翰·江珀在本科刚毕业、攻读博士前，曾在位于纽约的德邵研究所工作了三四年，有一段在单一兵领导的项目团队中的工作经历。“他很安静，性格温和却很有想法。”单一兵觉得，江珀是那种“喜欢做大问题，一揽子解决所有问题”的科学家，“不得不说，哈萨比斯相当有魄力，敢于重用看起来无甚资历的年轻人，才使约翰能在短短几年中脱颖而出”。

当然，DeepMind的成功离不开谷歌人财充足的“大兵团作战”。马剑鹏认为，对于一项从0到1的基础研究，要给予充足的经费支持和发展空间。他表示，蛋白质预测领域目前展现出来的潜力是无穷的，一定要加大投入、久久为功。

作者：许琦敏

文：许琦敏 沈湫莎 图：诺奖官网 编辑：许琦敏 责任编辑：任荃

转载此文请注明出处。