要點:
2024年諾貝爾化學獎授予三位對蛋白質結搆的設計和預測作出杰出貢獻的科學家，人工智能AI再度成為關注焦點。這不僅表明了AI技朮正在逐步成為科學研究的重要工具，也顯示出其在解決復雜科學問題中的潛力。隨着更多研究者開始將AI應用於不同領域，未來我們將可能看到更多突破性的成果。
科技正以前所未有的速度和規模發展，引發多個領域的變革，塑造了新的商業模式，甚至重塑了全新社會結構。我們一起，從科技創新中洞察社會轉型和升級的機遇。
狂呼科技研究所聚焦科技創新對當今世界的影響，以獨特、前瞻的科技視角，洞察科技時代下涌現的“創新革命”。
狂呼，以最具突破性的技朮塑造我們的未來，為大眾捕捉科技商業先機，探索當今人類社會面臨的重大挑戰。
聯系我們 // 相關文章
今年的諾貝爾獎，將成為人工智能AI的重大勝利。繼前幾天諾貝爾物理學獎授予早期人工智能先驅者辛頓/Geoffrey Hinton、美國科學家霍普菲爾德/John Hopfield之後，化學獎也同樣落入了這一備受關注的AI領域。
10月9日，瑞典皇家科學院宣布將2024年諾貝爾化學獎授予蛋白質設計工具的創建者，來自華盛頓大學的Rosetta創始人David Baker教授以及人工智慧能白質預測平台谷歌DeepMind的聯合創始人兼首席執行官Demis Hassabis和項目總監John M. Jumper，以表彰他們在計算蛋白質設計和蛋白質結搆預測方面的突出貢獻。
近年來，人工智能AI在蛋白質結搆預測方面的應用已成為生物科學和人工智能領域的重要議題。目前，該領域有兩個著名的開源算法：一個是DeepMind開發的AlphaFold2，另一個是華盛頓大學David Baker團隊推出的RoseTTAFold。而這三位，都是AI蛋白質研究領域裡的知名人物，對行業創造了巨大的突破。
AlphaFold：預測蛋白質複雜結構
AlphaFold是Google旗下DeepMind開發的一款蛋白質結構預測程式，被設計為一個深度學習系統。
2018年，AlphaFold首次使用人工智能深度學習技術參加/蛋白質結搆預測批判性測試/CASP。然而，真正震撼生命科學界的是2020年底發布的AlphaFold2。這一深度學習神經網絡的第二次迭代在CASP中的許多預測結果與實驗解決的蛋白質結搆几乎沒有差別。
2020年，Demis Hassabis和John Jumper展示了一個名為AlphaFold 2的人工智能模型。在它的幫助之下，他們能夠預測研究人員已經識別的几乎所有2億種蛋白質的結搆。自從他們的突破以來，AlphaFold 2已經被來自190個國家的超過200萬人使用。
在眾多的科學應用中，研究人員現在可以更好地理解抗生素耐藥性，并創建可以分解塑料的酶的圖像。AlphaFold的成功主要歸功於一個開放的蛋白質數據庫，存儲了超過200,000個通過X射線晶體學和冷凍電子顯微鏡等方法確定的蛋白質結搆，而每個數據點都是多年的努力。
2021年，DeepMind免費公開了AlphaFold2的底層代碼及其訓練所需的數據。由位於英國的歐洲分子生物學實驗室創建的AlphaFold數據庫現已包含几乎所有生物體的蛋白質結搆，預測總數約為2.14億個。
而在今年，該公司推出了AlphaFold的第三個版本，能夠模擬蛋白質與其他分子的相互作用，例如藥物。盡管Jumper、Hassabis和他們的團隊的革命性工作仍在早期階段，AlphaFold對科學的全面影響可能需要多年才能顯現。
許多研究人員希望AlphaFold和其他受其啟發的人工智能工具能改變醫學領域，盡管尚不清楚它們是否能夠簡化開發安全藥物的復雜過程。德國漢堡的結搆建模師對此表示，“AlphaFold的預測結搆是研究的起點，而非終點。實際上，它并未取代結搆生物學，而是對其進行了補充，這為新藥物的開發和疫苗研究提供了重要支持。”
憑借大膽的想法、密集的努力和一流的工程技朮，DemisHassabis和JohnJumper領導了AlphaFold團隊，將結搆預測的准確性和速度提升到了前所未有的水平，並解決了一個50年的老問題：預測蛋白質復雜的結搆。這種轉化方法正在迅速推進對基本生物過程的理解，并可以有效地促進藥物設計。
儘管AlphaFold在幫助人類更好地預測蛋白質形狀方面發揮了重要作用，而蛋白質形狀在其功能中發揮關鍵作用，但它無法開發藥物或製造任何新產品。 這就是華盛頓大學生物化學教授David Baker設計的Rosetta“用武之地”。
Rosetta：創造新的蛋白質
在DeepMind開始研究AlphaFold之際，計算生物物理學家David Baker及其團隊開發了一種名為Rosetta的軟件工具。這一工具利用物理原理對蛋白質結搆進行建模，標志着計算生物學的一個重要進步。
Rosetta通過比較現有蛋白質結搆和序列的小片段，能夠識別出那些能夠折疊成特定形狀的蛋白質序列。這一創新不僅提高了蛋白質結搆預測的精度，也為后續的蛋白質設計奠定了堅實的基礎。
回顧2003年，David Baker成功利用這些搆建塊設計出一種與任何其他蛋白質都截然不同的新蛋白質。這一成就標志着他在蛋白質工程領域的開創性貢獻。從那時起，Baker的研究小組不斷推出富有想象力的蛋白質設計，包括可以作為藥物、疫苗、納米材料和微型傳感器使用的多種新型蛋白質。這些創新不僅在理論上丰富了生物化學的知識體系，還在實踐中推動了生物醫藥和材料科學的發展。
起初，Rosetta主要用於蛋白質結搆預測，且在AlphaFold崛起之前已成為CASP/蛋白質結搆預測批判性評估競賽中的頂尖選手之一。然而，Baker很快意識到，這種模型不僅限於預測，它可以反向應用於設計全新的蛋白質。
在早期的蛋白質設計方面，Baker的團隊創造出新型酶，這些酶不僅具有良好的催化活性，還能與其他分子緊密結合。此外，他們還成功設計出類似於病毒的自組裝蛋白質納米粒子，這些納米粒子中有些甚至成為了已批准的COVID-19疫苗的基礎。
隨着AlphaFold2的宣布，盡管該軟件尚未發布，David Baker和他的團隊，包括現任首爾國立大學的計算化學家Minkyung Baek，便開始研究AlphaFold的相關技朮。他們嘗試將一些新的技朮應用於之前的人工智能版本Rosetta，從而進一步增強其在蛋白質設計方面的能力。這種不斷探索與創新的精神，使得Baker的團隊在競爭激烈的科學界中保持了領先地位。
此外，Baker的團隊在利用機器學習創造自然界中從未見過的新蛋白質方面表現得尤為高產。他們最近開發的工具，將RoseTTAFold與圖像生成擴散神經網絡相結合，顯著提升了研究人員設計蛋白質的能力。這一結合不僅在技朮上是一次重大突破，更是在科學研究方法論上的創新，推動了蛋白質設計領域的前進。
這種跨學科的結合使得蛋白質設計變得更加高效和靈活，研究人員可以在更短的時間內搆建出新型的蛋白質，并進行功能驗證。這不僅提升了科學研究的效率，也為生物醫藥和材料科學的研究提供了新的思路和方向。
David Baker和他的團隊通過Rosetta和新開發的工具，正在重新定義蛋白質設計的可能性。他們的工作不僅僅是技朮上的創新，更是在推動科學前沿，幫助人類更好地理解生命現象，進而應用於實際的醫療和生物技朮中。
人工智能再次獲諾貝爾獎
前几天，諾貝爾物理學獎授予了美國普林斯頓大學的教授John Hopfield和加拿大多倫多大學的教授Geoffrey Hinton，以表彰他們在人工神經網絡創建方面的杰出貢獻。這一獎項不僅是對兩位科學家多年來辛勤研究的認可，更是對人工智能領域，尤其是神經網絡技朮蓬勃發展的有力證明。
而今天，諾貝爾化學獎這一成就同樣與人工智能密切相關。在生物科學領域，AI技朮正在快速改變我們對生命科學的理解和應用。通過結合深度學習算法，這些科學家能夠更准確地預測蛋白質的結搆，進而設計出具有特定功能的蛋白質，從而推動藥物研發和疾病治療的進展。
至此，今年諾貝爾三大科學獎中，有兩項頒給了與AI相關的科學研究，深刻反映了AI技朮在全球科研舞台上的崛起與影響。這不僅表明了AI技朮正在逐步成為科學研究的重要工具，也顯示出其在解決復雜科學問題中的潛力。隨着更多研究者開始將AI應用於不同領域，未來我們將可能看到更多突破性的成果。
今年諾貝爾獎的頒發不僅是對個人成就的認可，更是對AI技朮潛力的肯定。隨着AI技朮的不斷發展和應用，我們有理由相信，未來的科學研究將會更加高效、更加深入，最終推動人類對未知領域的探索和理解。在這個變革的時代，AI將繼續引領科學研究的潮流，開啟更多新的可能性與希望。
