要点:
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，人工智能AI再度成为关注焦点。这不仅表明了AI技术正在逐步成为科学研究的重要工具，也显示出其在解决复杂科学问题中的潜力。随着更多研究者开始将AI应用于不同领域，未来我们将可能看到更多突破性的成果。
科技正以前所未有的速度和规模发展，引发多个领域的变革，塑造了新的商业模式，甚至重塑了全新社会结构。我们一起，从科技创新中洞察社会转型和升级的机遇。
狂呼科技研究所聚焦科技创新对当今世界的影响，以独特、前瞻的科技视角，洞察科技时代下涌现的“创新革命”。
狂呼，以最具突破性的技术塑造我们的未来，为大众捕捉科技商业先机，探索当今人类社会面临的重大挑战。
联系我们// 相关文章
今年的诺贝尔奖，将成为人工智能AI的重大胜利。继前几天诺贝尔物理学奖授予早期人工智能先驱者辛顿/Geoffrey Hinton、美国科学家霍普菲尔德/John Hopfield之后，化学奖也同样落入了这一备受关注的AI领域。
10月9日，瑞典皇家科学院宣布将2024年诺贝尔化学奖授予蛋白质设计工具的创建者，来自华盛顿大学的Rosetta创始人David Baker教授以及人工智慧能白质预测平台谷歌DeepMind的联合创始人兼首席执行官Demis Hassabis和项目总监John M. Jumper，以表彰他们在计算蛋白质设计和蛋白质结构预测方面的突出贡献。
近年来，人工智能AI在蛋白质结构预测方面的应用已成为生物科学和人工智能领域的重要议题。目前，该领域有两个著名的开源算法：一个是DeepMind开发的AlphaFold2，另一个是华盛顿大学David Baker团队推出的RoseTTAFold。而这三位，都是AI蛋白质研究领域里的知名人物，对行业创造了巨大的突破。
AlphaFold：预测蛋白质复杂结构
AlphaFold是Google旗下DeepMind开发的一款蛋白质结构预测程式，被设计为一个深度学习系统。
2018年，AlphaFold首次使用人工智能深度学习技术参加/蛋白质结构预测批判性测试/CASP。然而，真正震撼生命科学界的是2020年底发布的AlphaFold2。这一深度学习神经网络的第二次迭代在CASP中的许多预测结果与实验解决的蛋白质结构几乎没有差别。
2020年，Demis Hassabis和John Jumper展示了一个名为AlphaFold 2的人工智能模型。在它的帮助之下，他们能够预测研究人员已经识别的几乎所有2亿种蛋白质的结构。自从他们的突破以来，AlphaFold 2已经被来自190个国家的超过200万人使用。
在众多的科学应用中，研究人员现在可以更好地理解抗生素耐药性，并创建可以分解塑料的酶的图像。 AlphaFold的成功主要归功于一个开放的蛋白质数据库，存储了超过200,000个通过X射线晶体学和冷冻电子显微镜等方法确定的蛋白质结构，而每个数据点都是多年的努力。
2021年，DeepMind免费公开了AlphaFold2的底层代码及其训练所需的数据。由位于英国的欧洲分子生物学实验室创建的AlphaFold数据库现已包含几乎所有生物体的蛋白质结构，预测总数约为2.14亿个。
而在今年，该公司推出了AlphaFold的第三个版本，能够模拟蛋白质与其他分子的相互作用，例如药物。尽管Jumper、Hassabis和他们的团队的革命性工作仍在早期阶段，AlphaFold对科学的全面影响可能需要多年才能显现。
许多研究人员希望AlphaFold和其他受其启发的人工智能工具能改变医学领域，尽管尚不清楚它们是否能够简化开发安全药物的复杂过程。德国汉堡的结构建模师对此表示，“AlphaFold的预测结构是研究的起点，而非终点。实际上，它并未取代结构生物学，而是对其进行了补充，这为新药物的开发和疫苗研究提供了重要支持。”
凭借大胆的想法、密集的努力和一流的工程技术，DemisHassabis和JohnJumper领导了AlphaFold团队，将结构预测的准确性和速度提升到了前所未有的水平，并解决了一个50年的老问题：预测蛋白质复杂的结构。这种转化方法正在迅速推进对基本生物过程的理解，并可以有效地促进药物设计。
尽管AlphaFold在帮助人类更好地预测蛋白质形状方面发挥了重要作用，而蛋白质形状在其功能中发挥关键作用，但它无法开发药物或制造任何新产品。 这就是华盛顿大学生物化学教授David Baker设计的Rosetta“用武之地”。
Rosetta：创造新的蛋白质
在DeepMind开始研究AlphaFold之际，计算生物物理学家David Baker及其团队开发了一种名为Rosetta的软件工具。这一工具利用物理原理对蛋白质结构进行建模，标志着计算生物学的一个重要进步。
Rosetta通过比较现有蛋白质结构和序列的小片段，能够识别出那些能够折叠成特定形状的蛋白质序列。这一创新不仅提高了蛋白质结构预测的精度，也为后续的蛋白质设计奠定了坚实的基础。
回顾2003年，David Baker成功利用这些构建块设计出一种与任何其他蛋白质都截然不同的新蛋白质。这一成就标志着他在蛋白质工程领域的开创性贡献。从那时起，Baker的研究小组不断推出富有想象力的蛋白质设计，包括可以作为药物、疫苗、纳米材料和微型传感器使用的多种新型蛋白质。这些创新不仅在理论上丰富了生物化学的知识体系，还在实践中推动了生物医药和材料科学的发展。
起初，Rosetta主要用于蛋白质结构预测，且在AlphaFold崛起之前已成为CASP/蛋白质结构预测批判性评估竞赛中的顶尖选手之一。然而，Baker很快意识到，这种模型不仅限于预测，它可以反向应用于设计全新的蛋白质。
在早期的蛋白质设计方面，Baker的团队创造出新型酶，这些酶不仅具有良好的催化活性，还能与其他分子紧密结合。此外，他们还成功设计出类似于病毒的自组装蛋白质纳米粒子，这些纳米粒子中有些甚至成为了已批准的COVID-19疫苗的基础。
随着AlphaFold2的宣布，尽管该软件尚未发布，David Baker和他的团队，包括现任首尔国立大学的计算化学家Minkyung Baek，便开始研究AlphaFold的相关技术。他们尝试将一些新的技术应用于之前的人工智能版本Rosetta，从而进一步增强其在蛋白质设计方面的能力。这种不断探索与创新的精神，使得Baker的团队在竞争激烈的科学界中保持了领先地位。
此外，Baker的团队在利用机器学习创造自然界中从未见过的新蛋白质方面表现得尤为高产。他们最近开发的工具，将RoseTTAFold与图像生成扩散神经网络相结合，显著提升了研究人员设计蛋白质的能力。这一结合不仅在技术上是一次重大突破，更是在科学研究方法论上的创新，推动了蛋白质设计领域的前进。
这种跨学科的结合使得蛋白质设计变得更加高效和灵活，研究人员可以在更短的时间内构建出新型的蛋白质，并进行功能验证。这不仅提升了科学研究的效率，也为生物医药和材料科学的研究提供了新的思路和方向。
David Baker和他的团队通过Rosetta和新开发的工具，正在重新定义蛋白质设计的可能性。他们的工作不仅仅是技术上的创新，更是在推动科学前沿，帮助人类更好地理解生命现象，进而应用于实际的医疗和生物技术中。
人工智能再次获诺贝尔奖
前几天，诺贝尔物理学奖授予了美国普林斯顿大学的教授John Hopfield和加拿大多伦多大学的教授Geoffrey Hinton，以表彰他们在人工神经网络创建方面的杰出贡献。这一奖项不仅是对两位科学家多年来辛勤研究的认可，更是对人工智能领域，尤其是神经网络技术蓬勃发展的有力证明。
而今天，诺贝尔化学奖这一成就同样与人工智能密切相关。在生物科学领域，AI技术正在快速改变我们对生命科学的理解和应用。通过结合深度学习算法，这些科学家能够更准确地预测蛋白质的结构，进而设计出具有特定功能的蛋白质，从而推动药物研发和疾病治疗的进展。
至此，今年诺贝尔三大科学奖中，有两项颁给了与AI相关的科学研究，深刻反映了AI技术在全球科研舞台上的崛起与影响。这不仅表明了AI技术正在逐步成为科学研究的重要工具，也显示出其在解决复杂科学问题中的潜力。随着更多研究者开始将AI应用于不同领域，未来我们将可能看到更多突破性的成果。
今年诺贝尔奖的颁发不仅是对个人成就的认可，更是对AI技术潜力的肯定。随着AI技术的不断发展和应用，我们有理由相信，未来的科学研究将会更加高效、更加深入，最终推动人类对未知领域的探索和理解。在这个变革的时代，AI将继续引领科学研究的潮流，开启更多新的可能性与希望。
