科研成果不只是论文：蛋白质折叠被AI破解，我看到了什么？

哎，你听说了没？今年的诺贝尔化学奖给了三个搞蛋白质的——但其中两个是AI大牛。是不是有点意思？往年化学奖都是给纯化学家，今年竟然颁给了DeepMind的创始人。这背后的科研成果，真不是发几篇论文那么简单。 说实话，看到名单那一刻，我第一反应是“怎么又是AI？” 但仔细一想，这事儿太牛了。真的。你想想，蛋白质折叠问题困扰了科学家50年，突然有一天，被一群搞计算机的给解决了，是不是有点魔幻？ 诺贝尔化学奖得主Demis Hassabis和John Jumper在DeepMind实验室

蛋白质折叠：困扰半个世纪的难题

蛋白质折叠：困扰半个世纪的难题 我先说个比喻吧。蛋白质就像一串长长的项链，由20种不同的珠子（氨基酸）串成。但它要干活，必须得自己折叠成一个特定的三维形状。万一折错了？那完蛋，不是变成一团废铁，就是搞出阿尔茨海默症那种病。科学家们曾经为了看清一个蛋白质的结构，得花好几年，用X射线晶体学、冷冻电镜什么的，费老鼻子劲。一个博士生，三年解出一个结构，就算功德圆满。 我当年还参与过那个Folding@home项目，贡献自己电脑的闲置算力，模拟蛋白质折叠，满屏幕花花绿绿的分子转来转去。结果呢？基本上就是给人家全球暖场，没帮上什么大忙。哈哈哈。但那种参与感，还是挺让人上头的。那时候谁要说能用AI直接把蛋白质结构预测出来，我肯定觉得他科幻片看多了。 不过，还真有人做成了。

从游戏到诺奖：DeepMind的降维打击

你可能知道Alphago打败李世石，但接下来的AlphaFold才是真正的降维打击。Demis Hassabis这人本身就是个传奇——小时候国际象棋神童，后来做游戏《主题公园》，再后来去读神经科学博士，创办DeepMind。他玩着玩着，就玩出了诺贝尔奖。我们玩游戏就只是玩，对吧？ 每两年有个CASP大赛，算是蛋白质结构预测界的奥运会。各个实验室拿出自己还没发表的蛋白质序列，让大家背对背预测结构，最后跟实验解出的真结构比。2020年，AlphaFold2一出，直接把准确率干到了跟实验误差差不多的水平。当时很多结构生物学家心态都崩了——自己饭碗被AI砸了？但冷静下来，这也意味着以前不敢想的事情可以做了。比如解析一些巨型蛋白复合体，或者预测所有已知蛋白质的结构。现在，DeepMind已经把地球上几乎所有已知的2亿多个蛋白质结构都预测出来了，免费开放。这数据库叫AlphaFold Protein Structure Database。你搜一下，随便输入一个基因名，就能看到它可能长啥样。 AlphaFold预测的蛋白质三维结构彩色示意图 这让我想起前些年基因测序的发展。当年人类基因组计划花了几十亿美金，十几年；现在几百块，几天就搞定。技术进步就是这么突如其来，又毫不留情。

意外之喜：蛋白质设计从不可能到创造

如果说预测蛋白结构是“看懂生命”，那另一个得奖的David Baker干的活就是“创造生命”。他搞的蛋白质设计，简单说，就是从头写出自然界里根本不存在的全新蛋白质，让它们做我们想要的事。比如做一个纳米笼子，把抗癌药精准投进肿瘤细胞；或者设计一种酶，把塑料降解成原料。 听起来有点像上帝的工作吧？但他们的日常其实是一群博士后守着计算机，用Rosetta软件算啊算，跑完一批序列，然后去实验室合成出来看看效果。Baker的团队早就搞过让网友参与的游戏Foldit，全球玩家一起在游戏里折叠蛋白质，有些玩家甚至找到了比计算机还好的结构。这事多浪漫啊。 只是，这些从实验室到真正用在你我身上，还有很长很长的路。我不禁想起基因编辑CRISPR，刚出来那会儿也是诺奖，各种媒体吹能治愈所有遗传病。可这么多年过去了，真的上市的药有几个？背后的监管、伦理、成本，都是难越的坎。但不管怎样，这些科研成果至少给了我们新的希望——一种在绝望时还能抓得住的希望。 科学家在实验室观察从头设计的蛋白质结晶实验

科研圈内外的温差

科研圈内外的温差 说实话，我有时候觉得，我们这些做科研的人，跟外界的信息差实在太大了。诺奖成果很多都是几十年前的研究打底，外面炒得火热，里面的人反而很冷静。一个成果出来，同行先琢磨这东西到底几分真、几分水分。尤其现在预印本满天飞，今天说攻克癌症，明天说发现室温超导，狼来了太多次。 但蛋白质折叠这次，我是真服气。因为它不是单点的突破，而是一种方法的胜利。一种把问题定义好，用强大的算力和算法暴力破解的胜利。它打开的不只是一扇门，是一整个领域的天窗。 对了，我最后再啰嗦一句：如果你对这类科研话题感兴趣，别光看公众号一惊一乍的标题，可以去搜搜原始论文，哪怕只读读摘要。那种扑面而来的冲击感，比任何二手解读都过瘾。 谁知道呢，也许下一个改变世界的科研成果，就藏在哪个研究生熬夜写的代码里。谁知道呢。