太平洋科技要聞

又是AI？2024年諾貝爾化學(xué)獎(jiǎng)被他們獲得

網(wǎng)易科技整合編輯：太平洋科技發(fā)布于：2024-10-13 00:15

2024年諾貝爾化學(xué)獎(jiǎng)揭曉，一半獎(jiǎng)項(xiàng)授予了大衛(wèi)·貝克（David Baker），表彰其在計(jì)算蛋白質(zhì)設(shè)計(jì)領(lǐng)域的貢獻(xiàn)；另一半則共同授予德米斯·哈薩比斯（Demis Hassabis）和約翰·M·詹珀（John M. Jumper），以表彰他們利用人工智能在蛋白質(zhì)結(jié)構(gòu)預(yù)測方面的卓越成就。

哈薩比斯和詹珀的工作展示了AI在生命科學(xué)領(lǐng)域的巨大潛力。AI不僅加快了復(fù)雜生物過程的理解速度，還為藥物研發(fā)提供了新工具。通過精準(zhǔn)預(yù)測蛋白質(zhì)結(jié)構(gòu)，AI讓科學(xué)家可以更加高效地設(shè)計(jì)新藥物，改善人類健康。

另一位獲獎(jiǎng)?wù)叽笮l(wèi)·貝克，則專注于從頭設(shè)計(jì)蛋白質(zhì)。作為蛋白質(zhì)設(shè)計(jì)領(lǐng)域的先驅(qū)，他不僅開發(fā)了可以預(yù)測蛋白質(zhì)結(jié)構(gòu)的算法，還通過計(jì)算設(shè)計(jì)出自然界中不存在的新型蛋白質(zhì)。不僅推動(dòng)了基礎(chǔ)生物學(xué)的發(fā)展，還為生物制藥領(lǐng)域帶來了前所未有的創(chuàng)新可能性。

該獎(jiǎng)項(xiàng)的頒發(fā)凸顯了AI在推動(dòng)生命科學(xué)前沿突破中的重要作用，特別是在復(fù)雜蛋白質(zhì)結(jié)構(gòu)預(yù)測和設(shè)計(jì)方面。

蛋白質(zhì)是生命的核心構(gòu)件，其三維結(jié)構(gòu)決定了功能。然而，傳統(tǒng)上研究和預(yù)測蛋白質(zhì)的結(jié)構(gòu)需要依賴于實(shí)驗(yàn)方法，如X射線晶體學(xué)和冷凍電鏡。這些方法不僅費(fèi)時(shí)、昂貴，還不適用于某些無法結(jié)晶的蛋白質(zhì)類型。

德米斯·哈薩比斯和約翰·詹珀領(lǐng)導(dǎo)的DeepMind團(tuán)隊(duì)在2020年推出了AlphaFold2系統(tǒng)，該系統(tǒng)借助AI，從蛋白質(zhì)的氨基酸序列出發(fā)，直接預(yù)測出蛋白質(zhì)的三維結(jié)構(gòu)，且精度達(dá)到了接近實(shí)驗(yàn)的水平。

這一突破解決了困擾科學(xué)界數(shù)十年的“蛋白質(zhì)折疊問題”，極大加速了生物學(xué)和醫(yī)藥領(lǐng)域的研究進(jìn)展。到目前為止，AlphaFold2已經(jīng)成功預(yù)測了超過兩億種蛋白質(zhì)的結(jié)構(gòu)，助力研究人員在瘧疾疫苗、癌癥治療、酶設(shè)計(jì)等領(lǐng)域取得了重要進(jìn)展。

今年，DeepMind和Isomorphic Labs發(fā)布了新一代AlphaFold3，其在精確預(yù)測所有生命分子（包括蛋白質(zhì)、DNA、RNA、配體等）的結(jié)構(gòu)及其相互作用方面取得了更大突破。

這場結(jié)合了AI與生物科學(xué)的革命，才剛剛開始。

以下內(nèi)容來自諾貝爾獎(jiǎng)官方介紹：（致敬AI學(xué)者，本介紹由AI翻譯，網(wǎng)易進(jìn)行校對）

2024年諾貝爾化學(xué)獎(jiǎng)——科普背景

他們通過計(jì)算和人工智能

揭示了蛋白質(zhì)的秘密

化學(xué)家們長期以來夢想著能夠全面理解并掌握生命的化學(xué)工具——蛋白質(zhì)。如今，這個(gè)夢想已經(jīng)觸手可及。德米斯·哈薩比斯（Demis Hassabis）和約翰·杰姆珀（John Jumper）成功利用人工智能預(yù)測了幾乎所有已知蛋白質(zhì)的結(jié)構(gòu)。大衛(wèi)·貝克（David Baker）則掌握了如何創(chuàng)造全新的蛋白質(zhì)。其發(fā)現(xiàn)的潛力巨大。

生命的多彩化學(xué)是如何實(shí)現(xiàn)的呢？答案是蛋白質(zhì)，它們可以被描述為巧妙的化學(xué)工具。蛋白質(zhì)通常由20種氨基酸組成，氨基酸可以通過無數(shù)種方式組合。在DNA中儲存的信息作為藍(lán)圖，氨基酸在細(xì)胞內(nèi)連接，形成長鏈。

接著，蛋白質(zhì)的神奇之處出現(xiàn)了：氨基酸鏈扭曲并折疊成獨(dú)特的三維結(jié)構(gòu)。這一結(jié)構(gòu)賦予了蛋白質(zhì)功能。有的成為化學(xué)構(gòu)件，形成肌肉、角或羽毛；有的則成為激素或抗體；許多蛋白質(zhì)形成酶，推動(dòng)生命的化學(xué)反應(yīng)。位于細(xì)胞表面的蛋白質(zhì)也非常重要，它們作為細(xì)胞與周圍環(huán)境之間的溝通渠道發(fā)揮作用。

幾乎無法高估這些生命的化學(xué)構(gòu)件——20種氨基酸的潛力。2024年諾貝爾化學(xué)獎(jiǎng)探討的是如何在全新的水平上理解并掌握它們。哈薩比斯和杰姆珀通過人工智能解決了化學(xué)家們50多年未解的難題：如何根據(jù)氨基酸序列預(yù)測蛋白質(zhì)的三維結(jié)構(gòu)。他們成功預(yù)測了幾乎所有已知的2億種蛋白質(zhì)的結(jié)構(gòu)。而貝克則創(chuàng)造了從未存在的全新蛋白質(zhì)，很多新蛋白質(zhì)具有全新的功能。

蛋白質(zhì)的最初模糊圖像

化學(xué)家從19世紀(jì)開始就知道蛋白質(zhì)對生命過程的重要性，但直到20世紀(jì)50年代，化學(xué)工具才足夠精確，使研究人員能夠開始更詳細(xì)地探索蛋白質(zhì)。劍橋的研究人員約翰·肯德魯（John Kendrew）和馬克斯·佩魯茨（Max Perutz）在20世紀(jì)50年代末通過使用X射線晶體學(xué)方法，成功地展示了首個(gè)蛋白質(zhì)的三維模型。這一突破性的發(fā)現(xiàn)為他們贏得了1962年諾貝爾化學(xué)獎(jiǎng)。

隨后，研究人員主要依靠X射線晶體學(xué)，并付出了巨大的努力，成功地獲得了大約20萬種不同蛋白質(zhì)的圖像，這為2024年諾貝爾化學(xué)獎(jiǎng)奠定了基礎(chǔ)。

一個(gè)謎題：

蛋白質(zhì)如何找到其獨(dú)特的結(jié)構(gòu)？

美國科學(xué)家克里斯蒂安·安芬森（Christian Anfinsen）做出了另一項(xiàng)早期的發(fā)現(xiàn)。他通過各種化學(xué)手段使現(xiàn)有的蛋白質(zhì)展開并重新折疊，結(jié)果每次蛋白質(zhì)都能折疊成完全相同的形狀。1961年，他得出結(jié)論，蛋白質(zhì)的三維結(jié)構(gòu)完全由其氨基酸序列決定。因這一發(fā)現(xiàn)，安芬森在1972年獲得了諾貝爾化學(xué)獎(jiǎng)。

然而，安芬森的邏輯包含一個(gè)悖論，美國另一位科學(xué)家賽勒斯·萊文薩爾（Cyrus Levinthal）在1969年指出，即使一個(gè)蛋白質(zhì)僅由100個(gè)氨基酸組成，理論上它可以假設(shè)至少10^47種不同的三維結(jié)構(gòu)。如果氨基酸鏈?zhǔn)请S機(jī)折疊的，它可能需要比宇宙的年齡還長的時(shí)間才能找到正確的蛋白質(zhì)結(jié)構(gòu)。但在細(xì)胞中，這個(gè)過程只需幾毫秒。那么，氨基酸鏈?zhǔn)侨绾握郫B的呢？

安芬森的發(fā)現(xiàn)和萊文薩爾悖論暗示了折疊是一個(gè)預(yù)定的過程，重要的是，關(guān)于蛋白質(zhì)如何折疊的所有信息都必須存在于氨基酸序列中。

化學(xué)的重大挑戰(zhàn)：預(yù)測問題

這些洞見引發(fā)了另一個(gè)決定性的認(rèn)識——如果化學(xué)家知道蛋白質(zhì)的氨基酸序列，他們就應(yīng)該能夠預(yù)測蛋白質(zhì)的三維結(jié)構(gòu)。這是一個(gè)令人興奮的想法。如果成功，他們將不再需要繁瑣的X射線晶體學(xué)，可以節(jié)省大量時(shí)間。他們也將能夠生成所有X射線晶體學(xué)無法應(yīng)用的蛋白質(zhì)結(jié)構(gòu)。

這些邏輯結(jié)論揭示了成為生物化學(xué)領(lǐng)域重大挑戰(zhàn)的預(yù)測問題。為了促進(jìn)該領(lǐng)域的快速發(fā)展，1994年，研究人員啟動(dòng)了一個(gè)名為“蛋白質(zhì)結(jié)構(gòu)預(yù)測關(guān)鍵評估”（CASP）的項(xiàng)目，最終發(fā)展成為一項(xiàng)競賽。每兩年，全球研究人員會獲得一些新確定結(jié)構(gòu)的蛋白質(zhì)氨基酸序列，但這些結(jié)構(gòu)對參與者保密。挑戰(zhàn)是基于已知的氨基酸序列預(yù)測這些蛋白質(zhì)的結(jié)構(gòu)。

CASP吸引了許多研究人員，但解決預(yù)測問題證明是極其困難的。研究人員提交的預(yù)測結(jié)果與實(shí)際結(jié)構(gòu)的匹配幾乎沒有改善。直到2018年，圍棋大師、神經(jīng)科學(xué)專家及人工智能領(lǐng)域的先驅(qū)德米斯·哈薩比斯進(jìn)入該領(lǐng)域，才迎來了突破。

棋盤大師加入蛋白質(zhì)奧林匹克

我們先來簡要了解德米斯·哈薩比斯的背景：他四歲開始學(xué)棋，十三歲時(shí)已經(jīng)達(dá)到大師水平。少年時(shí)期，他開啟了編程和成功的游戲開發(fā)者生涯，隨后開始探索人工智能，并深入神經(jīng)科學(xué)領(lǐng)域，取得了幾項(xiàng)革命性發(fā)現(xiàn)。他利用對大腦的研究，開發(fā)出更優(yōu)秀的神經(jīng)網(wǎng)絡(luò)模型。2010年，他聯(lián)合創(chuàng)立了DeepMind公司，開發(fā)出為棋類游戲設(shè)計(jì)的頂級人工智能模型。2014年，公司被谷歌收購，兩年后，DeepMind憑借戰(zhàn)勝圍棋世界冠軍這一壯舉贏得了全球關(guān)注，這一成就當(dāng)時(shí)被許多人視為人工智能領(lǐng)域的“圣杯”。

然而，哈薩比斯的目標(biāo)并不是圍棋，他將圍棋視為開發(fā)更好人工智能模型的手段。戰(zhàn)勝圍棋冠軍后，他的團(tuán)隊(duì)準(zhǔn)備迎接對人類更為重要的問題挑戰(zhàn)。因此，2018年，哈薩比斯報(bào)名參加了第十三屆CASP比賽。

在之前的幾年里，研究人員在CASP中預(yù)測蛋白質(zhì)結(jié)構(gòu)的準(zhǔn)確率最高僅為40%。通過他們的AI模型AlphaFold，哈薩比斯的團(tuán)隊(duì)達(dá)到了接近60%的準(zhǔn)確率，并贏得了比賽。這一優(yōu)異的結(jié)果讓許多人感到驚訝——這是意料之外的進(jìn)展，但離成功還有一段距離。為了真正的成功，預(yù)測準(zhǔn)確率必須達(dá)到90%，才能與目標(biāo)結(jié)構(gòu)相匹配。

AlphaFold2模型如何工作

AlphaFold2的開發(fā)過程中，AI模型經(jīng)過了已知的所有氨基酸序列和蛋白質(zhì)結(jié)構(gòu)的訓(xùn)練。當(dāng)遇到未知結(jié)構(gòu)的氨基酸序列時(shí)，AlphaFold2會在數(shù)據(jù)庫中搜索相似的氨基酸序列和蛋白質(zhì)結(jié)構(gòu)。模型將所有相似的氨基酸序列對齊，通常這些序列來自不同物種，并調(diào)查哪些部分在進(jìn)化過程中被保留下來。利用這些分析，AlphaFold2生成一張距離圖，估算氨基酸在結(jié)構(gòu)中的相對距離。

接著，AlphaFold2探究哪些氨基酸可能在三維蛋白質(zhì)結(jié)構(gòu)中相互作用。相互作用的氨基酸在進(jìn)化中共同演化。如果其中一個(gè)帶電荷，另一個(gè)會有相反的電荷，彼此吸引。如果其中一個(gè)被替換為疏水性氨基酸，另一個(gè)也會變得疏水。

通過反復(fù)迭代，AlphaFold2不斷優(yōu)化序列分析和距離圖。AI模型使用稱為transformers的神經(jīng)網(wǎng)絡(luò)，這些網(wǎng)絡(luò)在大量數(shù)據(jù)中發(fā)現(xiàn)重要模式的能力非常強(qiáng)大。模型還利用步驟1中找到的其他蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)。AlphaFold2將所有氨基酸拼湊成一幅拼圖，測試路徑以生成假設(shè)的蛋白質(zhì)結(jié)構(gòu)，并重復(fù)運(yùn)行這一過程。經(jīng)過三輪迭代，AlphaFold2得出一個(gè)確定的結(jié)構(gòu)，AI模型會計(jì)算不同部分與實(shí)際情況的匹配概率。

約翰·杰姆珀接過挑戰(zhàn)

哈薩比斯和他的團(tuán)隊(duì)繼續(xù)開發(fā)AlphaFold模型，但無論如何努力，算法始終未能完全突破。他們陷入了困境，團(tuán)隊(duì)也感到疲憊。這時(shí)，一位相對較新的員工約翰·杰姆珀提出了一些關(guān)鍵想法，幫助改進(jìn)AI模型。

杰姆珀對宇宙的迷戀使他開始學(xué)習(xí)物理和數(shù)學(xué)。然而，2008年當(dāng)他在一家使用超級計(jì)算機(jī)模擬蛋白質(zhì)及其動(dòng)態(tài)的公司工作時(shí)，他意識到物理知識可以幫助解決醫(yī)學(xué)問題。2011年，杰姆珀開始攻讀理論物理學(xué)博士學(xué)位，他開發(fā)了更簡便的模擬蛋白質(zhì)動(dòng)態(tài)的方法，并迅速接過了生物化學(xué)領(lǐng)域重大挑戰(zhàn)的挑戰(zhàn)。

2017年，杰姆珀聽說谷歌DeepMind秘密開始預(yù)測蛋白質(zhì)結(jié)構(gòu)，他隨即申請了工作，并憑借其蛋白質(zhì)模擬經(jīng)驗(yàn)提供了創(chuàng)意，促使AlphaFold模型取得了根本性改革。

驚人的結(jié)果：AlphaFold2模型的成功

新版本的AlphaFold2受杰姆珀對蛋白質(zhì)的深入了解影響，并且團(tuán)隊(duì)開始使用最近AI領(lǐng)域的重大突破——transformers神經(jīng)網(wǎng)絡(luò)。這些網(wǎng)絡(luò)比以往任何方法都更加靈活，能夠在大量數(shù)據(jù)中找到模式并確定實(shí)現(xiàn)特定目標(biāo)的重點(diǎn)。

經(jīng)過對所有已知蛋白質(zhì)結(jié)構(gòu)和氨基酸序列的大量數(shù)據(jù)訓(xùn)練，AlphaFold2在第十四屆CASP比賽中取得了驚人的結(jié)果。2020年，CASP的組織者評估結(jié)果時(shí)意識到，生物化學(xué)界50年來的挑戰(zhàn)終于解決了。在大多數(shù)情況下，AlphaFold2的表現(xiàn)幾乎與X射線晶體學(xué)一致，這讓人們震驚。2020年12月4日，CASP的創(chuàng)始人之一約翰·穆爾特（John Moult）結(jié)束比賽時(shí)問道：“接下來該怎么辦？”

諾貝爾化學(xué)獎(jiǎng)的另一半

現(xiàn)在我們回到過去，聚焦另一位CASP參與者。讓我們介紹2024年諾貝爾化學(xué)獎(jiǎng)的另一半，這部分獎(jiǎng)項(xiàng)與從頭創(chuàng)造新蛋白質(zhì)的藝術(shù)有關(guān)。

一本細(xì)胞學(xué)教科書讓大衛(wèi)·貝克改變了方向

當(dāng)大衛(wèi)·貝克（David Baker）開始在哈佛大學(xué)學(xué)習(xí)時(shí)，他選擇了哲學(xué)和社會科學(xué)。然而，在一門進(jìn)化生物學(xué)課程中，他遇到了如今經(jīng)典的《分子生物學(xué)的細(xì)胞》一書的第一版。這本書讓他改變了人生方向。他開始探索細(xì)胞生物學(xué)，并最終對蛋白質(zhì)結(jié)構(gòu)產(chǎn)生了濃厚興趣。1993年，當(dāng)他在西雅圖的華盛頓大學(xué)成為研究組負(fù)責(zé)人時(shí)，他開始接手生物化學(xué)領(lǐng)域的重大挑戰(zhàn)。通過精巧的實(shí)驗(yàn)，他開始探索蛋白質(zhì)如何折疊。這些見解為他在20世紀(jì)90年代末期開發(fā)預(yù)測蛋白質(zhì)結(jié)構(gòu)的軟件“Rosetta”打下了基礎(chǔ)。

貝克成為蛋白質(zhì)設(shè)計(jì)師

貝克在1998年首次使用“Rosetta”參加了CASP比賽，與其他參與者相比，表現(xiàn)相當(dāng)出色。這次成功啟發(fā)了一個(gè)新想法——貝克的團(tuán)隊(duì)可以反向使用該軟件。與其將氨基酸序列輸入Rosetta并輸出蛋白質(zhì)結(jié)構(gòu)，他們應(yīng)該能夠輸入所需的蛋白質(zhì)結(jié)構(gòu)，生成其氨基酸序列的建議，從而創(chuàng)建全新的蛋白質(zhì)。

貝克實(shí)驗(yàn)室的獨(dú)特蛋白質(zhì)

蛋白質(zhì)設(shè)計(jì)領(lǐng)域開始于20世紀(jì)90年代末，在這個(gè)領(lǐng)域中，研究人員創(chuàng)造具有新功能的定制蛋白質(zhì)。在許多情況下，研究人員調(diào)整現(xiàn)有蛋白質(zhì)，使其能夠執(zhí)行諸如分解有害物質(zhì)或作為化學(xué)制造業(yè)工具的任務(wù)。

然而，自然界中的蛋白質(zhì)種類有限。為了增加獲得具有全新功能的蛋白質(zhì)的潛力，貝克的研究團(tuán)隊(duì)希望從零開始設(shè)計(jì)蛋白質(zhì)。正如貝克所說：“如果你想造飛機(jī)，不應(yīng)該從修改一只鳥開始；相反，你應(yīng)該了解空氣動(dòng)力學(xué)的基本原理，并基于這些原理建造飛行機(jī)器�！�

一個(gè)獨(dú)特的蛋白質(zhì)誕生

完全從頭開始構(gòu)建新蛋白質(zhì)的領(lǐng)域稱為“de novo設(shè)計(jì)”。研究小組繪制了一個(gè)全新結(jié)構(gòu)的蛋白質(zhì)圖，并讓Rosetta計(jì)算出哪種氨基酸序列可以生成所需的蛋白質(zhì)。為此，Rosetta搜索了所有已知蛋白質(zhì)結(jié)構(gòu)的數(shù)據(jù)庫，尋找與目標(biāo)結(jié)構(gòu)相似的蛋白質(zhì)片段。然后，利用對蛋白質(zhì)能量景觀的基本認(rèn)識，Rosetta優(yōu)化了這些片段并提出了氨基酸序列的建議。

為了驗(yàn)證軟件的成功，貝克的研究團(tuán)隊(duì)將建議的氨基酸序列基因引入細(xì)菌，細(xì)菌會產(chǎn)生所需的蛋白質(zhì)。然后，他們使用X射線晶體學(xué)確定了蛋白質(zhì)結(jié)構(gòu)。

結(jié)果表明，Rosetta確實(shí)能夠構(gòu)建蛋白質(zhì)。研究人員開發(fā)的蛋白質(zhì)Top7幾乎完全符合他們設(shè)計(jì)的結(jié)構(gòu)。

貝克實(shí)驗(yàn)室的驚人創(chuàng)作

對于蛋白質(zhì)設(shè)計(jì)的研究人員來說，Top7是一個(gè)驚喜。此前那些設(shè)計(jì)出來的de novo蛋白質(zhì)只能模仿現(xiàn)有結(jié)構(gòu)。而Top7的獨(dú)特結(jié)構(gòu)在自然界中并不存在。此外，Top7含有93個(gè)氨基酸，比此前通過de novo設(shè)計(jì)產(chǎn)生的任何蛋白質(zhì)都要大。

貝克在2003年發(fā)表了這一發(fā)現(xiàn)。這是被稱為“非凡發(fā)展”的第一步；貝克實(shí)驗(yàn)室創(chuàng)造出的許多壯觀的蛋白質(zhì)可以在圖4中看到。他還公開了Rosetta的代碼，全球研究社區(qū)繼續(xù)開發(fā)該軟件，尋找新的應(yīng)用領(lǐng)域。

曾經(jīng)需要數(shù)年的工作，

現(xiàn)在只需幾分鐘

當(dāng)?shù)旅姿埂す_比斯和約翰·杰姆珀確認(rèn)AlphaFold2確實(shí)有效后，他們計(jì)算了所有人類蛋白質(zhì)的結(jié)構(gòu)。隨后，他們幾乎預(yù)測了到目前為止研究人員已發(fā)現(xiàn)的所有2億種蛋白質(zhì)的結(jié)構(gòu)。

谷歌DeepMind還將AlphaFold2的代碼公開，任何人都可以訪問。如今，這個(gè)AI模型成為了研究人員的寶庫。截至2024年10月，AlphaFold2已經(jīng)被來自190個(gè)國家的200多萬人使用。過去，獲得蛋白質(zhì)結(jié)構(gòu)往往需要數(shù)年時(shí)間，有時(shí)甚至無法獲得。如今，這個(gè)過程只需幾分鐘。雖然該AI模型并非完美，但它會估算生成的結(jié)構(gòu)的準(zhǔn)確性，讓研究人員知道預(yù)測結(jié)果的可靠程度。圖5展示了AlphaFold2如何幫助研究人員的眾多示例中的一部分。

David Baker實(shí)驗(yàn)室的Rosetta也受益于AI突破

在2020年CASP比賽結(jié)束后，當(dāng)大衛(wèi)·貝克意識到基于transformer的AI模型的潛力時(shí)，他也將其引入了Rosetta，這大大促進(jìn)了de novo蛋白質(zhì)設(shè)計(jì)的發(fā)展。近年來，貝克實(shí)驗(yàn)室中一個(gè)接一個(gè)地創(chuàng)造出令人驚嘆的蛋白質(zhì)（圖4中展示了一部分）。

2016年：新的納米材料，其中多達(dá)120個(gè)蛋白質(zhì)能自發(fā)地結(jié)合在一起。

2017年：能夠結(jié)合一種叫芬太尼的阿片類物質(zhì)的蛋白質(zhì)（紫色），這些蛋白質(zhì)可用于檢測環(huán)境中的芬太尼。

2021年：表面有模擬流感病毒的蛋白質(zhì)（綠色）的納米顆粒（黃色），可用作流感疫苗，在動(dòng)物模型中取得成功。

2024年：幾何形狀的蛋白質(zhì)可因外部影響而改變其形狀，可用于制造微型傳感器。

2022年：作為一種分子轉(zhuǎn)子的蛋白質(zhì)。

令人眩暈的發(fā)展造福人類

蛋白質(zhì)作為化學(xué)工具的驚人多樣性反映了生命的巨大多樣性。我們現(xiàn)在能夠如此輕松地可視化這些小型分子機(jī)器的結(jié)構(gòu)，這令人驚嘆；它讓我們能夠更好地理解生命的運(yùn)作，包括某些疾病如何發(fā)展、抗生素耐藥性如何產(chǎn)生，或?yàn)槭裁茨承┪⑸锬軌蚍纸馑芰稀?/span>

創(chuàng)造具有新功能的蛋白質(zhì)的能力同樣令人震撼。這可以帶來新的納米材料、靶向藥物、更快速的疫苗開發(fā)、極小的傳感器和更環(huán)保的化學(xué)工業(yè)——僅舉幾例，這些應(yīng)用都將極大造福人類。

接下來的展望：

2024年諾貝爾化學(xué)獎(jiǎng)的未來意義

德米斯·哈薩比斯、約翰·杰姆珀和大衛(wèi)·貝克的工作展示了如何通過結(jié)合計(jì)算、人工智能和生物化學(xué)來解開蛋白質(zhì)的奧秘。蛋白質(zhì)的復(fù)雜性、以及通過智能算法快速預(yù)測或設(shè)計(jì)它們的能力，意味著未來我們有可能在醫(yī)藥、環(huán)境科學(xué)和材料科學(xué)等領(lǐng)域取得革命性突破。

本文來源：網(wǎng)易科技

人工智能蛋白質(zhì)結(jié)構(gòu)預(yù)測生命科學(xué)

網(wǎng)易科技

原創(chuàng)欄目