当地时间2024年10月9日，瑞典斯德哥尔摩，诺贝尔委员会委员约翰·阿奎斯特、常务秘书汉斯·埃勒格伦和诺贝尔委员会主席林克在瑞典皇家科学院宣布，今年的诺贝尔化学奖颁奖给了大卫·贝克，黛米斯·哈萨比斯和约翰·荣珀。视觉中国地图
当地时间10月9日，瑞典皇家科学院宣布将2024年诺贝尔化学奖授予三位科学家，其中一半将授予美国华盛顿大学的大卫·贝克，以表彰他的计算蛋白质设计。另一半则共同授予英国伦敦人工智能公司谷歌的 Demis 和 John M.，以表彰他们对蛋白质结构预测的贡献。
这是继10月8日两位人工智能先驱荣获2024年诺贝尔物理学奖后，人工智能科学家第二次获得诺贝尔奖。
2021年，复旦大学多尺度复杂系统研究所所长马建鹏团队合作发布了基于主链的蛋白质侧链预测算法（OPUS-Rota4算法）。针对团队的弱点，大大提高了蛋白质侧链结构测试的准确性。
据介绍，上述预测算法“现已迭代到OPUS-Rota6，准确率高于2/3”。
马建鹏教授，复旦大学多尺度复杂系统研究所所长。
对于2024年诺贝尔化学奖，马建鹏认为，虽然人们对人工智能领域的科学家是否会获得诺贝尔奖表示怀疑，但这实际上分为两个问题：一是蛋白质结构的预测，是否应该获奖诺贝尔奖；另一个是人工智能。该领域的智力贡献值得获得诺贝尔奖吗？
“这就是我们给他们这个奖的原因。事实上，这个问题还没有完全解决，但它已经向前迈出了一大步，超出了我们有生之年的预期。现在可以使用了。”马建鹏说。
他认为，正如复旦大学宣布将开设至少100门人工智能领域的课程一样，人工智能是无法回避的。你不一定需要能够编写算法，但你至少必须能够使用它们。他建议“从头开始”，能够使用AI。
马建鹏教授，复旦大学多尺度复杂系统研究所所长。
他还强调，谷歌为何能取得如此突破？这个问题对中国具有重要的现实意义。
“皇冠上的宝石”：一个极其古老且极其困难的科学问题
为什么蛋白质很重要？
“在你身体的每个细胞内，数十亿个微型机器——蛋白质——正在努力工作。”
甚至有人说生命的几乎所有特征都与蛋白质有关。
事实上，蛋白质是每个生物体中每个生物过程的基础，也是生命的基石。没有蛋白质，生命就不可能存在。结构是如此重要。蛋白质复杂多样的结构对应着各种令人惊奇的功能，从而促成了生命的丰富。它的结构背后隐藏着生命的奥秘。
“当我教学生时，我做的第一件事就是解释为什么蛋白质结构预测如此困难和复杂？”马建鹏说。
氨基酸一一连接成“串”多肽，长链多肽折叠形成稳定的三维结构，成为功能蛋白。根据氨基酸序列，推断出相应蛋白质的最终“折叠结构”（ ）。这就是蛋白质结构的预测问题。它被誉为现代分子生物学的“皇冠上的明珠”。
马建鹏说：“这不是一个新问题，这是一个极其老的问题，但这个问题太难了。”
他举了一个例子，一个由100个氨基酸组成的蛋白质非常小，但如果它里面的每个氨基酸只有两种状态——折叠状态和未折叠状态（但实际上它有无限多种状态），那么这个蛋白质就有100个中的2个次要状态。
“这个数字是如此之大，如果你用任何人类计算机来一一列举，或者寻找一个正确答案，需要的时间甚至比宇宙的寿命还要长。但蛋白质可以在瞬间完成折叠。” ”马建鹏说。 。
科学家利用X射线晶体学或冷冻电子显微镜等实验技术来确定蛋白质结构，但这既费时又费力。
剑桥大学研究人员 John 和 Max 在 20 世纪 90 年代末取得了突破性发现，他们成功地使用 X 射线晶体学方法展示了第一个蛋白质 3D 模型。为了表彰这一发现，他们于 1962 年获得了诺贝尔化学奖。
“2020 年，50 多年来最大的科学挑战之一得到了解决。”官网称，“蛋白质结构预测取得根本性突破”。
迄今为止，超过 2 亿种蛋白质的结构已被预测（几乎所有科学已知的蛋白质），并帮助科学家了解生命分子如何相互作用。
该软件已发布三个主要版本。 2018年12月，一个使用1的研究团队在第13届结构预测批判性评估（ of ）中总体排名第一。 2020年11月，使用2的队伍再次获得比赛第一名。
2021年7月15日，关于2的研究论文在线发表在国际学术期刊《自然》（）上。论文的标题是“高精度蛋白质结构预测使用”（with）。约翰和戴米斯是共同通讯作者。
3 发布于2024年5月8日。可以预测蛋白质与DNA、RNA、各种配体和离子复合物的结构。相关研究论文也于当天在线发表在国际学术期刊《自然》（）上。
据官网介绍，迄今为止，全球已有数百万研究人员利用2在疟疾疫苗、癌症治疗、酶设计等领域做出了发现。 3 让人们超越蛋白质，进入更广阔的生物分子领域。这一飞跃可能会开启更多变革性的科学，从开发生物可再生材料和更具弹性的作物到加速药物设计和基因组学研究。
马建鹏说，“如果单纯从蛋白质结构建模，或者制药行业的药物设计角度来看，这个工具的精度（准确度）还很不理想。但是，它并不比以前的工具好多少。” ！”
结构预测是技术，设计是艺术
马建鹏介绍，蛋白质结构预测问题实际上涉及两个具体问题——蛋白质折叠过程和最终结构预测。 “一个是蛋白质如何折叠？其实就是100个氨基酸的多肽折叠的整个过程。起点和终点之间如何走？这个问题还没有解决。但是从生物学家的角度来看，从一个角度来看，他们可以绕过第一个问题。只要给你一个蛋白质序列，你只需要告诉我最终的蛋白质结构，而不需要看实际的路径。更烦人。”
与预测结构相比，马建鹏表示，设计新的蛋白质难度更大。前者是解决问题并预测自然界中已经存在的蛋白质的结构，而后者是创建以前不存在的结构。 “所以，我一直说折叠是一门技术，设计是一门艺术。”
2024年三位诺贝尔化学奖获得者之一的大卫·贝克（David Baker）在加州大学伯克利分校获得生物化学博士学位，师从兰迪·谢克曼（Randy ），在加州大学旧金山分校获得生物化学博士学位在那里，他在David Agard的指导下进行了生物物理学的博士后研究。他目前是华盛顿大学生物化学教授和华盛顿大学医学院蛋白质设计研究所所长。贝克实验室开发蛋白质设计软件，并用它来创建分子来解决医疗、技术和可持续发展挑战。他最近的努力之一是开发强大的机器学习方法来生成功能性蛋白质。
贝克还是华盛顿大学基因组科学、生物工程、化学工程、计算机科学和物理学的兼职教授。他发表了 600 多篇研究论文，共同创办了 21 家公司，并获得了 100 多项专利。
马建鹏介绍，贝克此前一直在做蛋白质结构预测。在出道之前，他曾多次获得CASP比赛的冠军。他的预测准确率达到了40%以上。 “贝克的突出优点是，他不仅能计算和预测，还能做实验和设计。他本身就是一个实验者，他的团队是一个非常典型的‘干湿两用’团队，所以特别成功。”
20 世纪 90 年代末，David Baker 开始开发 ，一种可以预测蛋白质结构的计算机软件。该团队绘制了一种具有全新结构的蛋白质，然后要求 计算哪些氨基酸序列可以产生所需的蛋白质。事实证明，罗塞塔实际上可以制造蛋白质。研究人员开发的蛋白质Top7与他们设计的结构几乎相同。
显然，人们可以使用该软件来设计所需的蛋白质，用作药物、疫苗、纳米材料和微传感器。
人工智能在生活中无处不在：它已经无法避免，最好从童年开始，永远不再了解它
“我有一个观点。我认为人工智能的成功可能对人工智能和计算机科学领域产生比对蛋白质结构预测的影响更重要的影响。”马建鹏.
这一观点源于他的长期观察：1997年，“深蓝”计算机击败了国际象棋世界冠军加里·卡斯帕罗夫。当时有人以为天要塌下来了，世界要被电脑颠覆了，但什么也没发生；人们认为棋盘很小，可以被打败，但围棋却无法被计算机打败。 2016年3月，（阿尔法围棋）以4:1的比分击败韩国围棋九段大师、世界冠军李世石。有人感觉天塌下来了。但也有人认为这只是一场游戏，只是一场围棋游戏。直到公司不惜一切代价实现这一目标。
“计算机科学和人工智能领域的人们可以看到，即使是如此困难的蛋白质结构预测也可以做出。人脸识别和自动驾驶仍然是一个问题吗？结果真的变成了‘人工智能在生活中无处不在。’”虽然不是完美了，真的可以用了，而且可以加速科学研究。马建鹏表示，人工智能的成功催生了一个每天都能听到的术语——AI for，即以人工智能为工具辅助科学研究。
复旦大学2024年招生与培养政策会议发布的信息称，从2024年秋季学期开始，复旦大学将在2024-2025学年开设至少100门人工智能领域课程。 AI课程将被纳入所有复旦学生的学业计划中。 “你必须从童年开始。你无法再理解人工智能或无法使用人工智能。” “大家不需要每天专门研究算法，但广大科技工作者至少要会用，哪怕是做实验。”马建鹏表示，AI算法确实非常强大，具有真正的实用价值，不像过去我们只用理论自娱自乐。这项技术的存在让实验者，包括颜宁、施一公等科学家能够更快地分析蛋白质结构，但这并不意味着他们不再需要进行实验。 “它无法取代实验。至少直到今天，‘黄金标准’仍然依赖于实验。如果有一天预测技术准确，计算的结构就会正确，世界就会再次改变。”
谷歌为何能够取得如此突破？是因为计算能力吗？
马建鹏说，“这个问题对我们国家来说非常有意义，尤其是现在。”
他表示，首先计算能力很重要，但关键仍然是算法。第二是问题的选择——针对蛋白质结构预测问题，你有什么想法吗？
马建鹏说：“一个更重要的启示是，你有没有注意到，现在大部分的突破都是企业做出的？”
他说，这是一次典型的“大军团行动”。公司和大学的区别在于，在大学里，无论你有多少资金，你仍然是一个团队。但在公司里，你可以雇佣各种各样的人，在领导者的领导下为同一件事而努力工作。 “（公司）不要求你发表或等待论文，你的任务就是把这件事做好，这是一个范式转变。团队运作最大的特点就是要有一个强有力的领导者，把各种人们在一起，理论上来说，这非常适合我们国家，我们也有这种集中力量办大事的经验。”
