AI进化史⑥：阿尔法折叠与生命奥秘

若问生物学家半个世纪来最棘手的难题，答案通常是：蛋白质折叠。

听着高大上，实则与每个人都息息相关。

细胞运转全靠蛋白质，从消化到免疫，皆系于此。

形态一旦错乱，阿尔茨海默、帕金森等顽疾便会随之而来。

五十年来，科学家们苦苦求解：能否仅凭一维氨基酸序列，推演出其三维结构？

这便是生物学界的“圣杯”。

Levinthal悖论揭示了其中的荒谬与奇迹。

若靠盲目尝试，所需时间远超宇宙寿命。

但生物体内，毫秒间即可完成折叠。

**同一时间，中国在哪里？**

1969年的中国，科研环境艰难，分子生物学尚在萌芽。

重组DNA技术要等到1972年才问世。

中国的蛋白质研究，要等到改革开放后才有真正发展。

半个世纪里，生物学家尝试了各种方法：X射线晶体学、核磁共振、冷冻电镜。

这些方法能给出精确的结构，但代价是数月甚至数年的实验时间、昂贵的设备、大量的试错。

一克蛋白质，冻干后结晶，放在同步辐射光源下曝光、衍射，再通过复杂的数学反推结构——这是结构生物学家的日常，也是结构生物学家的“修行”。

1994年，一个叫 John Moult 的生物学家实在看不下去了。他创办了一个比赛——CASP（蛋白质结构预测关键评估），每两年举办一次，让全世界用计算方法预测蛋白质结构，再和实验结果对比，看谁猜得准。

这个比赛，成了后来AI登场的主舞台。

时间快进到2010年。

这一年，在英国伦敦，35岁的 Demis Hassabis 和两个朋友创办了一家公司，名叫 DeepMind。

Hassabis 是个传奇人物：4岁开始下国际象棋，13岁就达到大师级水平；20岁从剑桥大学计算机科学系毕业，后来又拿到伦敦大学学院的认知神经学博士；创立DeepMind之前，在MIT和Harvard都做过博士后研究。

他做DeepMind的初心很宏大：打造通用人工智能（AGI）。但他心里清楚，要让AI真正“理解”世界，光会下棋、会打游戏是不够的。AI需要切入最硬核的科学问题。

2016年 AlphaGo 战胜李世石，让 DeepMind 一战成名。但 Hassabis 和团队没有停下，他们把目光投向了更远的星辰——蛋白质折叠。

2018年，DeepMind 第一次带着 AlphaFold 的前身参加 CASP13，成绩中等偏上，还不足以撼动整个领域。比赛结束后，Hassabis 把负责这个项目的 John Jumper 叫到办公室，问他：“我们能不能做得更好？”

Jumper 当时30岁出头，是一位物理化学博士，他接下了这个挑战。

时间来到2020年11月。

这一年，全世界都被新冠疫情笼罩。病毒的刺突蛋白（S protein）成为研究热点，理解这个蛋白的结构对疫苗和药物的设计至关重要。DeepMind 在疫情初期就公开了 SARS-CoV-2 病毒蛋白的预测结构，让科学界眼前一亮。

而真正改变历史的时刻，是2020年11月30日——CASP14 比赛结果揭晓。

AlphaFold2 以中位 GDT 得分 92.4 拿下冠军。满分100，而过去二十多年里，参赛队伍的中位得分从未突破50。

92.4，几乎是“满分”。

比赛组织者 John Moult 激动得有些语无伦次：“这是一个真正的奇迹，蛋白质折叠问题，在某种意义上，已经被解决了。”

这不是夸张。AlphaFold2 用一种基于“注意力机制”的深度学习架构（也就是后来大名鼎鼎的 Transformer 的变体），让AI从一维的氨基酸序列，直接“读”出三维结构。

**同一时间，中国在哪里？**

2020年，中国AI在生命科学领域刚刚起步。百度的“LinearFold”算法（针对RNA二级结构）在疫情初期发布；阿里达摩院、腾讯AI Lab、华为诺亚方舟等团队开始向生物医药倾斜；百度的“PaddleHelix螺旋桨”生物计算平台在这一年正式上线。中国的 AI for Science，刚刚破土。

AlphaFold2 的成果公开后，DeepMind 做了一个让全世界惊讶的决定：开源。

2021年7月，DeepMind 在 Nature 发表论文，公开 AlphaFold2 的源代码，并同时发布人类蛋白质组（约20,000种蛋白质）的预测结构。

一年后，2022年7月，DeepMind 再次放大招：公开超过2亿个蛋白质的三维结构预测，覆盖了几乎所有已知物种——这是科学史上最大规模的免费开放数据。

对生物学家来说，这意味着什么？

意味着过去花三年做实验才能解出的结构，现在用一台电脑跑几个小时就能得到。意味着新药研发、酶工程、合成生物学的基础设施，被彻底重塑。

一位研究疟疾的英国科学家说，过去她需要两三年才能解一种疟原虫蛋白的结构，现在用 AlphaFold，一个下午就够了。

这是AI第一次真正改变了科学本身——不是辅助，不是工具，而是范式革命。

2024年10月9日，瑞典皇家科学院宣布：

2024年诺贝尔化学奖，一半授予 David Baker（计算蛋白质设计），另一半由 Demis Hassabis 和 John Jumper 共同获得（蛋白质结构预测）。

Hassabis 后来回忆，自己接到电话时激动得手都在抖。

这是AI第一次以“科学发现”的身份获得诺贝尔奖。评委会的措辞很明确：他们预测了蛋白质的结构，革命化了生命科学。

Hassabis 在新闻发布会上说：“AI 是放大人类科学能力的工具。AlphaFold 解决了一个困扰生物学50年的问题，但接下来还有更多问题等着我们。”

**同一时间，中国在哪里？**

2024年，中国的 AI for Bio 领域全面开花。百度的“螺旋桨 PaddleHelix”已经迭代多个版本，腾讯的“tFold”、字节跳动的算法、华为“盘古”系列生命科学模型进入实用阶段。中国科研团队在 CASP 比赛中开始进入前列，但与 DeepMind 仍有距离。

2024年诺贝尔化学奖揭晓当天，中国生命科学界的社交媒体一片感慨——这不仅是 DeepMind 的胜利，也是整个AI驱动科学新范式的胜利。

AlphaFold 的故事讲到这里，似乎该结束了。

但其实，这只是开始。

蛋白质折叠，只是生命科学“AI化”的第一站。接下来：蛋白质设计（David Baker 的拿手好戏）、RNA结构预测、分子动力学模拟、药物分子的从头设计……每一项，都是诺贝尔奖级别的问题。

更重要的是，一种新的科研范式正在形成：AI 不再只是科学家的工具，而是科学家的“合作者”。

过去，科学家是提出假设、做实验、验证假设的人；现在，AI 可以从数据中自己发现规律，提出假设，甚至设计实验。

Hassabis 在获奖演讲中说，DeepMind 的下一个目标是“解决所有科学问题”。这话听起来像吹牛，但看看 AlphaFold 的战绩，你不确定这还是不是吹牛。

而对于每一个普通人来说，AlphaFold 真正改变的是“科学进步的速度”。

一种新药，过去要10年才能上市；有了 AlphaFold 这样的工具，可能只需要5年。一种新疫苗，过去要18个月才能进入临床；COVID-19 让我们看到了5个月的可能性，而AI让这种速度成为常态。

AlphaFold 是 AI 时代科学的一座里程碑，也是一座新起点。

---

下期预告：

AlphaFold 的故事讲到这里，一个更大的时代正在到来。

2022年11月，一个叫 ChatGPT 的产品悄然上线，震动了整个科技行业。从 AlphaGo 到 AlphaFold 再到 ChatGPT，AI 在短短几年内完成了三次“出圈”——从围棋到科学再到语言。

但这一次不一样。ChatGPT 不是某个垂直领域的突破，而是直接冲进了每个人的手机和桌面。

敬请期待 AI 进化史⑦ | 2023：大模型元年。

---

#AI进化史 #AlphaFold #DeepMind #蛋白质折叠 #诺贝尔化学奖 #DemisHassabis #JohnJumper #AI4Science #人工智能