解析诺贝尔化学奖：David Baker与AlphaFold如何引领AI在蛋白质结构领域的革命

今年的诺贝尔化学奖授予了三位在蛋白质设计和结构预测领域做出杰出贡献的科学家。奖项一半授予了美国西雅图华盛顿大学的 David Baker，另一半则颁发给了来自英国 Google DeepMind 的 Demis Hassabis 和 John Jumper。诺贝尔化学奖委员会主席 Heiner Linke 表示，今年的诺贝尔化学奖如同“双花并蒂”，不仅表彰了蛋白质结构的构建，还肯定了基于氨基酸序列的蛋白质结构预测。

哥伦比亚大学的科学家 Mohammed AlQuraishi 在社交媒体上发文祝贺，称三位科学家实至名归。许多人可能会感到困惑：为什么化学奖会颁发给生物领域？蛋白质结构为什么值得获得诺贝尔奖？获奖的三位科学家有何背景？连续两个诺贝尔奖项涉及 AI，AI 在科学领域的前景如何？

蛋白质是生命的化学工具，它们在体内发挥着不同的作用。每种蛋白质都由一系列氨基酸组成，这些氨基酸折叠成特定的三维形状或结构，而蛋白质的功能与其形状密切相关。了解蛋白质的结构有助于理解其工作原理，多年来，科学家一直在努力研究如何解析蛋白质结构。自 20 世纪 50 年代以来，X 射线晶体学的发展使研究人员能够获得蛋白质的第一个 3D 结构。此后，核磁共振和低温电子显微镜等实验方法也被引入，目前已有约 200,000 种蛋白质的结构被确定。

David Baker 是一位美国生化学家，现任华盛顿大学蛋白质设计研究所所长。他出生于 1962 年，尽管成长在一个科学家庭，但起初他对科学并不感兴趣。直到大学最后一年，他选修了一门发育生物学课程，被 Christian Anfinsen 的经典实验所吸引，从而转向生物学领域。1989 年，Baker 博士毕业后加入加州大学旧金山分校，随后回到华盛顿大学开始了独立研究生涯。他致力于开发可以预测蛋白质结构的软件 Rosetta，并在蛋白质结构预测领域取得了显著成就。

近年来，随着机器学习等新技术的发展，蛋白质的“从头设计”成为可能。2024 年，Baker 团队在蛋白质设计领域再次取得突破，成功设计出一种新型环形蛋白，能够调控成纤维细胞生长因子（FGF）信号通路。此外，Baker 还积极将科研成果转化为商业应用，参与创办了多家公司，如 Icosavax 和 PvP Biologics，推动了多项技术的产业化。

尽管 AI 工具如 AlphaFold3 和 RoseTTAFold All-Atom 已经能够准确预测蛋白质结构，但实验确定的结构仍然优于预测，并且需要为下一代 AI 工具生成训练数据集。未来，结构生物学将更多地结合高通量实验研究与人工智能，而不是完全依赖 AI。

Baker 实验室近期的部分研究包括开发了基于 RoseTTAFold 的序列空间扩散模型 ProteinGenerator (PG)，设计了能够通过变构控制在组装和拆卸之间转换的蛋白质，以及改进了 RFdiffusion 工具。这些研究成果展示了蛋白质设计和结构预测领域的最新进展。

展望未来，随着对蛋白质理解的深入，Baker 无疑将继续引领科学的前沿。他的成就不仅是个人的辉煌，更是科学研究和技术创新的丰硕成果。随着蛋白质“按需设计”时代的到来，David Baker 和他的团队所作出的贡献将被历史铭记，并激励未来的科学家们在探索未知的旅程中不断前行。

本文来源：