导语


北京时间10月9日下午5点45分左右，2024年诺贝尔化学奖的一半授予 David Baker，表彰他在计算蛋白质设计方面的贡献，另一半则共同授予 Demis Hassabis 和 John M. Jumper，表彰他们在蛋白质结构预测方面的成就。昨天的诺贝尔物理学奖授予人工神经网络，今天的化学奖授予 AlphaFold 和计算蛋白质设计，展现了人工智能在推动科学创新方面的重要作用，预示着 AI+Science 正在带来科学发展的新纪元。

如何发现 AI+Science 中的下一个 AlphaFold 和 ChatGPT？文末附带有集智俱乐部在 AI+Science 领域的相关主题读书会、文章等资料，欢迎感兴趣的朋友深入探索！



AI for Science 带来科学发展新纪元




唐乾元（傅渥成） | 作者


2024年诺贝尔化学奖与物理奖一样，彰显了人工智能在打破学科界限、通过跨学科合作推动科学发现中的变革性作用。今年的化学奖授予 John Jumper、Demis Hassabis 和 David Baker，表彰以 AlphaFold 为代表的AI技术在蛋白质结构预测与蛋白质计算设计中的革命性影响。AI破解了长期未解的蛋白质结构预测难题，彻底改变了生物学研究，使蛋白质结构的获取更加便捷，高效推动了药物发现的进程，并为未来的高通量生命科学计算研究提供了强有力的支持。David Baker 在计算蛋白质设计领域的贡献进一步拓展了人工智能在实际应用中创造新型蛋白质的广泛潜力。昨天，物理奖授予 John Hopfield 和 Geoffrey Hinton，肯定了统计物理学原理在现代人工神经网络发展中的基础性作用，强调了跨学科方法如何推动人工智能的优化与应用发展。


这些诺贝尔奖共同展示了科学研究的本质在于无边界的探索与融合。物理学、化学、生命科学与人工智能的协同合作推动了各领域的突破性进展，充分展现了AI在跨越传统学科界限中的巨大潜力。这些奖项不仅标志着一个新时代的到来，更暗示着AI在科学研究中正逐步走向核心地位。在推动科学创新的过程中，AI将持续发挥关键作用，AI for Science 正在带来科学发展的新纪元。





诺贝尔奖委员会对奖项的介绍




2024年诺贝尔化学奖是关于蛋白质，生命的非凡化学工具。David Baker 成功地设计出了全新的蛋白质，这是一项几乎不可能完成的壮举。Demis Hassabis 和 John Jumper 则开发了一个人工智能模型来解决持续50年之久的问题：预测蛋白质的复杂结构。这些发现蕴藏着巨大的潜力。

生命的多样性证明了蛋白质作为化学工具的惊人能力。它们控制并驱动所有的化学反应，而这些化学反应是生命的基础。蛋白质还可以作为激素、信号物质、抗体和不同组织的组成部分发挥作用。

诺贝尔化学委员会主席 Heiner Linke 说：“今年获奖的发现一个是关于全新蛋白质的构建。另一个是关于实现一个50年的梦想：从氨基酸序列预测蛋白质结构。这两个发现都开创了广阔的可能性。”

蛋白质通常由20种不同的氨基酸组成，这些氨基酸可以被描述为生命的基石。2003年，David Baker 成功利用这些模块设计了一种全新的蛋白质。从那时起，他的研究小组创造了一个又一个富有想象力的蛋白质，包括可用于制药、疫苗、纳米材料和微型传感器的蛋白质。

第二项发现与蛋白质结构预测有关。在蛋白质中，氨基酸连接成一长串，折叠起来形成三维结构，进而决定了蛋白质的功能。自20世纪70年代以来，研究人员试图从氨基酸序列预测蛋白质结构，但这是出了名的困难。然而，四年前出现了一个惊人的突破。

一种蛋白质可以由几十到几千个氨基酸组成。氨基酸序列折叠成三维结构，进而决定蛋白质的功能。


Baker 实验室的 Rossetta 开发的富有想象力的各种蛋白质。


2020年，Demis Hassabis 和 John Jumper 提出了名为 AlphaFold2 的 AI 模型。用这个模型能够预测研究人员发现的几乎所有2亿种蛋白质的结构。自取得突破以来，AlphaFold2 已经被来自190个国家的200多万人使用。在众多的科学应用中，研究人员现在可以更好地了解抗生素耐药性，并创造出可以分解塑料的酶的图像。

使用 AlphaFold2 确定的蛋白质结构。


没有蛋白质，生命就不能存在。我们现在可以预测蛋白质结构并设计我们自己的蛋白质，这为人类带来了巨大的福祉。


David Baker 是华盛顿大学医学院蛋白质设计研究所的生物化学教授、HHMI 研究员兼主任。Baker 实验室开发蛋白质设计软件，并利用这些软件创造分子用于解决医学、技术和可持续发展挑战。他最近的一项工作是开发强大的机器学习方法用于生成功能性蛋白质。他还在华盛顿大学担任基因组科学、生物工程、化学工程、计算机科学和物理学的兼职教授。Baker 是美国国家科学院院士，2020年获得了科学突破奖生命科学奖。2024年，《时代》杂志将他列入健康领域100位最具影响力人物。

Demis Hassabis 是 DeepMind 创始人兼首席执行官。Hassabis 自幼热爱象棋，1989年达到国际棋联2300分。1992年进入剑桥大学，2005年在伦敦大学学院攻读神经科学博士学位。2016年Hassabis 带领团队开发的 AlphaGo 击败了世界围棋冠军李世石。2018年底，AlphaGo在围棋、国际象棋和将棋领域取得领先，并登上《科学》杂志封面。Hassabis 获得了多项荣誉，包括《科学》杂志“年度突破奖”、英国皇家学会“穆拉德奖”。《时代》杂志将他列入人工智能领域100位最具影响力人物。

John Jumper 是 DeepMind 高级研究科学家，他与同事 Demis Hassabis 共同开发了 AlphaFold。Jumper 在芝加哥大学获得博士学位，开发了模拟蛋白质折叠和动力学的机器学习方法。Jumper 还在剑桥大学学习了物理学，并获得了马歇尔奖学金，并拥有范德堡大学物理和数学理学学士学位。2021年，Jumper 被Nature列为年度榜单中的十大“重要人物”之一。


AI+Science 资源推荐


AI 再获诺奖，科学家还能干什么？


路径 1：发现 AI+Science 中的下一个 AlphaFold 和 ChatGPT！


欢迎关注“大模型与生物医学”读书会，由集智俱乐部联合西湖大学助理教授吴泰霖、斯坦福大学计算机科学系博士后研究员王瀚宸、博士研究生黄柯鑫、黄倩，华盛顿大学博士研究生屠鑫明共同发起，读书会邀请国内外一线科研工作者，进行了10余场学习和交流，探讨大模型在不同尺度的组学数据中如何发挥作用。


详情请见：大模型与生物医学：AI + Science第二季读书会启动



路径 2：如果 AI 让科学家失业，那科学家就去研究 AI！


一方面是 AI for Science，另一方面还有 Science for AI。欢迎和我们一起探索～


详情请见：人工智能和科学发现相互赋能的新范式：AI+Science 读书会启动



推荐阅读



点击“阅读原文”，报名读书会