2024年，John Jumper 和 Demis Hassabis 因为他们带来的蛋白质结构预测突破，拿到了诺贝尔化学奖。这是一个能把实验室要耗几个月才能弄清的问题，缩短到几小时就能得到答案的技术。那一刻，科研圈的节奏彻底被打散了。
五年过去了，热度没当初那么轰，但变化是真实的。DeepMind 不止一次推出后续版本：能预测多蛋白复合体的 AlphaFold Multimer，速度更快的 AlphaFold3。团队还把这套工具批量应用到 UniProt 数据库，现在大概预测了两亿种蛋白结构，覆盖了科研界能想到的大部分蛋白。这些预测像是一张巨大的草图，很多研究者把它当成起点在上面继续画。顺便说句，很多人没想到 AlphaFold 会被用到蜜蜂抗病那类看起来离本意很远的领域，科学家的想象力确实超出预期。
回头说起这个项目怎么起步的。2017 年，刚拿到理论化学博士不久的 John Jumper 听说 DeepMind 在搞一个秘密项目，不再只是做能赢游戏的 AI，而是想用 AI 去预测蛋白质结构。他投了简历，进了门。三年后，AlphaFold2 出现在世人面前。它能以接近一个原子的精度预测蛋白三维形状，准确度堪比传统实验方法，但时间从数月降到了几小时。这一突破被不少人称作破解了生物学界困扰几十年的难题，Hassabis 也曾说这是他创建 DeepMind 的理由之一。
技术上，他们用了和大语言模型同源的 Transformer 架构，但关键不是套个大模型就能解决问题。Jumper 认为真正的优势在于他们快速迭代的能力——先做出一个会出错但能快速给出答案的系统，然后不断修正。团队还把进化信息、跨物种的线索等尽可能多地喂给模型，让它在序列里找到远距离的关联。这样做的效果远超他们预期，大家开始意识到这不仅仅是工程上的改进，而是思路上的一次飞跃。
从实验室到实际使用，变化也快得让人吃惊。很多研究组直接把软件下载下来，用它做“虚拟筛选”。举几个具体例子：有团队用 AlphaFold 去研究导致蜂群崩溃的蛋白，想弄清蜜蜂抗病机理；华盛顿大学的 David Baker 团队把 AlphaFold 用到合成蛋白设计里，配合 RoseTTAFold，他们用 AlphaFold Multimer 先预测设计是否会按预期折叠，如果模型自信就动手做，若模型犹豫就先放一放。按他们的说法，这让设计速度提高了好几倍。还有两组研究者在找精子与卵子结合时的配对蛋白：已知一个卵子蛋白，他们用 AlphaFold 把它跟两千个精子表面蛋白逐一预测结合情况，结果模型很自信地指出了一个，实验随即验证成功。过去没人会做两千次结构比对，现在做得出来了，这改变了科研的工作流。
尽管有很多正面案例，AlphaFold 也不是放之四海而皆准。很多复杂问题牵涉多个蛋白互作，或是蛋白跟小分子结合，这类预测的准确度并不稳定。加州大学旧金山分校的 Kliment Verba 就说，他们每天都用 AlphaFold，但有时候拿到的结果让人琢磨很久，不知道信不信得过。他拿它跟 ChatGPT 做了个类比：有时模型把真话和不太靠谱的话都说得很有自信。这种情况下，研究者把它当作筛选工具，而不是替代实验的方法：先在电脑上筛一轮，再决定要不要花时间精力做真实实验。总的来说，AlphaFold 没把实验替掉，但确实好了实验效率。
现在很多初创公司和研究机构在 AlphaFold 的基础上往药物发现方向延伸。麻省理工的团队和 AI 药物公司 Recursion 合作，推出了 Boltz-2，号称能同时预测蛋白结构和小分子与蛋白的结合情况。最近还有一家叫 Genesis Molecular AI 的公司推出了 Pearl，声称在某些与药物开发相关的问题上比 AlphaFold3 更准，而且用户可以把额外数据输入模型做交互式指导。听上去很有希望，但 Jumper 持谨慎态度。他提醒说，蛋白结构只是生物研究的一环，不是万能钥匙。哪怕结构预测再方便，转化成新药还得经过很多环节和难题。他形象地比喻：如果我们真只是差一笔费用就能完成什么事，那早就有人做了。
关于未来的方向，Jumper 想把两类能力合起来：一类是像 AlphaFold 这种在特定任务上深入到接近专家水平的“垂直深能力”，另一类是像大语言模型那样能横向理解、阅读文献和生成假设的“横向理解能力”。DeepMind 自己也有类似尝试（例如 AlphaEvolve，用一个模型生成假设，另一个模型筛选）。Jumper 对这类结合持开放态度，但话语谨慎，没有把蓝图讲得太清楚。现在的问题是怎么让这些系统协同、互相补强。
关于个人感受，Jumper 的语气里有点惊讶，也有点不安。他笑着说这五年过得不太真实，自己几乎记不得没那么多记者缠着的时候。他也提到自己可能是 75 年来最年轻的化学奖得主，觉得还在职业中点，接下来的计划是从小想法开始，沿着线索慢慢往下做，不想把自己绑在下一个大奖的期待上。下一步的研究，他更愿意一点点推进，而不是一口气追求什么大爆发。
版权声明：本文转载于今日头条，版权归作者所有，如果侵权，请联系本站编辑删除
