- 诺贝尔化学奖授予 AI 先驱 Demis Hassabis 和 John Jumper。
- AlphaFold 3 以前所未有的精度重新定义了蛋白质结构预测。
- AI 的潜力横跨多个领域，从环境解决方案到疾病研究。
AI 对蛋白质预测的影响
2024 年诺贝尔化学奖被授予三位科学家，包括 DeepMind 首席执行官 Demis Hassabis，以及DeepMind 科学家 John Jumper。
另请阅读：Demis Hassabis 是谁？DeepMind 联合创始人
他们因开发 AlphaFold 而获得认可，这是一种能够成功预测蛋白质结构的 AI 模型。他们的工作极大地加速了结构生物学的发展，并在多个应用领域具有巨大潜力。
AlphaFold 3 的突破性成就
DeepMind 的AlphaFold 3 彻底改变了蛋白质结构预测，与传统方法相比，准确率提高了 50%以上。它已经预测了超过 2 亿种蛋白质的结构，在精度上超越了传统方法。这种 AI 模型在生物可再生材料、抗逆作物、药物设计和基因组研究等未来应用中具有巨大潜力。
“我们花费数月甚至数年才能完成的工作，AlphaFold 在一个周末就做到了。”
McGihan 博士
AI 在生命科学中的广泛应用
AlphaFold 的应用涵盖多个领域，包括生物化学、细胞生物学、遗传学和药理学。该 AI 工具正被用于应对塑料污染和粮食安全等全球性挑战。它在疾病理解、药物设计和物种保护方面日益增长的影响，使 AlphaFold 成为生命科学中的关键工具。
另请阅读： 谷歌 DeepMind 首席执行官 Demis Hassabis 因 AI 技术获封爵士
然而，结构生物学家警告说，AI 无法取代科学家仍需完成的大量工作。早在 AlphaFold 2 发布时，中国结构生物学家颜宁就指出，结构生物学不仅仅涉及观察蛋白质折叠；还需要理解动态变化、与其他生物分子的相互作用以及细胞状态的背景——在这些领域，由于训练数据库不充分，AI 仍面临局限。
AlphaFold 已经在多个生物领域产生了重大影响，加速了疟疾和帕金森病等疾病的治疗方法研发，应对耐药细菌，甚至有助于物种保护。DeepMind 的最终目标是让 AlphaFold 改变人类对生物世界的理解。诺贝尔化学奖引发了广泛的网络讨论，有人祝贺获奖者，有人开玩笑说 ChatGPT 是否应该获得文学诺贝尔奖，还有人担忧 AI 可能掩盖基础科学知识。尽管如此，许多人认为 AI 在蛋白质研究中的应用是一种高度可信的方法。