2024年诺贝尔化学奖已于北京时间10月9日揭晓。美国科学家David Baker因其在计算蛋白质设计方面的贡献而获奖，另一半奖项则授予了英国科学家Demis Hassabis和John M. Jumper，以表彰他们在蛋白质结构预测方面的成就。
而值得注意的是，上述获奖研究的背后，却有AI的深度参与。
上述获奖的美国科学家David Baker的贡献在于，他让蛋白质设计从实验室的试管，搬进了计算机的虚拟世界。
蛋白质是生命的“分子机器”，从调控细胞活动到催化化学反应，无所不能。然而，蛋白质的神奇之处在于它们的形状——它们的功能完全取决于三维折叠的结果。而蛋白质折叠是一个极其复杂的过程，传统的实验方法往往耗时巨大，且难以精准预测。而David Baker 通过计算机模拟氨基酸的相互作用，推导出最稳定、最有效的蛋白质折叠结构。
讲个通俗的比喻，以前我们做科研，只能凭经验和运气“拼积木”。而David Baker的AI计算工具则提供了自动拼接的能力，不仅可以迅速组装，还能按照我们的意图设计全新的形状。
该奖项的另一半获奖者：英国科学家 Demis Hassabis 和 John M. Jumper 的蛋白质结构预测，背后也有AI的巨大贡献。他们的 AlphaFold 模型通过利用深度学习和海量数据，彻底改变了这一领域。
AlphaFold的核心是基于AI的深度神经网络，它训练自己去理解蛋白质折叠的模式。AlphaFold通过分析数百万已知的蛋白质序列和其对应的三维结构，推测氨基酸序列在特定条件下如何折叠。这些结构的背后包含复杂的物理和化学相互作用，而AI正是通过分析这些自然界中的折叠模式，从中找出深层次的规律。
AlphaFold 不需要人工输入规则，而是通过对大量数据的学习，自己掌握如何预测蛋白质的结构。
同样换成通俗的比喻，这就像我们人类最开始看到一堆复杂的几何图形不知所措，但通过观察和反复练习，最终能够精确预测未来从未见过的图形形态。
对于AI在结构生物学的大放异彩，以及通过此次诺奖引发的关注，南开大学博士，天津师范大学管理学院信息资源管理系副教授王树义表示：“2018年，一个研究团队花几个月测出一个蛋白质的真实结构，就能发一篇高水平期刊。现在DeepMind 把这类工作效率推进到 1 秒 9 个。结构生物学领域很多大佬都在哭泣。”
说是哭泣，当然是那些为此耗尽精力的研究者，到头来竟被机器秒杀的无力……
但就推动科学进步而言，在AI深度介入的这一变革的背景下，结构生物学的未来无疑是充满希望的。AI技术的引入将加速科研进程，推动科学发现的步伐。然而，这一切也提醒我们，科技的进步固然重要，但对于研究者的培养和科研伦理的思考同样不可忽视。如何在拥抱新技术的同时，保持科学研究的严谨性和创新性，将是未来结构生物学乃至整个科学界必须面对的“终极课题”。
在这个新的时代，只有那些善于将AI技术与传统科学方法相结合的研究者，才能在未来的科学探索中取得真正的成功。