编辑丨王多鱼
排版丨水成文
2024年10月9日，蛋白质设计先驱David Baker教授与AlphaFold开发者Demis Hassabis、John Jumpe共同获得了2024年诺贝尔化学奖。
在此之前，David Baker教授和哈佛大学遗传学家George Church教授在Science期刊发表了题为 ： Protein design meets biosecurity 的文章，介绍了对于AI蛋白质设计领域快速发展带来的生物安全问题的思考和建议。
随着人工智能（AI）方法的引入，计算蛋白质设计的能力和准确性迅速提高。 这有望改变生物技术，促进可持续性和医学的进步。
DNA合成在设计蛋白的实体化过程中发挥着关键作用。然而，与所有重大的革命性变化一样，这项技术很容易被滥用以及用于生产危险的生物制剂。为了在充分获益的同时降低可能出现的风险， 所有合成基因序列和合成数据应收集和存储于仅在紧急情况下查询的存储库中，以确保蛋白质设计以安全、可靠和可信的方式进行。
自然界的蛋白质优雅地解决了在缓慢进化过程中面临的挑战，但今天的问题（例如全球病原体、神经退行性疾病和生态系统退化）需要新的解决方案。
人工智能（AI）加速的蛋白质设计可以帮助解决其中许多问题。 基于机器学习的方法可以快速创建具有不同结构和功能的生物分子，这些分子通常与任何已知蛋白质都没有可检测到的序列同源性。 与此同时，DNA合成成本、质量和速度的指数级提高，简化了将这些设计的 蛋白质编码为合成基因的过程。
2023年，第一个通过计算蛋白设计开发的药物——新型冠状病毒肺炎疫苗SKYCovione在韩国和英国获得批准上市。 如今，更多这样的创新是可能的——而且是在短期内实现。而问题在于， 监管人工智能（AI）的道路可能是漫长而复杂的。 计算蛋白质设计的进展可能会受到过于 严格的AI规定的阻碍。好消息是，用于蛋白质设计的AI工具具有高度的专业性，因此风险规避应该更加直接明了 。
在2023年人工智能安全峰会之前，在华盛顿西雅图召开的一次会议召集了来自学术界、工业界、慈善机构和政府机构的国际代表，讨论了AI支持的蛋白质设计，特别是新冠大流行防范和药物开发。 合成DNA的制备被认为是一个关键的生物安全控制点。 会议提出的建议包括筛查和记录所有合成的基因序列的政策 。 这将对制造有害生物分子（无论是偶然的还是有意的）构成实际障碍 。
自2004年以来，由国际基因合成联盟（IGSC）成员提出并自愿采用的DNA合成调控已在学术界和生物技术和制药行业广泛实践。 目前，IGSC对学术机构、私营机构和政府机构提出的DNA序列要求进行筛选，以确定其与共识列表上的病原体成分的同源性 。
展望未来，这些检查可以与合成本身联系在一起——不管是化学合成还是酶法合成——这样每一台合成仪都需要对每一个新的基因序列进行密码式的短时间精确匹配搜索。 仅仅筛选序列可能是不够的，因为通过从头设计生成的蛋白质可能与任何天然蛋白质的序列相似性很少或根本没有，这使同源性检测变得复杂。 因此，需要记录合成序列，必要时使用加密来保护商业秘密 。
如果一种新的生物威胁在世界上任何地方出现，相关的DNA序列可以追溯到它们的起源。 “选择性披露”政策可确保此类查询只在特殊情况下根据预先确立的标准进行 。 由于生物的复杂性使得一次尝试创造出一种危险物质的可能性非常小，因此这种追踪新生威胁的起源的能力应该是有效的。 除了提供审察追踪，认识到所有合成序列都会被记录可能会阻止不良行为者。 筛选和记录操作应该标准化，在国际范围内实施，并扩展到台式核酸合成仪 。
这种蛋白质设计安全策略依赖于所有相关团队的输入，以支持所需的基础设施，并定义人员、制度和治理需求。理想情况下，像IGSC这样的国际组织应该带头，但应该与政府和非政府组织合作。 加强的安全并不会威胁到信息共享或交流； 科学资助方、出版商和决策者应劝阻以生物安全为借口不分享新方法和进展。 相反，这个快速发展领域的安全应该被框定为最大限度地进步，以解决紧迫的社会关切。
https://www.science.org/doi/full/10.1126/science.ado1671