AI 奪走了黃崢、張一鳴最初的「生命科學(xué)夢(mèng)」？

作者 | 李雨晨

編輯 | 王亞峰

繼黃崢、張一鳴之后，王小川也“下海”生命科學(xué)了。

在被騰訊正式收編之后，一向佛系的王小川，再次自主擇業(yè)，成立健康咨詢公司。

互聯(lián)網(wǎng)早已進(jìn)入下半場(chǎng)，紅利消逝、用戶增長(zhǎng)疲軟后，巨頭們不斷地給自己、給公司謀下一條出路。而大佬們都有一種驚人的默契，將目光放在兩大領(lǐng)域：

一是元宇宙（未來(lái)一個(gè)月，雷鋒網(wǎng)將在微信群全面解密和探討元宇宙，歡迎大家掃碼入群，或添加微信號(hào)：leiphonesz ）

請(qǐng)于8月7日中午后掃碼

另一個(gè)便是生命科學(xué)。

生命科學(xué)領(lǐng)域，前有李彥宏創(chuàng)立百圖生科，后有張一鳴世界三地招兵買馬，招攬醫(yī)學(xué)生物人才。如果再往前看，馬化騰、傅盛、王小川等一眾互聯(lián)網(wǎng)一線創(chuàng)業(yè)者都是生物學(xué)思維的癡迷者和堅(jiān)定實(shí)踐者。

傅盛說(shuō)，生物學(xué)是一門能打通很多跨界知識(shí)的學(xué)科。相比物理學(xué)等自然科學(xué)，生物學(xué)更深刻地揭示了世界的底層規(guī)律。

王小川甚至說(shuō)，正是生物學(xué)思維讓搜狗活到今天。他說(shuō)，從2020年開(kāi)始，就開(kāi)始以生物學(xué)的視角去看待公司和組織，看待創(chuàng)始人對(duì)于這個(gè)組織的決定性意義，看待組織自身的延續(xù)。

生命科學(xué)，是一扇扇未打開(kāi)的生命本源大門，而去年12月一項(xiàng)顛覆生命科學(xué)的成果——Google的AlphaFold2橫空出世，用一種近乎“匪夷所思”的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)精度，大大加速人們探索生命科學(xué)的進(jìn)程。

黃崢、張一鳴們最初的生命科學(xué)夢(mèng)，正在被人工智能重構(gòu)。

今年的7月，AlphaFold2宣布開(kāi)源。

開(kāi)源的消息傳出后，有人聲稱，“都開(kāi)源了、免費(fèi)了，還怎么申報(bào)經(jīng)費(fèi)。”隨后，AlphaFold2的所有者——DeepMind再放大招，發(fā)布AlphaFold數(shù)據(jù)集，再次引爆科研圈。

目前，AlphaFold數(shù)據(jù)集里大約有36.5萬(wàn)個(gè)蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)。到今年年底，這個(gè)數(shù)量將會(huì)增加到1.3億個(gè)。而且，這個(gè)預(yù)測(cè)結(jié)果不是張口就來(lái)，可信度甩了人類好大一截。

不少人感受到了被AI支配的恐懼，驚嘆道：“機(jī)器再一次戰(zhàn)勝了人類。”

DeepMind聯(lián)合創(chuàng)始人、首席執(zhí)行官德米斯·哈薩比斯（Demis Hassabis），對(duì)自家的“王者級(jí)成果”也是不吝贊美之詞：“這是迄今為止AI在推動(dòng)科學(xué)進(jìn)步方面做出的最大貢獻(xiàn)。我覺(jué)得這么說(shuō)一點(diǎn)兒也不夸張。”

事實(shí)真是如此嗎？

AlphaFold2的成功，離不開(kāi)蛋白質(zhì)組學(xué)(Proteomics)的研究。

在90年代，人類基因組計(jì)劃開(kāi)始成形時(shí)，科學(xué)家意識(shí)到光掌握基因的堿基排列是不夠的，還必須了解基因的產(chǎn)物蛋白質(zhì)。由此，澳大利亞遺傳學(xué)家馬克·威爾金斯提出了破譯人類蛋白質(zhì)組的想法。此后，眾多學(xué)者都投入了這一研究。

如何評(píng)價(jià)這次AlphaFold2的研究成果——一口氣預(yù)測(cè)98.5%的人類蛋白質(zhì)結(jié)構(gòu)、并且宣布開(kāi)源？

密蘇里大學(xué)教授，AAAS、AIMBE Fellow許東教授告訴雷鋒網(wǎng)，DeepMind在論文中提到的高置信度蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)，基本可以達(dá)到準(zhǔn)實(shí)驗(yàn)精度，而這極大地?cái)U(kuò)展了它的應(yīng)用范圍。在以往的研究中，受限于預(yù)測(cè)的精度和可信度，諸如小分子藥物設(shè)計(jì)等方面的研究受到了很大的阻礙，而現(xiàn)在能夠在高置信度蛋白質(zhì)結(jié)構(gòu)上做分子對(duì)接預(yù)測(cè)。

“DeepMind 向外界公開(kāi)源代碼和數(shù)據(jù)庫(kù)，是一個(gè)重大利好，尤其是生物制藥等工業(yè)界。”作為第一個(gè)用深度學(xué)習(xí)來(lái)進(jìn)行氨基酸距離預(yù)測(cè)的專家，芝加哥豐田計(jì)算技術(shù)研究所教授，斯隆獎(jiǎng)得主許錦波教授說(shuō)到。

許錦波教授認(rèn)為，目前國(guó)內(nèi)的研究成果可能略顯滯后，但隨著人工智能算法的提升，加上更多高質(zhì)量數(shù)據(jù)庫(kù)的開(kāi)源，相信在未來(lái)的2-3年內(nèi)相關(guān)研究會(huì)有一個(gè)質(zhì)的飛躍，或者達(dá)到與DeepMind比肩的水平。 

西湖大學(xué)教授、蛋白質(zhì)組大數(shù)據(jù)實(shí)驗(yàn)室負(fù)責(zé)人郭天南教授表示，AlphaFold2的這項(xiàng)成果意味AI已進(jìn)入生命科學(xué)的微觀分子領(lǐng)域，并且向生命科學(xué)研究人員開(kāi)放，其意義類似于AlphaGo進(jìn)入人們生活（圍棋領(lǐng)域），它的廣泛使用可能對(duì)結(jié)構(gòu)生物學(xué)產(chǎn)生重大影響。

也有人工智能與蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)專家也補(bǔ)充到，在方法創(chuàng)新上，AlphaFold提出了一套全新的模型架構(gòu)與訓(xùn)練策略；在應(yīng)用價(jià)值上，AlphaFold蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫(kù)，將為更好地理解蛋白質(zhì)在生物體內(nèi)的功能與作用提供見(jiàn)解和參考。

對(duì)于AlphaFold2的行業(yè)影響，該專家認(rèn)為，“它可以為蛋白質(zhì)單鏈結(jié)構(gòu)、蛋白質(zhì)復(fù)合體以及蛋白質(zhì)小分子等結(jié)構(gòu)預(yù)測(cè)任務(wù)指明思路，對(duì)基于結(jié)構(gòu)的藥物設(shè)計(jì)等領(lǐng)域可能會(huì)有較大的推動(dòng)作用。”

盡管AlphaFold2這次的成果得到了眾多專家的力捧，但是正如上文所說(shuō)，沒(méi)有完美的科學(xué)成果，只有不斷完美的過(guò)程。

 AlphaFold2 目前也存在一定的局限性，比如很多蛋白和區(qū)間并不能達(dá)到高置信度，AlphaFold2評(píng)估的一些高置信度，本質(zhì)上更像是一種高可信性的假設(shè)，它與實(shí)驗(yàn)的第一手的觀察仍有差距。

許東教授分析道，其主要原因在于蛋白質(zhì)結(jié)構(gòu)具有的很強(qiáng)的多變性，個(gè)別情況下，幾個(gè)氨基酸可能就會(huì)完全改變其結(jié)構(gòu)和功能，而人工智能系統(tǒng)基于統(tǒng)一性，很難發(fā)現(xiàn)這種變化和差異。

換言之，預(yù)測(cè)結(jié)構(gòu)與實(shí)驗(yàn)室結(jié)構(gòu)仍不能完全劃等號(hào)。不過(guò)許東教授相信，隨著算法的提升和AI的數(shù)據(jù)邊際效應(yīng)，AlphaFold2仍有很大的提升空間。

許東教授表示，人工智能預(yù)測(cè)在本質(zhì)上是基于大數(shù)據(jù)的統(tǒng)計(jì)，而非物理學(xué)過(guò)程。蛋白質(zhì)折疊結(jié)構(gòu)中的一些物理屬性，比如不同的酸堿度、溫度造成的結(jié)構(gòu)變化，AI是無(wú)法預(yù)測(cè)和分析的，這意味它不能完全取代傳統(tǒng)以物理為基礎(chǔ)的模擬、預(yù)測(cè)方法。

值得一提的是，國(guó)內(nèi)近年來(lái)在AI預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)方面的研究也取得了長(zhǎng)足的進(jìn)步。

比如中科院卜東波教授主持的FALCON預(yù)測(cè)系統(tǒng)，其預(yù)測(cè)精度有了大幅度提升，雖然仍未達(dá)到AlphaFold2 的預(yù)測(cè)水平，但整體趨勢(shì)是快速向前發(fā)展的，這是人工智能技術(shù)日漸成熟的一種必然結(jié)果。

密歇根大學(xué)教授，I-TASSER 算法發(fā)明人張陽(yáng)教授參加了 DeepMind 兩篇研究論文的評(píng)審工作。

他在與雷鋒網(wǎng)的訪談中提到，所有審稿人都對(duì)第一篇 AlphaFold2關(guān)于算法的文章評(píng)價(jià)很高，而對(duì)本次關(guān)于人類基因組的應(yīng)用的論文有所保留，具體包括以下幾個(gè)方面： 

第一是論文缺乏新意。自從蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)問(wèn)題被提出后，特別是人體基因組計(jì)劃后，如何用計(jì)算機(jī)算法對(duì)整體基因組進(jìn)行蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)，便成為了科學(xué)家努力的目標(biāo)。在過(guò)去二十年，關(guān)于基因組蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的論文發(fā)表已發(fā)表很多，這遠(yuǎn)不是第一篇。

第二，從方法學(xué)來(lái)講，蛋白質(zhì)預(yù)測(cè)關(guān)鍵在于算法開(kāi)發(fā)，應(yīng)用層面是很直接的事情，只要有足夠的計(jì)算機(jī)資源就可以實(shí)現(xiàn)。

第三，這篇文章注重強(qiáng)調(diào)如何利用預(yù)測(cè)結(jié)構(gòu)對(duì)蛋白質(zhì)功能進(jìn)行分析，特別展示了三個(gè)蛋白例子。雖然這些努力很可貴，但是沒(méi)有一個(gè)例子是經(jīng)過(guò)雙盲實(shí)驗(yàn)驗(yàn)證，而這在蛋白質(zhì)功能預(yù)測(cè)方面是非常必要的。 

張陽(yáng)教授認(rèn)為，這篇工作之所以備受關(guān)注，是因?yàn)?AlpahFold2算法（即第一篇論文）達(dá)到了目前為止計(jì)算機(jī)能夠預(yù)測(cè)的最高精度。從CASP14的結(jié)果來(lái)看，AlphaFold2有2/3的目標(biāo)蛋白達(dá)到了實(shí)驗(yàn)精度，在難度較高的非同源序列預(yù)測(cè)上，有1/3的目標(biāo)蛋白達(dá)到這個(gè)精度，而人體基因庫(kù)中尚未解開(kāi)的蛋白大部分為非同源蛋白。

另外一方面，因?yàn)闅v史的原因，CASP14 的測(cè)評(píng)是基于單結(jié)構(gòu)域的小蛋白質(zhì)結(jié)構(gòu)。對(duì)多結(jié)構(gòu)域的大蛋白質(zhì)或者多鏈蛋白質(zhì)復(fù)合體結(jié)構(gòu)的預(yù)測(cè)，AlphaFold2 的模擬精度還是一個(gè)未知數(shù)。 

許錦波教授表示，作為最高等的生物，人類蛋白質(zhì)組的預(yù)測(cè)難度比較高，AlphaFold 雖然預(yù)測(cè)人類蛋白的覆蓋率達(dá)到了 98.5%，但其在氨基酸層面的結(jié)構(gòu)預(yù)測(cè)上仍有一定的提升空間。

與其他幾位學(xué)者一樣，許錦波教授也認(rèn)為，蛋白質(zhì)高精度預(yù)測(cè)不能完全依賴于人工智能技術(shù)，它應(yīng)作為生物實(shí)驗(yàn)方法的最佳補(bǔ)充技術(shù)，二者的關(guān)系是相輔相成的。數(shù)十年來(lái)，實(shí)驗(yàn)方法尚未解開(kāi)的人類蛋白結(jié)構(gòu)，仍需要基于大數(shù)據(jù)和算力的AI提供更多思路和可能，同時(shí)，加速現(xiàn)有生物結(jié)構(gòu)研究的AI， 其預(yù)測(cè)結(jié)果仍需要得到實(shí)驗(yàn)的驗(yàn)證。 

郭天南教授是國(guó)內(nèi)蛋白質(zhì)組學(xué)領(lǐng)域知名專家，對(duì)于AlphaFold2的局限，他的觀點(diǎn)與張陽(yáng)教授有些類似。

他認(rèn)為，Alphafold2 雖然發(fā)現(xiàn)了很多新的蛋白質(zhì)結(jié)構(gòu)，但是這些結(jié)構(gòu)是否完全正確，尚需要傳統(tǒng)生物實(shí)驗(yàn)的驗(yàn)證。如某一個(gè)氨基酸的翻譯后修飾可能完全改變蛋白質(zhì)的結(jié)構(gòu)和功能，而目前，AlphaFold2是否具有氨基酸水平和翻譯后修飾的準(zhǔn)確度，尚有待進(jìn)一步研究和驗(yàn)證。

上述不具名的專家說(shuō)到，目前，AlphaFold 對(duì)于模型輸入側(cè)的同源序列信息仍然存在一定的依賴，可能會(huì)出現(xiàn)預(yù)測(cè)不夠精確的問(wèn)題；同時(shí)，對(duì)于三維結(jié)構(gòu)更多依賴于異構(gòu)接觸（heterotypic contacts）而非鏈內(nèi)接觸或同構(gòu)接觸的蛋白質(zhì)，也可能出現(xiàn)精度問(wèn)題，這也是作者在論文中所提到的未來(lái)改進(jìn)方向之一。

在 AlphaFold（以及David Baker組的RoseTTAFold）發(fā)布之前，國(guó)內(nèi)已有一些將端到端學(xué)習(xí)引入到蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)中的初步嘗試（包括tFold），在預(yù)測(cè)精度方面，基本可以達(dá)到與CASP14中排名第二的Baker組相仿的水平，但與AlphaFold仍存在一定差距。

不過(guò)，在AlphaFold論文及代碼公開(kāi)后，相信國(guó)內(nèi)這方面的研究將在短期內(nèi)迎來(lái)較大的提升幅度。

從去年12月亮相以來(lái)，AlphaFold已經(jīng)成為圈內(nèi)圈外，生物學(xué)、非生物學(xué)人士的“現(xiàn)象級(jí)話題”。

盡管很多人發(fā)出驚呼之聲，但是，如果高度概括一下，AlphaFold的創(chuàng)新之處，會(huì)提煉出哪幾個(gè)關(guān)鍵詞？

根據(jù)此前DeepMind在CASP14會(huì)議上公布的技術(shù)方案，應(yīng)該有兩點(diǎn)。

首先，是注意力機(jī)制的引入。

注意力機(jī)制的引入，解決了如何更好地從多序列對(duì)齊（multiple sequence alignment）數(shù)據(jù)中提取特征以指導(dǎo)結(jié)構(gòu)預(yù)測(cè)的問(wèn)題。

在此之前，較為主流的方案是從多序列對(duì)齊數(shù)據(jù)中提取共進(jìn)化信息，但DeepMind通過(guò)對(duì)比發(fā)現(xiàn)這種人工設(shè)計(jì)的特征提取會(huì)丟失部分關(guān)鍵信息，而通過(guò)引入注意力機(jī)制可以較好地解決這一問(wèn)題。

同時(shí)，注意力機(jī)制也應(yīng)用在了迭代更新序列-殘基和殘基-殘基相互作用的過(guò)程中，從而以迭代的方式得到更為準(zhǔn)確的距離預(yù)測(cè)與三維結(jié)構(gòu)。

許東教授表示，注意力機(jī)制確實(shí)在蛋白結(jié)構(gòu)預(yù)測(cè)方面上了一個(gè)臺(tái)階。“AlphaFold可以把氨基酸之間的距離整合成三維結(jié)構(gòu)。因?yàn)樗麄兊乃懔芏啵瑑赡昵八麄冸m然方法和別人幾乎是一樣的，預(yù)測(cè)的距離卻準(zhǔn)的多，在CASP里做得很好。”

但是，許教授認(rèn)為，AlphaFold真正的創(chuàng)新之處在于利用了注意力機(jī)制，可以把氨基酸之間的距離預(yù)測(cè)問(wèn)題更為全局、整體的解決，同時(shí)對(duì)每一對(duì)距離的預(yù)測(cè)可靠性有更好的評(píng)價(jià)，從而看出什么預(yù)測(cè)距離更靠譜，讓其在蛋白三維結(jié)構(gòu)重建中發(fā)揮更大作用。

這么做，就真正把蛋白已知結(jié)構(gòu)進(jìn)行最大化的應(yīng)用。

許東教授坦言，此前，自己的團(tuán)隊(duì)也思考過(guò)，但是那時(shí)候采用的是“土一點(diǎn)”的統(tǒng)計(jì)方法。

“AlphaFold確實(shí)是非常大的創(chuàng)新，這種創(chuàng)新對(duì)研究其他問(wèn)題也有幫助。比如，我們現(xiàn)在就想用類似的思想去做單細(xì)胞數(shù)據(jù)建模的一些研究。

其次，端到端學(xué)習(xí)的引入。

端到端學(xué)習(xí)的引入，使得從輸入氨基酸序列到輸出蛋白質(zhì)三維結(jié)構(gòu)的過(guò)程，可以完全在深度學(xué)習(xí)的框架內(nèi)實(shí)現(xiàn)，從而使得優(yōu)化過(guò)程可以得到更為直接的誤差信號(hào)。

而之前的方法往往基于深度學(xué)習(xí)+傳統(tǒng)結(jié)構(gòu)建模工具（例如Rosetta、I-TASSER等）的組合，這樣結(jié)構(gòu)建模的誤差信號(hào)不能直接用于對(duì)深度學(xué)習(xí)模型本身進(jìn)行更新。

雖然，AI不會(huì)去掉傳統(tǒng)的蛋白質(zhì)結(jié)構(gòu)研究方法，傳統(tǒng)實(shí)驗(yàn)室技術(shù)仍然具備生命力。但是有一點(diǎn)值得肯定，AlphaFold的爆炸性成果，會(huì)對(duì)其他入局蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的廠商產(chǎn)生非常大的沖擊——猶如一條“鯰魚(yú)”一樣，攪動(dòng)整個(gè)行業(yè)的現(xiàn)有技術(shù)和商業(yè)格局。

去年，DeepMind聯(lián)合創(chuàng)始人及CEO德米斯·哈薩比斯（Demis Hassabis）第一時(shí)間向外界表示：“DeepMind背后的終極愿景一直是構(gòu)建通用人工智能，利用通用人工智能來(lái)極大地加速科學(xué)發(fā)現(xiàn)的步伐，幫助我們更好地了解周圍世界。”

但值得注意的是，在AI領(lǐng)域，研究成果與商業(yè)化之間仍然存在一條鴻溝，即便是有領(lǐng)先算法的DeepMind也不例外。

2019年，據(jù)外媒報(bào)道，谷歌母公司Alphabet旗下的人工智能子公司DeepMind2018年的營(yíng)收幾乎翻了一倍，但凈虧損仍高達(dá)5.72億美元。

從這項(xiàng)成果來(lái)看，AlphaFold本質(zhì)還是基于深度學(xué)習(xí)技術(shù)，需要算力的支持（使用了大約128個(gè) TPU v3 ——大致相當(dāng)于100-200個(gè) GPU ），這些都是需要真金白銀的支持。

但是，行業(yè)專業(yè)人士向雷鋒網(wǎng)(公眾號(hào)：雷鋒網(wǎng))表示，從計(jì)算資源需求上來(lái)看，128個(gè)TPU v3基本還在可接受的范圍內(nèi)，同時(shí)學(xué)術(shù)界和工業(yè)界后續(xù)也勢(shì)必會(huì)從算法和工程實(shí)現(xiàn)的角度，對(duì)計(jì)算效率繼續(xù)進(jìn)行優(yōu)化，來(lái)降低實(shí)際計(jì)算開(kāi)銷。

因此，盡管擁有著非常前沿的AI技術(shù)，如何將所耗費(fèi)的成本轉(zhuǎn)化為實(shí)實(shí)在在的商業(yè)收益，也是DeepMind需要考慮的現(xiàn)實(shí)問(wèn)題。

AlphaFold的出現(xiàn)，似乎為DeepMind在醫(yī)藥領(lǐng)域的生意帶來(lái)了新的突破口。

印第安納大學(xué)醫(yī)學(xué)院主管數(shù)據(jù)科學(xué)的副院長(zhǎng)黃昆教授認(rèn)為，對(duì)于藥廠來(lái)說(shuō)，100-200個(gè)GPU本身投資并不算太大，主要是怎么樣建立或者維持一個(gè)這方面的團(tuán)隊(duì)。這就也誕生了一些新的外包機(jī)會(huì)。幾年前，我就看到有初創(chuàng)公司用機(jī)器學(xué)習(xí)來(lái)做結(jié)構(gòu)篩藥，不知道這個(gè)進(jìn)展是會(huì)引過(guò)來(lái)更多這方面的創(chuàng)業(yè)還是反過(guò)來(lái)讓DeepMind獨(dú)霸一方。

此前，許東教授也考慮過(guò)這個(gè)問(wèn)題：這項(xiàng)技術(shù)的應(yīng)用前景，很多程度上取決于DeepMind的商業(yè)模式，是不是能給學(xué)術(shù)界開(kāi)放使用。從商業(yè)的角度來(lái)看，很多制藥公司會(huì)為此付費(fèi)。此外，AlphaFold并不是一個(gè)開(kāi)源軟件，不是所有人都能拿到AlphaFold最好的版本。DeepMind也許會(huì)部分開(kāi)放，但不一定開(kāi)放最好的版本。

“如果是需要收費(fèi)，很多研究組不見(jiàn)得有錢去做這個(gè)事情。像BLAST那樣進(jìn)行序列比對(duì)，我覺(jué)得還有一點(diǎn)距離。”

但是，7月AlphaFold2的這次開(kāi)源，也算是對(duì)許東教授疑問(wèn)的一次正式回應(yīng)。

晶泰科技的CEO馬健也認(rèn)為，算力現(xiàn)在已經(jīng)不是問(wèn)題。100-200個(gè)GPU是訓(xùn)練的使用量，真正使用中的算力可能只是這個(gè)數(shù)字的零頭。而計(jì)算將節(jié)省大量的時(shí)間和實(shí)驗(yàn)成本。

“計(jì)算機(jī)輔助藥物設(shè)計(jì)與發(fā)現(xiàn)以及AI的應(yīng)用，經(jīng)過(guò)了漫長(zhǎng)的發(fā)展和近期的飛速發(fā)展，也已經(jīng)有了質(zhì)的飛躍，比如晶泰科技的智能藥物研發(fā)平臺(tái)，在大部分蛋白上都可以準(zhǔn)確預(yù)測(cè)活性，選擇性，耐藥性等藥物關(guān)鍵性質(zhì)，可以在極少量的實(shí)驗(yàn)下獲得理想的藥物候選。”

正如馬健所言，這項(xiàng)技術(shù)將開(kāi)啟一個(gè)藥物研發(fā)和疾病研究的新時(shí)代，可以從原子分子層面上幫助理解疾病的作用機(jī)理。

同時(shí)，與疾病相關(guān)的蛋白結(jié)構(gòu)越來(lái)越多地被計(jì)算解析出來(lái)，會(huì)提供大量的新靶點(diǎn)，如同給藥物發(fā)現(xiàn)打開(kāi)了一道源頭的閘門，為藥企開(kāi)發(fā)first-in-class藥物創(chuàng)造更多新機(jī)會(huì)。

其實(shí)，任何一項(xiàng)學(xué)術(shù)成果的爆發(fā)，都有前人不斷耕耘的腳步。

去年Deepmind消息出來(lái)后，做了多年結(jié)構(gòu)生物學(xué)研究的許東教授就發(fā)了一條朋友圈。

他寫道，我在這個(gè)領(lǐng)域做了十幾年的工作，多次參加過(guò)CASP大賽。現(xiàn)在終于看到這個(gè)問(wèn)題被靠譜地解決了，是一件科學(xué)領(lǐng)域的幸事，可喜可賀！雖然DeepMind是集大成者，但這個(gè)問(wèn)題的解決是無(wú)數(shù)人幾十年的結(jié)晶。

許東教授向雷鋒網(wǎng)說(shuō)到，自己在橡樹(shù)嶺國(guó)家實(shí)驗(yàn)室和徐鷹教授一起，做了一些蛋白結(jié)構(gòu)預(yù)測(cè)的工作，當(dāng)時(shí)受到不少關(guān)注，因此兩人獲得了2001年美國(guó)“最杰出研究與開(kāi)發(fā)100 人獎(jiǎng)。此外，周耀旗教授、李明教授、許錦波教授、張陽(yáng)教授、卜東波教授和自己系里的程建林教授等在這個(gè)領(lǐng)域里都做了非常好的工作。

特別是許錦波教授課題組是真正第一個(gè)用深度學(xué)習(xí)來(lái)進(jìn)行氨基酸距離預(yù)測(cè)的人，對(duì)這個(gè)領(lǐng)域起了很大的作用；密歇根大學(xué)張陽(yáng)教授實(shí)驗(yàn)室的服務(wù)器很久在CASP自動(dòng)預(yù)測(cè)大類里排名第一，得到了廣泛使用。

“所以，大家可能看到是最閃亮的那顆星，但是背后有很多人默默為之奮斗。今天AlphaFold的成就絕對(duì)是太多人積淀的結(jié)果。”

同樣集大成的，還有DeepMind本身的團(tuán)隊(duì)，他們站在了這個(gè)時(shí)代最聰明的人的肩膀上。

行業(yè)專業(yè)人士向雷鋒網(wǎng)表示，AlphaFold的研究團(tuán)隊(duì)非常豪華，19位共同一作者里面有很多人是在語(yǔ)音、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、機(jī)器學(xué)習(xí)、醫(yī)療影像、分子動(dòng)力學(xué)、高能物理、量子化學(xué)等領(lǐng)域的知名學(xué)者。

值得注意的是，排在榜單前幾名的就有上文提到的密歇根大學(xué)張陽(yáng)教授實(shí)驗(yàn)室。

有知乎網(wǎng)友表示，“能戰(zhàn)勝AlphFold的只能是其他巨頭公司，高校已經(jīng)沒(méi)有戰(zhàn)勝的條件了。”

行業(yè)專業(yè)人士坦言，和工程型團(tuán)隊(duì)相比，學(xué)術(shù)型團(tuán)隊(duì)在計(jì)算資源上已經(jīng)不再是短板，而學(xué)術(shù)團(tuán)隊(duì)和工程團(tuán)隊(duì)的一個(gè)明顯差別在于，學(xué)生很難做到工程人員能做的事情，公司在這一點(diǎn)上可以做到極致。

“真正要把一件事情做好，需要每個(gè)component（組成部分）都做到極致。因此，從這個(gè)角度來(lái)看，很細(xì)致才能做得很好，DeepMind是一個(gè)很優(yōu)秀的集成者。”

每到AI戰(zhàn)勝人類時(shí)，總有這種相似的論調(diào)：XX職業(yè)要被AI取代了。因此，當(dāng)AlphaFold一出時(shí)，就有人預(yù)言到，結(jié)構(gòu)生物學(xué)家都要失業(yè)。

顏寧在微博里也就明確表示，如果你對(duì)結(jié)構(gòu)生物學(xué)的理解還停留在20年前，那這么說(shuō)也不是不行。但是結(jié)構(gòu)生物學(xué)自身一直在發(fā)展著，一場(chǎng)冷凍電鏡的分辨率革命更是令結(jié)構(gòu)生物學(xué)今時(shí)不同往日了。

AlphaFold注定會(huì)成為這個(gè)時(shí)代中濃墨重彩的一筆。顏寧在微博中的一段話，特別適合概括這次AlphaFold的時(shí)代意義。

我在2015年主持一個(gè)seminar的時(shí)候曾經(jīng)評(píng)論過(guò)：structural biology的本質(zhì)是biology，是理解生命、是做出生物學(xué)發(fā)現(xiàn)。但是在X-射線晶體學(xué)為主要手段的時(shí)代，獲得大多數(shù)研究對(duì)象的結(jié)構(gòu)本身太難了，于是很多研究者把“獲得結(jié)構(gòu)”本身作為了目標(biāo)，讓外行誤以為結(jié)構(gòu)生物學(xué)就是解結(jié)構(gòu)。

但是我從進(jìn)入這個(gè)領(lǐng)域之初，就被教育的明明白白：結(jié)構(gòu)本身只是手段，它們是為了回答問(wèn)題、做出發(fā)現(xiàn)。

人類對(duì)未知世界的渴求，對(duì)真相的追求，是AlphaFold在這個(gè)AI時(shí)代最好的注腳。

因此，當(dāng)看到馬化騰、李彥宏、王小川等人對(duì)生命科學(xué)的追求，花大價(jià)錢組建團(tuán)隊(duì)，我們應(yīng)該對(duì)這件事情的本身報(bào)以善良的敬意。因?yàn)椋趯W(xué)術(shù)研究的過(guò)程中，有著太多黎明前的黑暗，不是所有人都可以挺得過(guò)去。

每一個(gè)為了探尋人類生命奧秘而努力的個(gè)體，都是這個(gè)時(shí)代，最值得敬佩的人。

講座預(yù)約丨權(quán)威專家再談AlphaFold 2：AI是否會(huì)帶來(lái)結(jié)構(gòu)生物學(xué)的“大革命”？

8月7日（本周六 9：30），雷鋒網(wǎng)將舉辦主題為《權(quán)威專家再談AlphaFold2：AI是否會(huì)帶來(lái)結(jié)構(gòu)生物學(xué)的“大革命》的線上圓桌論壇，歡迎掃碼觀看。