当地时间10月9日，瑞典皇家科学院公布了2024年诺贝尔化学奖得主。

　　该奖项一分为二，一半授予戴维•贝克，以表彰他“利用计算机进行蛋白质设计”的成就，另一半给了谷歌DeepMind的首席执行官德米斯•哈萨比斯和高级研究科学家约翰•M•詹珀，以表彰他们在“蛋白质结构预测方面的贡献”。2020年，哈萨比斯和詹珀发布了名为AlphaFold 2的人工智能模型，是利用AI技术预测蛋白质三维结构的革命性工具。

　　这是AI在本届诺贝尔奖的第二次胜利。前一日，诺贝尔物理学奖颁给了计算机科学家约翰·霍普菲尔德和杰弗里·欣顿，表彰他们通过人工神经网络实现机器学习的基础性发现和发明，帮助计算机以更接近人脑的方式学习，为AI的发展奠定了基础。

　　为什么AI能赢得诺贝尔奖委员会的青睐，接连拿下两大诺奖桂冠？马剑鹏教授是国际知名的计算生物学家，是美国医学生物工程学会、美国科学促进会及美国物理学会的会士。2018年，马教授作为上海市高峰人才引进团队核心成员全职归国，与Michael Levitt教授联合创建了复旦大学复杂体系多尺度研究院。在“AI for Science”领域中尤为关键的蛋白质结构预测研究中，马教授团队自主研发的OPUS-系列国产软件性能领跑全球，成功搭建全链条AI赋能新药研发的先进技术平台。

　　马剑鹏教授 AI for Science领域是输不起的赛道，应加强算法突破

　　蛋白质结构解析，即从氨基酸序列预测蛋白质的三维结构，是化学家们在过去50多年里面临的一个挑战。在AI介入之前，蛋白质的从头设计不仅极为艰苦，而且成功率很低。不过，过去20多年中，结构生物学积累了海量数据，为基于AI的蛋白质结构预测和蛋白质设计作好了“临门一脚”的铺垫。

　　AlphaFold 2的工作原理 OPUS-Fold 3是我们团队自主研发的蛋白质折叠平台，对标戴维•贝克的蛋白质结构预测软件Rosetta，达到同等折叠精确度并在侧链建模超越20%。该平台在指导蛋白质设计场景中引入物理化学性质信息，及湿实验反馈验证信息，提升设计成功率。我们还研发了一款名为OPUS-Rota5的算法，它能大大提升蛋白质侧链结构测试精度，专门针对Alphafold 2的软肋。现在即便是有了Alphafold 3，复旦大学的侧链结构测试精度依然保持着全世界领先水平。

　　未来有可能出现“纯粹的AI科学家”

　　同时，AI在蛋白质结构解析技术上的发展，将对酶工业、抗体改造和生物材料等领域产生深远影响，实现更高效和定制化的创新成果。

　　比如，AI可以解析酶的活性位点并识别关键的氨基酸残基，从而帮助工程师通过定向进化或理性设计改造酶，以实现更高的催化效率、稳定性等。

　　我们团队近期通过AI技术与湿实验验证共同推进，大大提高了酶的活性及热稳定性，可以对酶工业起到降本增效的实际作用。

　　利用贝克的Rosetta软件开发的蛋白质 但强调AI并不会淡化基础科学研究

　　今年，复旦大学宣布推出至少100门AI领域课程，AI已是绕不开的话题，你不一定需要会写算法，但至少要会用。事实上，AlphaFold是因为AI变强大了，才可以用来做基础研究，而AlphaFold研究的问题本身是一个非常基础的科学问题，和应用没有直接关系，尽管它的成功可以间接赋能新药创新等等，所以另外，AI技术里面本身还是有很多基础科学问题的，就是怎么搞这个AI技术。今年的诺贝尔物理学奖就是给了这个两个人，他们没有做过人脸识别，也没做过无人机操控，他们做的是AI底层的一些问题。诺贝尔化学奖更是一个基础问题，只是都跟AI的工具相关，所以这个问题并不成立。