2024年诺贝尔化学奖颁发给了Demis Hassabis、John Jumper和David Baker，以表彰他们利用机器学习解决生物学中最大的难题之一——预测蛋白质的3D结构并从头设计蛋白质。这次获奖的研究起源于科技公司DeepMind，这是一个不同寻常的现象，因为以往大多数化学诺奖获得者来自学术界。
今年的物理学和化学奖有一个有趣的联系：物理学奖表彰了机器学习的基础理论，而化学奖则表彰了应用机器学习破解蛋白质折叠难题。2024年诺贝尔奖强调了人工智能在当今科学中的重要性，以及跨学科合作对取得突破性成果的关键作用。
蛋白质折叠难题
蛋白质是生命的分子机器，它们的3D结构决定了其功能。1972年，Christian Anfinsen因揭示蛋白质的氨基酸序列决定其形状而获得诺贝尔化学奖。然而，预测蛋白质形状一直是科学界未解的难题，尤其是基于其氨基酸序列来推测其折叠成的最终结构。
机器学习的突破
随着DeepMind成立，Demis Hassabis及其团队将AlphaZero等AI技术的成功应用于蛋白质折叠问题，开发出AlphaFold2。该AI可以根据氨基酸序列精确预测蛋白质的3D结构。这一突破不仅解决了长期困扰生物学的难题，还为药物开发和疾病治疗提供了新的可能性。
AlphaFold已经预测了超过2亿种蛋白质的结构，并免费提供给全球科学家使用，加速了生物学、医学和药物研发的进展。
设计新蛋白质抗击疾病
预测蛋白质的形状对设计新药物至关重要。2024年，DeepMind发布了AlphaFold3，不仅能预测蛋白质结构，还能识别小分子药物的结合位点，进一步推动精准药物设计的发展。
与此同时，David Baker及其团队利用AI创造了全新的蛋白质，包括发光酶，展示了机器学习在设计自然界无法进化的功能性蛋白质方面的潜力。
AI推动科学的未来
Hassabis、Jumper和Baker的成就表明，机器学习已经成为生物学和医学的核心工具。通过破解蛋白质折叠难题，他们为药物发现、个性化医疗以及生命化学的深入理解开启了新的篇章。