有了AI还需要结构生物学家吗？施一公等顶尖专家这样看

　　结构生物学通过研究生物大分子的三位空间结构、动态过程和生物学功能，可以提供蛋白质相互作用的更多细节以及实时动态变化的过程，从而帮助科学家理解分子机理，并探索与大分子功能失调相关疾病的发病机理。

　　结构生物学的发展不仅有助于药物的发现，而且也将影响包括生物化学、细胞生物学、遗传发育、神经生物学、微生物学以及病理药理等在内的生命科学研究领域。

　　科技的发展一直在推动结构生物学的进展。2017年诺贝尔化学奖授予冷冻电镜技术，凭借这种技术，能够大幅提高解析大型蛋白复合体原子分辨率三维结构的效率；而且研究人员能够冻结在运动中的生物分子，并且将其运动过程视觉化呈现出来。

　　这一突破给结构生物学领域带来了一场完美风暴。近年来生命科学领域也取得了重要的突破，程亦凡、施一公、杨茂君和柳正峰等中国科学家的工作也都受益于该技术，他们解析了原子分辨率的重要复合体结构。此外，冷冻电镜将产生导致阿尔茨海默综合症蛋白的酶解析出来。

　　2015年8月，施一公研究团队在《自然》（Nature）杂志上发表文章，报道了分辨率高达3.4埃的人体γ-分泌酶的三维电镜结构，并且基于结构分析研究了γ-分泌酶致病突变体的功能，为理解γ-分泌酶的工作机制以及阿尔茨海默症的发病机理提供了重要基础。

　　2020年2月，新冠疫情暴发后，西湖大学研究团队又利用冷冻电镜技术首次成功解析新型冠状病毒受体ACE2的全长结构，助力新冠药物的研发。

　　AI预测蛋白折叠改变了什么？

　　而借助人工智能技术，谷歌旗下的DeepMind公司近期公布了AlphaFold软件预测的2.2亿种蛋白质结构，震惊结构生物学领域，因为这预示着人工智能企业已经开始“真正地把Al的力量交到全世界科学家的手中”。

　　科学家将这一颠覆性突破成果的意义与人类基因组计划相提并论。上世纪90年代，人类基因组计划开始成形时，科学家意识到光掌握基因的碱基排列是不够的，还必须了解基因的产物蛋白质。

　　中国科学院院士、结构生物学家、西湖大学校长施一公这样评价AlphaFold的工作：“它对蛋白结构的精准预测，是人工智能对科学领域最大的一次贡献，也是人类在21世纪取得的最重要的科学突破之一。”

　　施一公曾告诉第一财经记者：“AlphaFold代表了目前全球最领先的人工智能蛋白机构预测系统。”他同时称，中国的高科技企业也在追赶，期待不久的将来能够带给世界惊喜。

　　他还表示，蛋白结构预测精准性的提升将使得制药行业大为受益。“人工智能预测蛋白结构为药物设计和优化提供了重要的基础。所有小分子药物结合的药物靶点蛋白的结构，几乎都能被AlphaFold一网打尽。”施一公表示。

　　而在一些科学家看来，尽管AlphaFold的工作令人震惊，但对于药物研发预测的精准性还不够。上海科技大学iHuman研究所执行所长刘志杰教授对第一财经记者表示：“预测蛋白质结构对工作已经持续了很长一段时间，现在的预测的准确度肯定是越来越高了，但是仍然没有达到晶体结构的精度。”

　　刘志杰告诉第一财经记者，晶体结构是最精确的，而现在人工智能预测蛋白质折叠估计能够达到电镜以及核磁共振的精度。此外，由于蛋白质有成千上万种结构，解析的难度也不一样。“如果一些蛋白序列和人工智能已知的结构比较相近，那么就比较容易预测。”刘志杰表示。

　　但他仍然认为，随着蛋白质折叠的预测精确度不断提升，未来将在生命科学领域发挥更加重要的作用。“现在的预测如果能达到电镜的精度，就已经可以对一些药物进行设计，药物设计是人工智能蛋白质折叠预测最大的应用领域。”刘志杰对第一财经记者说道。

　　也有人认为，随着人工智能的发展，未来可能不需要那么多结构生物学家了。“很多做结构生物学的科研人员其实更像是技术服务人员，人越多，能够解析的结构一定也越多，因此从本质上来讲，有很大一部分的工作是靠人力，现在有了AI，确实有很大一部分做结构生物的人转行了。”一位病毒研究员告诉第一财经记者。

　　不过对于施一公等顶尖结构生物学家而言，技术只是对“顶尖大脑”的有力支撑，能够帮助他们实现更多的想法。“每一位用心的生物学家都应该知道如何用好人工智能的结构预测。”施一公表示。

　　2013年诺贝尔化学奖获得者迈克尔·莱维特（Michael Levitt）教授对第一财经记者表示：“我认为很多结构生物学家不仅仅是在做结构方面的研究，他们也做很多蛋白功能以及药物研发方面的工作，就好像颜宁教授。人工智能只是解放了一部分传统的人力，但是科学的进步仍然需要依靠最聪明的人脑，单靠人工智能恐怕还是不行的。”

　　近年来，国内也诞生了一批AI制药企业。对此，中科院院士，北京科学智能研究院院长鄂维南向第一财经记者指出：“AI for Science研究范式的出现是科技创新的一个重要历史机遇，不仅拓展了数据驱动、物理模型驱动模式的能力边界，还有望推动二者的有机结合，为进一步解决实际问题提供理论基础，极大地拉近了科学研究与实际应用的距离。”