一维的分子链如何正确折叠成特定的三维形状，这被称为蛋白质折叠问题。三年前，谷歌的 AlphaFold 实现了迄今为止科学界最大的人工智能（AI）突破——蛋白质结构预测准确率超过 90%。这加速了分子研究，并引发了关于我们为什么要做科学的深层次问题。然而，这是否意味着人工智能永远改变了蛋白质科学的研究范式？
日前，Quanta Magazine 科学作家 Yasemin Saplakoglu 在一篇长文中详细介绍了蛋白质折叠问题的历史——从早期实验学家使用 X 射线晶体学解析蛋白质结构，到计算生物学家尝试通过算法预测结构，再到 AlphaFold 的出现及其带来的颠覆性影响。
同时，她也探讨了人工智能在蛋白质科学领域的突破性进展，特别是 AlphaFold 如何改变蛋白质结构预测，并引发关于科学未来和人工智能角色的深刻思考。如今，人工智能正在颠覆蛋白质科学，但或许并未终结它，事实是怎样的？
2020 年 12 月，数百名计算科学家聚集在他们的屏幕前，一起见证了科学新时代的到来。
他们参加了会议，这是部分人已经参加了近三十年的友好比赛，在这里，他们可以聚在一起，专注于同一个问题。这个问题就是蛋白质折叠问题，说起来非常简单：他们能否从最基本的信息——蛋白质分子的三维分子编码——准确预测出蛋白质分子的三维形状？蛋白质维持我们的细胞和身体的生存与运行。由于蛋白质的形状决定了它的功能，因此成功解决这一问题将对我们理解疾病、生产新药以及洞察生命运作方式产生深远影响。
在这场每两年举行一次的会议上，科学家们测试了他们最新的蛋白质折叠工具。但似乎距离实现这一目标总是遥不可及。他们中的一些人穷极一生试图在这方面预测上取得一点点进步。每次比赛只是带来微小的进步，他们当时没有理由认为 2020 年会有什么不同。但他们错了。
就在那一周，蛋白质科学界的新秀 John Jumper 展示了一种新的人工智能工具 AlphaFold2，这款工具出自 Google DeepMind。在 Zoom 会议上，他提交的数据显示，AlphaFold2 的三维蛋白质结构预测模型准确率超过 90%，比最接近的竞争对手高出五倍。顷刻之间，蛋白质折叠问题从“不可能”变得“轻而易举”。
人工智能在这一人类思维无法解决的领域取得的成功震撼了生物学界。哥伦比亚大学数学基因组学项目的系统生物学家 Mohammed AlQuraishi 参加了会议，他说：“我感到震惊，很多人都相信。”但在总结发言中，会议组织者 John Moult 毫不怀疑地相信：AlphaFold2 已经“在很大程度上解决了”蛋白质折叠问题——并永远改变了蛋白质科学。
不可否认的是，AlphaFold2 改变了生物学家研究蛋白质的方式。然而，虽然 AlphaFold2 是一个强大的预测工具，但它并不是一个无所不知的机器。它非常巧妙地解决了蛋白质折叠问题的一部分，但不是以科学家的方式解决的。它并没有取代生物实验，而是强调了生物实验的必要性。也许 AlphaFold2 最大的影响是让生物学家关注到人工智能的力量。
它已经启发了新的算法，包括设计自然界中不存在的新蛋白质的算法；新的生物技术公司；以及新的科学实践方式。它的后继者 AlphaFold3 于 2024 年 5 月发布，通过模拟蛋白质与其他分子（如 DNA 或 RNA）结合的结构，进入了生物预测的下一个阶段。“这是科学领域中有关机器学习的最大的故事。” AlQuraishi 说道。然而，仍有大量的空白尚未被人工智能填补。
这些工具无法模拟蛋白质如何随时间发生变化，也无法在蛋白质存在的环境（即细胞内）中模拟它们。在劳伦斯伯克利国家实验室开发生物分子结构建模算法的结构生物学家 Paul Adams 说：“AlphaFold 改变了，却也没有改变。”这就是 Jumper 团队如何在蛋白质科学领域取得突破的故事，以及这对人工智能在生物学领域的未来意味着什么。