2024诺贝尔化学奖颁给“AI蛋白质设计和结构预测”

2024年诺贝尔化学奖得主大卫·贝克（David Baker）、德密斯·哈萨比斯（Demis Hassabis）、约翰·乔普（John M. Jumper）（图片来源：诺贝尔奖委员会官网）

2024年诺贝尔化学奖颁给“AI蛋白质设计和结构预测”，一半授予大卫·贝克（David Baker），“以表彰在计算蛋白质设计方面的贡献”；另一半则共同授予德米斯·哈萨比斯（Demis Hassabis）和约翰·乔普（John M. Jumper），“以表彰他们在蛋白质结构预测方面的成就”。

蛋白质是生命活动的主要承担者，它们不仅控制并驱动着生命体内的所有化学反应，这些化学反应共同构成了生命的基础。蛋白质是具有数亿种不同形状的分子，从在血液中携带氧气到引发化学反应，每一种蛋白质都具有特定的生物功能，其功能通常由其形状或结构来定义。

图片来源：RCSB PDB

70年前，蛋白质被认为是一种凝胶状物质。现在，我们不仅能从头构建全新种类的蛋白质，还能够预测蛋白质的复杂结构。

研究蛋白质结构可以提供宝贵的信息，既可用于推理生物过程，也可用于实现基于结构的药物开发或靶向诱变等干预措施。

David Baker：构建全新蛋白质种类的壮举

大卫·贝克（David Baker），1962年出生于美国华盛顿州西雅图，现为华盛顿大学蛋白质设计研究所所长，同时也是霍华德·休斯医学院的杰出科研人员。

主要贡献：David Baker在计算蛋白质设计方面取得了开创性的成就。他成功研发出罗塞塔软件，设计出自然界中从未存在的新蛋白质，这一开创性工作不仅推动了蛋白质科学的边界，还为药物研发、疫苗设计等领域带来了革命性的突破。贝克教授的研究成果备受瞩目，曾荣获2021年科学突破奖·生命科学奖。

利用罗塞塔（Rosetta）软件构建蛋白质

通过计算方法和先进的生物技术，Baker及其团队设计出的新型蛋白质在药物开发、材料科学以及环境治理等方面展现出巨大的应用潜力。这些蛋白质的发现不仅推动了蛋白质科学的边界，还为生物医学、生物技术等多个领域带来了革命性的变化。

Demis Hassabis和John Jumper：AI模型预测蛋白质结构

主要贡献：Demis Hassabis和John Jumper开发了一个基于人工智能（AI）的模型，成功解决了困扰科学界长达50年的问题——预测蛋白质的复杂结构。他们利用AI技术成功预测了几乎所有已知蛋白质的结构，为科学界提供了宝贵的数据资源。其中，AlphaFold2是他们开发的人工智能工具，其三维蛋白质结构预测模型的准确率超过90%，比最接近的竞争对手高出5倍。这一成就为蛋白质科学的发展做出了重要贡献。

德米斯·哈萨比斯（Demis Hassabis），1976年7月出生于英国伦敦，4岁开始下国际象棋，8岁开始自学编程。本科以计算机科学双一的成绩毕业于剑桥大学，后来在伦敦大学学院完成了认知神经科学博士学位，又在MIT和哈佛做博士后。

他是一位兼具计算机科学与神经科学背景的杰出科学家，并以DeepMind公司创始人身份闻名。哈萨比斯不仅在人工智能领域取得重大突破，开发出颠覆围棋界的AlphaGo，2016年3月，AlphaGo在世界围棋锦标赛上击败了世界冠军李世石，这一事件震惊了世界，也标志着人工智能在围棋这一复杂领域取得了重大突破。

除了围棋领域外，DeepMind还将探索方向转向蛋白质折叠这一科学难题。2018年12月，DeepMind的AlphaFold成功预测了43种蛋白质中25种蛋白质的最准确结构，赢得了第13届蛋白质结构预测技术关键评估（CASP）。

此后，AlphaFold不断取得新进展。2020年，DeepMind公司又开发出了AlphaFold2，彻底碾压了此前所有的预测软件，其中就包括罗塞塔。

使用AlphaFold2设计的蛋白质结构

2021年7月，DeepMind 首次通过与欧洲分子生物学实验室（EMBL）合作建立的数据库公开发布 AlphaFold 预测结果，成功预测了近98.5%的人类蛋白质结构。为生物学和医学研究提供了有力支持。

约翰·乔普（John M. Jumper），1985年出生于美国阿肯色州，自幼便展现出对科学和数学的浓厚兴趣。本科阶段就读于一所私立名校，主修理论物理，这一学术背景为他日后在蛋白质结构预测领域的研究奠定了坚实的基础。随后，詹珀前往芝加哥大学深造，并获得了博士学位，研究方向是使用机器学习（ML）来模拟蛋白质折叠和动力学，这一领域的研究为他日后的工作提供了重要的技术支持。

他是谷歌DeepMind团队的高级研究科学家，AlphaFold的第一作者。作为AlphaFold项目的核心成员，他与团队成员共同开发出了AlphaFold这一革命性的蛋白质结构预测模型。AlphaFold能够直接从蛋白质的氨基酸序列中预测蛋白质的3D结构，并且达到原子级精度，这一成就被认为解决了困扰人类长达50年的蛋白质折叠挑战。

2024年5月，DeepMind团队又推出了AlphaFold 3，以前所未有的精确度预测了几乎所有的生命分子，包括蛋白质、DNA和RNA的三维结构，以及它们之间的相互作用模式。

AlphaFold3准确预测生物分子复合物的结构

AlphaFold的推出迅速推进了人类对基本生物过程的理解，并促进了药物设计等领域的发展。如今，全球已有数百万研究人员将AlphaFold应用在疟疾疫苗、癌症治疗和酶设计等领域，取得了不少新的发现。

未来展望

David Baker、Demis Hassabis和John Jumper的发现不仅展示了科学研究的创新性和前瞻性，还体现了跨学科合作的重要性。计算科学、生物技术和人工智能的紧密结合使得他们能够在蛋白质科学领域取得如此重大的突破。

蛋白质结构预测领域虽已取得里程碑式的进展，但仍面临蛋白质结构复杂性、大规模数据处理、算法解释性及生物多样性与个体差异等挑战。每一步都考验着科研人员的专业素养与创新精神。

随着对这些新型蛋白质和蛋白质结构的深入研究，我们相信这些发现推动技术创新与跨学科合作，以实现更精准、高效的预测，为生物学、医学及药物研发等领域带来更多突破与福祉。

致敬诺贝尔奖化学奖获得者，及在蛋白质设计和结构预测领域继续耕耘的研究者！

References：

1. Tunyasuvunakool K, Adler J, Wu Z, Green T, Zielinski M, ?ídek A, Bridgland A, Cowie A, Meyer C, Laydon A, Velankar S, Kleywegt GJ, Bateman A, Evans R, Pritzel A, Figurnov M, Ronneberger O, Bates R, Kohl SAA, Potapenko A, Ballard AJ, Romera-Paredes B, Nikolov S, Jain R, Clancy E, Reiman D, Petersen S, Senior AW, Kavukcuoglu K, Birney E, Kohli P, Jumper J, Hassabis D. Highly accurate protein structure prediction for the human proteome. Nature. 2021 Aug;596(7873):590-596. doi: 10.1038/s41586-021-03828-1.

2. Abramson J, Adler J, Dunger J, et al.  Accurate structure prediction of biomolecular interactions with AlphaFold 3. Nature. 2024 Jun;630(8016):493-500. doi: 10.1038/s41586-024-07487-w.

3. https://www.nobelprize.org/prizes/chemistry/2024/press-release/

4. https://www.technologyreview.com/2016/03/31/161234/how-google-plans-to-solve-artificial-intelligence/

免责声明：本文内容来源于第三方或整理自互联网，本站仅提供展示，不拥有所有权，不代表本站观点立场，也不构成任何其他建议，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容,不承担相关法律责任。如发现本站文章、图片等内容有涉及版权/违法违规或其他不适合的内容， 请及时联系我们进行处理。