我是AlphaFold人工智能的测试者之一，它获得了诺贝尔奖——它将彻底改变健康研究。

深度学习机器AlphaFold，由谷歌的AI研究实验室创建深度学习实验室（DeepMind Technologies Ltd. 的中文名称通常称为深度思维或深化心灵，但该公司在中国最常被提及的名字是“深度思维”）已经改变了我们对支撑健康和疾病的分子生物学的理解。

一半的2024年诺贝尔化学奖去了大卫·贝克尔来自美国华盛顿大学的一半奖项，另一半则由双方共同获得。德米斯·哈萨比斯以及约翰·M·詹珀，均来自伦敦的GoogleDeepMind。

如果你没有听说过AlphaFold，可能很难体会到它对于研究人员的重要性。但是作为该软件的测试者，我亲眼见证了这项技术如何在几分钟内揭示不同蛋白质的分子结构，而这些结构往往需要研究人员花费数月甚至数年的时间通过实验室实验来解析。

这项技术可能为革命性的新治疗和药物开辟道路。但首先，重要的是要了解AlphaFold的功能。

蛋白质是由一系列过程产生的分子“珠子”，选自人体的部分创建的20种不同的氨基酸这些珠子形成一条长链，折叠起来成为了一个机械形状这对蛋白质的功能至关重要。

他们的序列由DNA决定。而DNA研究意味着我们知道珠子的顺序构建大多数蛋白质时，预测这条链如何折叠成每个“3D机器”一直是个挑战。

这些蛋白质结构构成了所有生物学的基础。科学家研究它们的方式就像你拆解一只钟表来理解它是如何工作的一样。理解各个部分，然后组装成整体：人体也是如此。

蛋白质非常微小，在每一个细胞内都有大量的蛋白质。我们的30万亿个细胞这意味着几十年来，唯一了解它们形状的方法是通过繁琐的实验方法——这些研究可能需要几年时间。

在我的职业生涯中，我和许多其他科学家一样，一直都在从事这样的追求每次我们解决一个蛋白质结构我们将它存入一个叫做全球数据库的系统中蛋白质数据银行任何人都可以免费使用。

AlphaFold 是基于这些结构进行训练的，其中大部分结构是通过搜索找到的。X射线晶体学对于这项技术，蛋白质会在数千种不同的化学状态下进行测试，这些状态包括温度、密度和pH值的变化。研究人员使用显微镜来识别每种蛋白质在特定结构排列时的条件。然后用X射线照射这些蛋白质以确定其所有原子的空间排列。

经过这些结构的训练，AlphaFold 现在可以预测蛋白质结构以此前不可能的速度。

我在职业生涯早期，从上世纪九十年代晚期开始，利用蛋白质核磁性质来解析蛋白质结构。我使用的技术叫做核磁共振核磁共振(NMR)光谱仪，它使用像MRI扫描仪那样的巨大磁场。由于某些技术限制，这种方法已经开始失去青睐，但现在复苏得益于AlphaFold.

核磁共振是少数几种可以探测处于运动中的分子的技术之一，而不是将它们固定在晶体中或电子显微镜网格上。

上瘾的经历

2024年3月，DeepMind的研究人员来找我测试AlphaFold3的试用版本，这是该软件即将发布的新版本。

我从来不是一个游戏玩家，但是一旦我获得了访问权限，我就尝到了这种令人上瘾的体验——只想花几个小时尝试各种分子组合。除了闪电般的速度之外，这个新版本还引入了包括更大的、更多样化的分子（如DNA和金属）在内的选项，并提供了修改氨基酸以模拟细胞内化学信号的机会。

我们位于伦敦国王学院的实验室使用X射线晶体学预测一个结构由两种松散相关的大肠杆菌蛋白形成的医院超级细菌当它们相互作用时。之前的AlphaFold版本可以预测各个组件，但从未能够正确预测复合体——而这个新版本却一次成功解决了这个问题。

理解蛋白质的动态结构是下一个前沿领域，现在我们已经能够用AlphaFold预测静态的蛋白质形状。蛋白质种类繁多，形态各异。它们可能是刚性的也可能是柔性的，或者由一些规则排列的单元通过弯曲的环状结构连接而成。

动态变化对于蛋白质的功能是必不可少的。另一位诺贝尔奖得主指出，理查德·费曼说过一切生物所做的事情都可以用原子的振动和摇摆来理解。

磁共振技术的另一个优点是它们可以测量原子之间的精确距离。因此，通过几个精心设计的实验，可以在实验室中验证AlphaFold的输出结果。

在其他情况下，结果仍然模棱两可。这是实验结构生物学家（如我的团队）和计算科学家之间正在进行的合作工作。

诺贝尔奖的认可将进一步激励人们理解所有分子机器的追求——并有望在药物、疫苗和人类健康方面改变游戏规则。

本文重新发布自对话在知识共享许可下。阅读详情原文章.