今年诺贝尔化学奖授予了蛋白质设计和结构预测，而这也是 AI 的再一次胜利

北京时间 10 月 9 日下午 5 点 45 分，2024 诺贝尔化学奖揭晓，瑞典皇家科学院将今年奖项授予了大卫·贝克（David Baker）、德米斯·哈萨比斯（Demis Hassabis）和约翰·M·朱珀（John Michael Jumper），三位科学家因为对蛋白质结构和设计的研究而获奖。

三位科学家将分享 1100 万瑞典克朗奖金。奖金一半是授予大卫·贝克的，获奖理由是表彰他“对计算蛋白质设计的贡献”（for computational protein design），另一半则由德米斯·哈萨比斯和约翰·M·朱珀平分，他们的获奖理由是“对蛋白质结构预测的贡献”（for protein structure prediction）。

其中生物化学家、计算生物学家大卫·贝克 1962 年 10 月 6 日在西雅图出生，他在 1989 年获得加利福尼亚大学伯克利分校生物化学博士学位，目前他是美国国家科学院院士、华盛顿大学蛋白质设计研究所所长。

上世纪 90 年代之前，科学家只能通过对现有蛋白质进行定向改造来为其赋予新功能（比如在化学工业中充当催化剂），大卫·贝克和他的团队选择从零开始设计蛋白质，团队绘制了全新的结构，然后通过自己开发的能预测蛋白质结构的软件 Rosetta 来计算所需的氨基酸序列，而最终他们成功了。

这标志着蛋白质工程领域实现重大突破。因为这样通过计算机应用和算法来直接设计蛋白质，这摆脱了自然界已有蛋白质的限制，让科学家可以直接“定制”蛋白质，从而在疾病治疗、药物研发、生物学、新材料等各个方面都掌握主动权。

随后大卫·贝克还开源了 Rosetta，这进一步推动全球科学家对 Rosetta 进行持续应用和迭代，这也直接影响了德米斯·哈萨比斯和约翰·M·朱珀后续的工作。

德米斯·哈萨比斯 1976 年 7 月 27 日生于伦敦，他在伦敦大学学院获得认知神经科学博士学位，又在麻省理工学院和哈佛大学进行了神经科学和人工智能研究。2010 年他和谢恩·莱格（Shane Legg）、穆斯塔法·苏莱曼（Mustafa Suleyman）一起创立了 DeepMind，2014 年 DeepMind 被 Google 收购后他也来到 Google，现在他仍然是 DeepMind 的 CEO。

约翰·M·朱珀则更加年轻，他 1985 年生于美国阿肯色州小石城，2017 年他获得了芝加哥大学博士学位，现在他是 DeepMind 的董事和高级研究科学家。而以不到 40 岁的年龄就获得诺贝尔奖，这是一项非常了不起的成就。

延伸阅读：1915 年威廉·劳伦斯·布拉格（William Lawrence Bragg）获得诺贝尔物理学奖时只有 25 岁，他至今也是诺奖自然科学类奖项里最年轻的获奖者。

这两位其实并不是传统意义上的化学或生物领域科学家，DeepMind 选择蛋白质结构预测这一研究方向，其实主要是为了验证人工智能的能力（在此之前 DeepMind 带来的 AlphaGo 刚刚战胜了李世石和柯洁，深度学习在下围棋这个项目上的探索基本告一段落，蛋白质结构预测成为了下一个课题）。

在德米斯·哈萨比斯团队带来 AlphaFold 后，蛋白质结构预测的准确率迅速提升，随后约翰·M·朱珀加入团队，他和德米斯·哈萨比斯一起主导了 AlphaFold2 的开发，这套深度学习算法能“以惊人的准确度”完成对蛋白质的三维结构预测，在事实上终结了过去数十年来科学界在这件事上传统的工作流程，这甚至已经不再是个课题。

AlphaFold2 随后也被 DeepMind 做了开源，它已经被全球相关科研人员应用到了日常的研究当中（需要注意的是这样的预测不是完全准确的，但它能帮助科研人员预测结果的可靠程度。并且过去获得一个蛋白质结构通常要数年时间，还不保证成功，现在用 AlphaFold2 只需要几分钟就能完成）。

有意思的是，在前一天的物理学奖授予机器学习领域的两位先驱之后，这次化学奖也再次给到两位 AI 领域的大佬（Google 这一波也相当风光。而德米斯·哈萨比斯才刚在 X 上祝贺了自己的前同事杰弗里·辛顿，结果一天后自己也获奖了），这被大家笑称今年诺贝尔奖是狠狠蹭了一下 AI 的热度。

但相比物理学奖给得还略有些理由牵强，化学奖倒是争议不大，三位科学家的确极大程度改变了蛋白质的设计和对蛋白质结构的获取流程，并且他们还通过模型开源，直接推动了生物学、药物开发等相关研究领域可以极大地缩短工作周期，这对人类带来的贡献无法估量。

一定要说 AI 的话，是 AI 的确已经相当程度地介入了我们的生产生活，并且它完全可以在所有领域都发挥作用，两位 DeepMind 的科学家以 AI 的方式解决了化学方面的问题，其他科学家也可以用同样的方式解决其它领域的其它问题。

正所谓“在 AI 时代，很多产品都可以重做一次”，或许同样的，在 AI 时代，很多课题也都可以再研究一次。接下来我们看到更多“被 AI 加持”的科学家获得更多的诺贝尔奖也未可知。

本文图片来自慕尼黑工业大学、美国国家科学院院刊、诺贝尔奖官方。