來源：藥明康德
就在人工智能學(xué)者出人意料地摘得2024年諾貝爾物理學(xué)獎之后，北京時間10月9日下午，諾貝爾基金會宣布將今年的諾貝爾化學(xué)獎頒發(fā)給了三位研究領(lǐng)域與人工智能相關(guān)的科學(xué)家。
其中，被譽為“AlphaFold之父”的谷歌DeepMind公司Demis Hassabis博士和John Jumper博士因為蛋白質(zhì)結(jié)構(gòu)預(yù)測獲獎，而華盛頓大學(xué)的David Baker教授因計算蛋白設(shè)計榮獲殊榮。他們開發(fā)的AI解決方案成功解決了50年來蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域的重大挑戰(zhàn)，加速了生物醫(yī)藥領(lǐng)域的科學(xué)發(fā)現(xiàn)。
下面，藥明康德內(nèi)容團隊將與大家一道回顧這個革命性的AI解決方案的誕生和成長史。
首先，讓我們來看兩位共同主導(dǎo)了AlphaFold開發(fā)的獲獎?wù)叩墓适隆Ｆ渲校?/span>Demis Hassabis博士是DeepMind的創(chuàng)始人兼首席執(zhí)行官，同時也是AlphaFold項目的負(fù)責(zé)人。John Jumper博士則是AlphaFold項目的首席高級研究員。深度學(xué)習(xí)算法使蛋白結(jié)構(gòu)預(yù)測領(lǐng)域?qū)崿F(xiàn)飛躍我們都知道，蛋白質(zhì)是維持我們生命所必需的龐大而復(fù)雜的物質(zhì)。我們身體的幾乎所有功能，例如收縮肌肉、感知光線或?qū)⑹澄镛D(zhuǎn)化成能量等，都需要一種或多種蛋白質(zhì)來完成。而蛋白質(zhì)具體能做什么就要取決于它獨特的3D結(jié)構(gòu)了。然而，純粹基于其基因序列推測蛋白質(zhì)的3D結(jié)構(gòu)是一項非常具有挑戰(zhàn)性的復(fù)雜任務(wù)。這是因為我們的DNA通常只包含蛋白質(zhì)中氨基酸殘基的序列信息，而這些氨基酸殘基形成的長鏈將會折疊成錯綜復(fù)雜的3D結(jié)構(gòu)，加上蛋白質(zhì)越大，需要考慮的氨基酸之間的相互作用就越多，對其結(jié)構(gòu)的建模過程就會更加復(fù)雜和困難。在過去的數(shù)十年中，科學(xué)家們已經(jīng)能夠利用冷凍電子顯微鏡、核磁共振或X射線晶體學(xué)等技術(shù)在實驗室中確定蛋白質(zhì)的形狀，但這些方法都需要通過大量的試錯才能獲得最終的結(jié)果，這可能需要花上好幾年時間以及大量的資金。幸運的是，得益于基因測序成本的快速降低，基因組學(xué)領(lǐng)域的數(shù)據(jù)變得豐富了起來。一些科學(xué)家們開始利用AI技術(shù)開發(fā)深度學(xué)習(xí)算法，在基因組學(xué)數(shù)據(jù)的基礎(chǔ)上對蛋白質(zhì)結(jié)構(gòu)進行預(yù)測。在此基礎(chǔ)上，AlphaFold誕生了。
2018年12月，DeepMind宣布推出全新的AlphaFold系統(tǒng)，能夠預(yù)測并生成蛋白質(zhì)的3D結(jié)構(gòu)。在當(dāng)年的國際蛋白質(zhì)結(jié)構(gòu)預(yù)測競賽（CASP）上，初次登場的AlphaFold就成為了最大的黑馬，以絕對的優(yōu)勢擊敗了上百位的參會選手，拔得頭籌。在比賽中，AlphaFold成功預(yù)測了給定的43種蛋白質(zhì)中的25種的最準(zhǔn)確結(jié)構(gòu)，而同一類別的第二名參賽隊伍只預(yù)測出了43種中的3種。和以往依賴預(yù)先構(gòu)想邏輯的傳統(tǒng)人工智能方法不同的是，AlphaFold并未使用已經(jīng)明確結(jié)構(gòu)的蛋白質(zhì)3D模型作為模板，而是通過將機器學(xué)習(xí)作為蛋白質(zhì)結(jié)構(gòu)預(yù)測網(wǎng)絡(luò)的核心組成部分，讓AlphaFold從數(shù)據(jù)中自行發(fā)現(xiàn)模式規(guī)律。DeepMind團隊使用的方法都以深度神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，從基因序列中預(yù)測蛋白質(zhì)的兩種物理性質(zhì)：氨基酸對之間的距離及連接這些氨基酸的化學(xué)鍵之間的角度。首先，研究小組訓(xùn)練了一個深度神經(jīng)網(wǎng)絡(luò)，來預(yù)測蛋白質(zhì)中每對氨基酸殘基之間距離的分布情況。然后，研究人員將這些數(shù)值轉(zhuǎn)化為評分，來對蛋白質(zhì)結(jié)構(gòu)的精確程度進行評估。同時，研究人員還另外訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)，利用這些距離數(shù)值來評估預(yù)測結(jié)構(gòu)與真實結(jié)構(gòu)的接近程度。不僅如此，DeepMind的研究人員還在這些評分函數(shù)的基礎(chǔ)上，使用了兩種全新的方式來優(yōu)化蛋白質(zhì)結(jié)構(gòu)評分：他們使用了一個生成神經(jīng)網(wǎng)絡(luò)，不斷生成新的蛋白質(zhì)片段來反復(fù)替換一段舊的蛋白質(zhì)結(jié)構(gòu)，這樣一來，蛋白質(zhì)結(jié)構(gòu)的評分就被不斷提高了。另外，研究人員還使用了一種名為梯度下降的方式來讓AlphaFold預(yù)測的結(jié)構(gòu)變得高度精確。梯度下降是一種機器學(xué)習(xí)中常用的數(shù)學(xué)技術(shù)，用來實現(xiàn)漸進式的細(xì)微改進。研究人員將這項技術(shù)用于整個蛋白質(zhì)鏈，而不是結(jié)構(gòu)中組裝前必須分開折疊的片段，降低了預(yù)測過程的復(fù)雜性。AlphaFold再次進化加速科學(xué)發(fā)現(xiàn)盡管AlphaFold的首戰(zhàn)告捷，但DeepMind的研究人員并不滿意：他們希望得到一種對于實驗人員更加有用的工具，誤差小于1埃米（原子的大?。?。經(jīng)過多輪的調(diào)試和集思廣益，DeepMind的研究團隊在原來的算法基礎(chǔ)上成功構(gòu)建出了AlphaFold2。在2020年的CASP上，DeepMind的AlphaFold2系統(tǒng)表現(xiàn)驚艷，在接受檢驗的近100個蛋白靶點中，AlphaFold2對三分之二的蛋白靶點給出的預(yù)測結(jié)構(gòu)與實驗手段獲得的結(jié)構(gòu)相差無幾。有些情況下，已經(jīng)無法區(qū)分兩者之間的區(qū)別是由于AlphaFold2的預(yù)測出現(xiàn)錯誤，還是實驗手段產(chǎn)生的假象。2021年，Hassabis博士和Jumper博士與歐洲分子生物學(xué)實驗室的歐洲生物信息學(xué)研究所（EMBL-EBI）合作，發(fā)布了AlphaFold預(yù)測的蛋白結(jié)構(gòu)數(shù)據(jù)庫（AlphaFold Protein Structure Database）。這個數(shù)據(jù)庫涵蓋了人類和20種常用模式生物的35萬個蛋白質(zhì)結(jié)構(gòu)，并且對98.5%的人類蛋白質(zhì)結(jié)構(gòu)進行了準(zhǔn)確預(yù)測——要知道在此之前，科學(xué)界解析的蛋白質(zhì)結(jié)構(gòu)只覆蓋了人類蛋白序列17%的氨基酸。歐洲生物信息研究所主任Ewan Birney博士稱該數(shù)據(jù)庫為人類基因組圖譜發(fā)布以來最重要的數(shù)據(jù)庫之一。人工智能預(yù)測蛋白質(zhì)結(jié)構(gòu)領(lǐng)域的一系列突破，也被《科學(xué)》評選為2021年的年度科學(xué)突破。而更令人激動的是，他們開發(fā)的這一數(shù)據(jù)庫將免費提供給全球的科研人員開放使用！許多科學(xué)家和生物醫(yī)藥公司的研究員興奮地表示，這一系列突破將加速新藥開發(fā)，并為基礎(chǔ)科學(xué)帶來全新革命。2022年，DeepMind與EMBL-EBI團隊的合作又迎來了一項巨大的飛躍。AlphaFold對蛋白質(zhì)結(jié)構(gòu)的預(yù)測不再局限于人類與模式生物，而是拓展至涵蓋了動植物、細(xì)菌等的100萬個物種。不僅如此，其預(yù)測的蛋白質(zhì)結(jié)構(gòu)數(shù)量也提升了數(shù)百倍。AlphaFold2已對超過2億種蛋白質(zhì)進行了結(jié)構(gòu)預(yù)測——幾乎是科學(xué)界已知的所有蛋白質(zhì)。同樣的，這2億種蛋白質(zhì)的結(jié)構(gòu)預(yù)測數(shù)據(jù)依然向公眾免費開放，使研究人員能夠像使用谷歌搜索信息一樣搜索蛋白質(zhì)的結(jié)構(gòu)，為研究人員即時提供他們正在研究的任何蛋白質(zhì)的預(yù)測模型，大大減少了他們曾經(jīng)需要花在確定蛋白質(zhì)結(jié)構(gòu)上的時間。目前，這些數(shù)據(jù)已經(jīng)在瘧疾疫苗開發(fā)、解決抗生素耐藥性問題與塑料污染等場景中得到應(yīng)用，并能夠幫助研發(fā)人員加速新藥研發(fā)。除此以外，該模型還具有加速生物學(xué)各個研究領(lǐng)域的潛力，其應(yīng)用前景正等著更多才華橫溢的科學(xué)家們來盡情開發(fā)。提到蛋白質(zhì)從頭設(shè)計，華盛頓大學(xué)蛋白質(zhì)設(shè)計研究所所長David Baker博士的大名可謂是無人不知。不過，可能很少有人知道，在走上生物化學(xué)研究的道路前，Baker的專業(yè)是研究哲學(xué)。1983年，一堂關(guān)于蛋白質(zhì)折疊問題的生物學(xué)課程徹底改變了他的人生軌跡。自那以后，這個眾多科學(xué)家前赴后繼嘗試破解的生物學(xué)難題便成了他畢生的研究課題。在生物體內(nèi)，蛋白質(zhì)讓很多科學(xué)家們著迷。這種分子的尺寸只有納米大小，復(fù)雜程度卻可以超過任何一臺人造的機器，大自然的精妙由此也可見一斑。1983年，在哈佛大學(xué)學(xué)習(xí)哲學(xué)的Baker在一堂生物學(xué)課程上了解到蛋白質(zhì)折疊問題。此前的科學(xué)家們通過試驗發(fā)現(xiàn)，這些復(fù)雜的蛋白質(zhì)只由20種簡單的氨基酸經(jīng)過排列組合拼接而成，而一條氨基酸序列就已包含了它能形成蛋白質(zhì)的所有結(jié)構(gòu)和活性信息。就像有設(shè)計圖紙一樣，一條氨基酸序列可以自發(fā)折疊成唯一的三維結(jié)構(gòu)，然后在細(xì)胞內(nèi)發(fā)揮特定的功能——有的可以結(jié)合DNA，控制基因的開關(guān)；有的可以識別病原體，啟動免疫反應(yīng)。在這些現(xiàn)象背后，一個巨大的問題隨之浮現(xiàn)：一條氨基酸序列從理論上來說可以有無數(shù)種折疊方式，那為什么它能夠自發(fā)折疊成唯一的三維結(jié)構(gòu)呢？自那堂課后，Baker對這個數(shù)十年來困擾了無數(shù)科學(xué)家的難題產(chǎn)生了極大的興趣，甚至不惜轉(zhuǎn)換專業(yè)在生物學(xué)領(lǐng)域從頭開始學(xué)習(xí)。而當(dāng)他和導(dǎo)師提起他想要對這個難題發(fā)起挑戰(zhàn)時，他的導(dǎo)師勸他不要頭腦發(fā)熱，因為“沒人知道這是怎么回事”。聽從了導(dǎo)師的建議，Baker將這一念頭短暫封存，并在未來的諾獎得主Randy Schekman教授課題組獲得了博士學(xué)位，主攻細(xì)胞生物學(xué)。博士后期間，Baker接觸到使用計算機科學(xué)來進行結(jié)構(gòu)生物學(xué)研究的方法。在這個過程中，他發(fā)現(xiàn)使用計算機解析晶體結(jié)構(gòu)并不是他擅長的，但他卻萌生出了另一個想法，或許計算機可以幫他實現(xiàn)那個他始終放不下的夢想——解開蛋白質(zhì)折疊之謎。
向夢想靠近，開發(fā)出蛋白質(zhì)結(jié)構(gòu)預(yù)測程序
1993年，Baker成功獲得了華盛頓大學(xué)生物化學(xué)系助理教授的職位，開始獨立工作。在他招收第二個學(xué)生后，他建議學(xué)生借助計算機的力量做蛋白質(zhì)結(jié)構(gòu)預(yù)測相關(guān)的課題。1996年，他與研究生們開始編寫一個叫做Rosetta的程序，這個程序有潛力根據(jù)一段氨基酸序列解出蛋白質(zhì)的結(jié)構(gòu)。在自然界中，為了保持穩(wěn)定，蛋白質(zhì)總是折疊成具有“最低自由能”的形狀。這就好像水會從高處往低處流，然后停留在那里一樣。不過利用計算機預(yù)測蛋白質(zhì)結(jié)構(gòu)也并沒有想象中那么簡單。由于每個氨基酸至少有三種不同的構(gòu)象，那么一個僅含有100個氨基酸的蛋白質(zhì)，其可能的結(jié)構(gòu)就高達3的100次方種，這對計算機來說都是個難以處理的運算量。不過，Rosetta的程序設(shè)計用了一種十分巧妙的方法，它不是通過窮舉法從這些天文數(shù)字般的可能結(jié)構(gòu)中挨個尋找自由能最低的形狀，而是先分析蛋白質(zhì)的生物物理特性，模擬出一個大致的形狀，然后進行微調(diào)，只留下自由能更低的結(jié)果。這樣一來，研究人員們可以更快預(yù)測出蛋白質(zhì)的結(jié)構(gòu)。好消息是，Rosetta的表現(xiàn)十分驚艷。自1994年起，和Baker一樣想要解開蛋白折疊之謎的生物學(xué)家們會定期聚在一起，檢驗各自的成果：就像考試一般，他們會拿到一個蛋白質(zhì)的序列，然后預(yù)測出它的結(jié)構(gòu)。隨后，這些預(yù)測結(jié)構(gòu)會和已通過實驗方法得到解析但尚未公開的真實結(jié)構(gòu)進行比對，看哪一個結(jié)構(gòu)更為接近。在這個被譽為蛋白質(zhì)結(jié)構(gòu)領(lǐng)域“奧林匹克”的活動中，Rosetta程序總是最有力的競爭者，并且具有統(tǒng)治性的優(yōu)勢。在Rosetta誕生的過程中，Baker還有許多意料之外的收獲。盡管Rosetta的設(shè)計經(jīng)過優(yōu)化，但預(yù)測蛋白質(zhì)折疊所需要的運算量依然巨大。最開始，Baker只能通過不停購置新的電腦設(shè)備來擴大計算力，后來，新買的電腦把實驗室的空間占滿了卻依然無法滿足他們的需求。迫于這樣的壓力，Baker和他的學(xué)生們想出了一個絕妙的解決方案——借助互聯(lián)網(wǎng)，邀請世界各地的人們用他們計算機的閑置算力來幫助進行計算。2005年，Baker團隊啟動了一個名為Rosetta@home的項目，基于他們開發(fā)的Rosetta軟件包，利用分布式計算的力量來解析蛋白質(zhì)結(jié)構(gòu)。令人感到意外的是，這些“網(wǎng)友”們還給Baker發(fā)去了反饋意見，表示計算機折疊沒有他們手動折疊來得更好。更巧的是，當(dāng)他與一名計算機科學(xué)家聊起這些話題時，倆人靈感迸發(fā)，決定從Rosetta@home出發(fā)開發(fā)一款游戲，讓全世界對蛋白折疊感興趣的人能夠發(fā)揮他們的才華，參與到蛋白質(zhì)折疊的解謎游戲中。這款名為Foldit的游戲由于能幫助學(xué)生更好地了解蛋白質(zhì)的三維性質(zhì)以及蛋白質(zhì)結(jié)構(gòu)和功能間的關(guān)系，已被一些大學(xué)引入課堂。更令人吃驚的是，一些該游戲的高級玩家還曾通過這款游戲破解了一種逆轉(zhuǎn)錄病毒的蛋白結(jié)構(gòu)，并將成果發(fā)表在了《自然》雜志子刊上。
除此以外，與Foldit同時期誕生的還有一個名為Rosetta Commons的學(xué)術(shù)團體。這個團體的成員包括許多高校和研究機構(gòu)的人員，其中很多都在Baker的實驗室工作過。除了日常的交流合作，他們會定期舉辦會議分享最新成果、討論如何進一步優(yōu)化Rosetta，并開設(shè)訓(xùn)練營培訓(xùn)那些對Rosetta感興趣但不知道如何使用的人。雖然Baker最初的研究方向是預(yù)測蛋白質(zhì)的結(jié)構(gòu)，但在這個方向上取得突破之前，他已著手向另一個截然相反且更具挑戰(zhàn)性的領(lǐng)域——“蛋白質(zhì)的從頭設(shè)計”發(fā)起了沖擊。相比于預(yù)測蛋白質(zhì)的結(jié)構(gòu)，從頭設(shè)計出一個蛋白質(zhì)需要向弄清蛋白質(zhì)折疊的原理再邁進一步。這要求科學(xué)家們能根據(jù)一個具有特定形狀的蛋白，倒推出其DNA序列。從某種意義上講，從頭設(shè)計蛋白，要比預(yù)測蛋白結(jié)構(gòu)難上幾個數(shù)量級。假設(shè)要設(shè)計一個由100個氨基酸組成的蛋白質(zhì)，每一種氨基酸又有20種截然不同的可能，使將得可能的氨基酸序列總數(shù)高達20的100次方。這個數(shù)字究竟有多大？它比整個宇宙中原子的總數(shù)還要多！由于Baker在Rosetta的開發(fā)中已經(jīng)取得過一定的經(jīng)驗，這次再開發(fā)從頭設(shè)計蛋白質(zhì)的方法就有了良好的基礎(chǔ)。從DNA序列到蛋白質(zhì)結(jié)構(gòu)，Rosetta能找到能量最低的形狀。那么反過來，Rosetta也能用來推導(dǎo)為了構(gòu)成這一形狀所需的蛋白組件。在此基礎(chǔ)上，研究人員們還學(xué)會了如何像拆解樂高玩具一樣，將一個蛋白質(zhì)拆成螺旋或者桶裝的小塊，分塊擊破。
2003年，Baker的團隊設(shè)計出了第一個原本并不存在于自然界中的蛋白質(zhì)，它被命名為Top7。這當(dāng)然是一個重要突破，但卻沒有開辟一個嶄新的時代。Baker實驗室的成員開玩笑說Top7只是一塊從熱力學(xué)角度上看很穩(wěn)定的“石頭”。因為他們從頭設(shè)計出的這個蛋白質(zhì)雖然折疊成了研究人員們想要它折疊的模樣，但不具有任何功能。7年后，Baker的一名博士后研究員做出了改進。他將抗體的一部分連接到了人造蛋白上，使人造蛋白首度具有了功能：新合成的蛋白能識別流感病毒，有望成為一種新的藥物，但這多少有些“作弊”的意思，畢竟最重要的那部分來自天然的抗體。接下來的幾年時間，Baker的團隊對Rosetta進行了更多的優(yōu)化。如今，Baker的實驗室，以及他的合作伙伴們已能設(shè)計出多種不同的蛋白，有朝一日，人類完全獲得“上帝之手”的能力將不再是夢想。不過到目前，從頭設(shè)計蛋白依然是一個不斷試錯的工作，需要大量的資源投入。以設(shè)計結(jié)合蛋白為例，從流程上看，科學(xué)家會首先用Rosetta模擬出所感興趣蛋白表面上的一個“口袋”，然后再設(shè)計出大量不同的螺旋結(jié)構(gòu)，形成穩(wěn)定骨架。這些骨架上含有一些特定的氨基酸，有可能會與“口袋”進行完美的契合。這個工作就像是在一把鑰匙上不斷打磨，最終使其完美地對應(yīng)一把鎖。隨后，研究人員們會根據(jù)設(shè)計合成所要的DNA序列，將其引入細(xì)菌細(xì)胞，期望它們能夠產(chǎn)生所需要的蛋白。獲取這些蛋白后，他們還會做兩個測試：評估這些蛋白是否能如預(yù)期般折疊，以及折疊后的蛋白是否能如預(yù)期般結(jié)合特定蛋白。通常來講，人工設(shè)計的蛋白極少能同時滿足這兩個條件。而那些脫穎而出的蛋白，則會成為新一輪設(shè)計與篩選的起點，直至獲得最佳的構(gòu)象。在2018年以前，Baker及其團隊開發(fā)的Rosetta在蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域完全沒有對手。而那一年，AlphaFold的出現(xiàn)令Baker嗅到了危機。盡管18年的蛋白質(zhì)結(jié)構(gòu)預(yù)測競賽依然是Rosetta拔得頭籌，但首次亮相就獲得了第二名的AlphaFold令Baker見識到了機器學(xué)習(xí)的過人之處。于是，他要求團隊緊跟時代的風(fēng)向，加緊研究機器學(xué)習(xí)。Baker的預(yù)感沒有錯，在2020年的競賽中，第二代AlphaFold擊敗了Rosetta，一舉成名。不過，Baker率領(lǐng)著團隊很快就追趕了上來。2021年7月15日，當(dāng)DeepMind公司在《自然》雜志上發(fā)表論文，公開了“AlphaFold2”的源代碼，并且詳細(xì)描述了它的設(shè)計框架和訓(xùn)練方法時，Baker的團隊也于《科學(xué)》雜志上介紹了其開發(fā)的RoseTTAFold算法。RoseTTAFold的神經(jīng)網(wǎng)絡(luò)能夠同時考慮蛋白序列的模式、蛋白中不同氨基酸之間的相互作用，以及蛋白質(zhì)可能出現(xiàn)的3D結(jié)構(gòu)。在這個系統(tǒng)中，一維、二維和三維的信息能夠相互交流，讓神經(jīng)網(wǎng)絡(luò)綜合所有信息，決定蛋白質(zhì)的化學(xué)組成部分和它折疊產(chǎn)生的結(jié)構(gòu)之間的關(guān)系。
研究人員表示，RoseTTAFold系統(tǒng)在解析蛋白質(zhì)3D結(jié)構(gòu)方面的表現(xiàn)與AlphaFold2的水平幾乎相當(dāng)，在有些蛋白上甚至優(yōu)于AlphaFold2。利用來自AlphaFold的公開信息，也得益于多年來對于機器學(xué)習(xí)的積累，這個算法的開發(fā)只用了區(qū)區(qū)幾個月的時間。作為蛋白質(zhì)從頭設(shè)計的先驅(qū)者，Baker希望通過“蛋白質(zhì)設(shè)計革命”開啟一個全新的時代，我們將學(xué)會使用一種前所未有的方式來操控生物分子，例如從頭設(shè)計出全新的藥物、疫苗、疾病療法等，拓展新藥研發(fā)的邊界。2022年8月，Baker及其團隊在《細(xì)胞》雜志上發(fā)表論文，他們已利用AI技術(shù)平臺精準(zhǔn)地從頭設(shè)計出能夠穿過細(xì)胞膜的大環(huán)多肽分子，開辟了設(shè)計全新口服藥物的新途徑。同時，Baker團隊成員聯(lián)合創(chuàng)建的初創(chuàng)公司Vilya也正式亮相，并從著名風(fēng)投機構(gòu)ARCH Venture Partners獲得5000萬美元A輪融資。利用這一技術(shù)，跳過高通量篩選、直接合成候選藥物的策略不再遙不可及！今年以來，Baker及其團隊已在《自然》和《科學(xué)》雜志上發(fā)表了數(shù)篇重磅論文，其開發(fā)的全新的蛋白質(zhì)從頭設(shè)策略法可靶向不可成藥靶點，并能實現(xiàn)按需設(shè)計生物分子，為蛋白設(shè)計提供了更廣闊的可能性。
華盛頓大學(xué)蛋白設(shè)計研究所首席戰(zhàn)略及運營官Lance Stewart博士是David Baker教授長期的合伙伙伴。在2023年藥明康德全球論壇上，他指出：“現(xiàn)在的新技術(shù)讓我們有能力去挑戰(zhàn)任何類型的靶點，這是當(dāng)下生物醫(yī)藥產(chǎn)業(yè)的幸運。”在獲得此次諾貝爾獎之前，Demis Hassabis博士與John Jumper博士還在今年獲得了多個科學(xué)大獎，包括蓋爾德納獎（Gairdner）和拉斯克獎。2020年，Baker博士也獲得了素有“科學(xué)界的奧斯卡”之稱的科學(xué)突破獎——生命科學(xué)科學(xué)突破獎。此次共同摘得諾貝爾獎的桂冠是對他們通過放飛想象力和才華，解決了讓科學(xué)家困惑了半個世紀(jì)的蛋白質(zhì)結(jié)構(gòu)預(yù)測難題的再次肯定。讓我們再次祝賀這三位杰出的科學(xué)家，并向他們突出的貢獻致以崇高敬意！
免責(zé)聲明：本文系轉(zhuǎn)載內(nèi)容，版權(quán)歸原作者所有，轉(zhuǎn)載目的在于傳遞更多信息，并不代表我方觀點。如涉及作品內(nèi)容、版權(quán)和其它問題，請與我方留言聯(lián)系，我們將在第一時間刪除內(nèi)容。
