在2024年10月，瑞典皇家科學院揭曉了當年的諾貝爾化學獎得主，再次將人工智能（AI）推上科學界的聚光燈下。Google旗下DeepMind人工智能實驗室的首席執行官Demis Hassabis、總監John Jumper，以及華盛頓大學蛋白質設計研究所所長David Baker，憑借他們在蛋白質結構與設計領域的突破性工作，共同分享了這一殊榮。
此次諾貝爾化學獎的頒發，不僅是對AI在生物學領域貢獻的認可，也標志著AI與生物科技的深度融合達到了新的高度。在獲獎理由中，Hassabis和Jumper因在“蛋白質結構預測”方面的成就受到表彰，而Baker則因其在“計算蛋白質設計”領域的貢獻而獲獎。而就在前一天，人工智能先驅Geoffrey Hinton和John Hopfield剛剛榮獲了諾貝爾物理學獎，進一步凸顯了AI在科學界的重要地位。
值得注意的是，盡管AI在物理學領域的應用已經廣為人知，但其在化學，尤其是生物科技方向的應用，仍然被視為一塊難啃的骨頭。然而，隨著技術的飛速發展，AI在生物科技行業正逐漸展現出前所未有的潛力。
這一切的轉折點發生在2020年末的一場線上會議。當時，全球正面臨疫情的嚴峻挑戰，但正是在這樣的背景下，人工智能在生物學領域的應用迎來了歷史性的突破。在CASP大會上，Google DeepMind的John Jumper展示了AlphaFold2，這款工具在蛋白質結構預測方面展現出了驚人的準確性，精確度超過90%，遠超其他競爭對手。
AlphaFold2的成功不僅標志著AI在生物學領域的重大突破，更預示著跨學科研究的無限可能。它能夠在幾天內預測出蛋白質的結構，而傳統的實驗方法可能需要數年時間和高昂的成本。這一突破迅速在科學界引起轟動，并被《自然》雜志譽為“將改變一切”的技術。
隨著AlphaFold2的推出，生物科技行業迎來了新的希望。DeepMind隨后與歐洲生物信息學研究所（EMBL-EBI）合作，啟動了AlphaFold數據庫，涵蓋了人類、小鼠等生物體的蛋白質預測結構。到2023年，DeepMind更是公布了超過2億個蛋白質的可能結構，并將其納入數據庫，使得研究人員可以像使用搜索引擎一樣輕松地查找蛋白質三維結構。
不僅如此，DeepMind還在不斷推進技術的邊界。2024年5月，他們在《自然》雜志上發表了關于AlphaFold 3的突破性研究。AlphaFold 3采用了Transformer+Diffusion架構，能夠生成蛋白質、核酸和小分子的3D結構，并揭示它們之間的相互作用。這一最新版本的AI模型在生物分子結構預測領域掀起了新的風暴。
除了DeepMind，其他科技公司也在積極布局AI與生物科技的結合。meta AI研究團隊推出了ESMFold，這是一個強大的蛋白質結構預測模型，并公布了超過6億種蛋白結構預測結果。而David Baker教授和他的團隊則開發了RoseTTAFold，這一工具在蛋白質結構預測方面同樣展現出了出色的性能。
隨著AI技術的不斷進步，生物科技行業正迎來前所未有的變革。從藥物研發到臨床試驗，再到疾病診斷和治療，AI正在深刻改變著生物科技的每一個角落。未來，隨著更多科技公司和生物醫藥公司的強強聯手，我們有理由相信，AI將繼續推動生物科技行業向前發展，為人類健康事業貢獻更大的力量。
在這場科技革命中，AI不僅是工具，更是推動科學進步的重要力量。隨著技術的不斷演進，我們有理由期待，生物科技行業將在AI的助力下，迎來更加輝煌的明天。
