科研成果被泼冷水？聊聊诺奖背后的蛋白质折叠，和那些没拿奖的‘倒霉蛋’

科研成果这玩意吧，有时候真像开盲盒。你苦心孤诣怼了十几年，最后可能连个响儿都没有。但有的人——或者说有的AI——咣当一下，把整个领域的天窗都给掀了。没错，说的就是10月份刚公布的诺贝尔化学奖。一半给了DeepMind的哈萨比斯和江珀，奖励他们搞出来的AlphaFold预测蛋白质结构；另一半给了贝克，他在蛋白质设计这块儿，简直就是上帝之手——想要什么样的蛋白质，就能从头设计出什么样的。

说实话，看到名单的时候我差点把咖啡喷屏幕上。不是质疑，是太震惊了。因为这奖项颁得...怎么说呢，既快又狠。AlphaFold2那篇论文是2021年暑假发的，才三年啊，诺奖就到手了。这在科研界简直是光速——可怜那些老教授，胡子熬白了还在等电话。不过话说回来，这项成果确实配得上。它解决的问题太硬核了：蛋白质折叠。

蛋白质折叠，这事咋就这么难？

咱们高中生物都学过，蛋白质是生命活动的承担者。它由一串氨基酸连起来，然后折叠成特定的三维形状。这个形状决定了功能。如果折错了，就可能出大麻烦——老年痴呆、帕金森，都跟蛋白质错误折叠有关。

但问题是，从氨基酸序列预测三维结构，简直是个噩梦。打个比方，给你一堆钢材和图纸，让你猜最后盖出的是埃菲尔铁塔还是乡间厕所。更坑的是，理论上一条肽链能折出的花样，比宇宙中的原子还多。过去咋办？靠X射线晶体衍射、冷冻电镜，纯纯的体力活。一个博士生吭哧好几年，就解一个结构。所以到2018年，PDB蛋白质数据库里拢共才十几万个结构。而已知的蛋白质序列，早就过亿了。这差距...让人绝望。

但AI不信邪。AlphaFold一代在2018年就拿了CASP比赛冠军，准确率吊打所有人类组。二代更是变态，直接把这个差距抹平了——预测精度跟实验做出来的差不多。那感觉就像，你还在拨号上网呢，隔壁已经开上光速飞船了。

AI一出，谁与争锋？

AlphaFold2的牛掰之处，不只是快。它重新定义了什么叫“解决问题”。以前大家觉得，预测蛋白质结构得先搞懂物理原理，模拟每个原子的受力。结果DeepMind直接上深度学习，从海量已知结构中硬生生“学会”了折叠规则。用一位被爆锤的竞赛选手的话说，“我们还在雕琢数学模型，他们已经把整个游戏干翻盘了。”

现在你用AlphaFold预测一个结构，就像在搜索引擎里敲几个字那样简单。非结构生物学家也能玩了。前几天我做个报告，台下一位做植物的教授说，他们刚用这个预测了一个未知蛋白的结构，只花了半小时，而之前这个课题搁置了两年。两年啊！人生有几个两年？

贝克那边更绝。他不光预测，还设计。用类似生成式AI的办法，让计算机凭空创造出自然界不存在的蛋白质——作为药物、疫苗、纳米材料。这简直是在扮演造物主。去年他们团队设计出可以自组装成笼状结构的蛋白质，能像小货车一样把药物精准送到癌细胞。天方夜谭吧？可论文就摆在Nature上。

但故事远没结束...

欢呼声还没落，冷水就泼过来了。我注意到一些结构生物学家的吐槽，特别有意思。他们说，现在AlphaFold给出的结构，有时候是“静态”的，而实际蛋白质在体内是动态的、会呼吸的。打个比方，AI给你的是一张证件照，但人家真正干活时是连蹦带跳的状态。有研究指出，某些预测结构在关键柔性区域还是不准。另外，蛋白质不是孤立存在的，它跟其他分子扭在一起才有功能。这个层面，AI目前还抓瞎。

但话说回来，谁在乎呢？关键是门槛踏平了。这让我想起当年基因组测序——一开始贵得肝颤，现在白菜价。几年后，蛋白质结构或许也能随手就来。到那时，新药研发、合成生物学、材料科学，可能会迎来一波井喷。不过有一点我特别赞同贝克接受采访时说的：“这项成果属于整个领域，我们只是站在了巨人和数据集之上。” 嗯，挺清醒，没飘。

最后扯几句跟科研成果有关的题外话。哈萨比斯和江珀拿了化学奖，很多搞物理的、搞计算机的酸溜溜，说这明明是AI啊应该给图灵奖。但这恰好说明，现在的顶尖科研成果，早就没了泾渭分明的学科界限。另一个让我唏嘘的，是那些在这个领域默默耕耘几十年的大牛，比如阿克塞尔·布龙根，他搞出了冷冻电镜技术，直接喂饱了AlphaFold的训练数据。可诺奖的聚光灯，永远只打在最近的那几个人身上。科研成果的背后，是无数“倒霉蛋”铺的路。说实话，这不公平——但这就是现实。好了不矫情了，我得去跑个蛋白质结构，看看能不能发篇小文章。万一明年轮到我呢？人总得有点梦想，对吧？