为何诺贝尔化学奖又颁给AI？万字专题详解：计算和人工智能颠覆我们对蛋白质的理解方式

主要观点总结

2024年诺贝尔化学奖授予了计算蛋白质设计和蛋白质结构预测的先驱们，包括David Baker、Demis Hassabis和John Jumper。David Baker因在计算蛋白质设计和预测领域的工作获得认可，而Hassabis和Jumper因在蛋白质结构预测上的贡献获奖。这三位科学家的工作推动了人工智能在生物学领域的革新，并改变了我们对蛋白质科学、疾病和新药开发的理解。AlphaFold2作为蛋白质结构预测的重要工具，大大提高了预测的准确性，但仍有局限性。虽然它不能模拟蛋白质随时间的变化或其在细胞中的动态结构，但为药物开发和蛋白质设计提供了新的可能性。此外，人工智能还激发了新的算法和生物技术公司，并推动了新的实践科学方法的发展。然而，尽管AlphaFold2改变了生物学家研究蛋白质的方式，但实验仍然是必要的，AI工具不能取代实验。未来，结构生物学领域将继续探索蛋白质结构预测的新方法，并期待AI能揭示更多关于生命机制的新知识。

关键观点总结

关键观点1: David Baker在计算蛋白质设计和预测领域的工作获得认可

贝克是广泛使用的蛋白质结构从头设计和预测软件“罗赛塔”的发明人，并设计出首个具有全新折叠结构的人工蛋白质Top7。

关键观点2: Demis Hassabis和John Jumper因在蛋白质结构预测上的贡献获奖

Hassabis是DeepMind的联合创始人和首席执行官，Jumper是DeepMind的高级研究员，他们共同开发了AlphaFold2模型，推动了蛋白质结构预测的重大突破。

关键观点3: AlphaFold2提高了蛋白质结构预测的准确性

AlphaFold2的预测准确率超过90%，改变了生物学家研究蛋白质的方式，但仍有局限性，不能模拟蛋白质随时间的变化或其在细胞中的动态结构。

关键观点4: AI工具不能取代实验

尽管AlphaFold2等AI工具改变了生物学家的研究方式，但实验仍然是必要的，AI工具不能完全取代实验。

关键观点5: 未来结构生物学领域的探索

结构生物学领域将继续探索蛋白质结构预测的新方法，并期待AI能揭示更多关于生命机制的新知识。