2024年诺贝尔化学奖得主、Google DeepMind科学家John Jumper近日分享了AlphaFold在科学界的革命性影响。这位与DeepMind创始人Demis Hassabis共同获奖的科学家透露，AlphaFold不仅解决了困扰生物学界50年的蛋白质折叠问题，更催生了众多'非标'创新应用，从发现精子受精关键蛋白到加速药物研发。同时，Jumper也探讨了将AlphaFold与大型语言模型(LLMs)结合的未来可能性，认为这可能彻底改变科学发现的方式。
2024年，Google DeepMind的John Jumper与公司创始人兼CEO Demis Hassabis因开发AlphaFold 2而共同获得诺贝尔化学奖，这一成就距离他们首次发布AlphaFold仅五年时间，创下了诺贝尔奖历史上罕见的快速认可记录。[1][2]
AlphaFold解决了生物学界长达50年的’蛋白质折叠问题’——即如何从蛋白质的一维氨基酸序列预测其复杂的三维结构。在AlphaFold出现前，确定蛋白质结构需要耗时数月甚至数年的昂贵实验，而AlphaFold能在几小时内提供高精度预测。[1][3]
Jumper表示：'这项影响已经超出了我们所有的预期。'如今，学习如何使用AlphaFold已成为全球许多研究生生物学课程的标准内容，‘它已经成为分子生物学家培训的一部分。’[1]
截至目前，AlphaFold数据库已包含超过2亿个蛋白质结构预测，被全球190多个国家的330多万研究人员使用。相关研究已被引用超过4万次，其中30%集中在疾病研究领域，另有数据显示AlphaFold已直接或间接贡献了约20万项研究出版物。[1][3]
AlphaFold的应用已远超最初设想，催生了一系列’非标’科学发现。Jumper特别提到，科学家最近利用AlphaFold帮助发现了一个此前未知的蛋白质复合物，该复合物对精子受精过程至关重要，这一发现为不孕症研究开辟了新方向。[1]
AlphaFold的创新应用还包括：
Jumper向《财富》杂志表示，他最感欣慰的是科学家们能够利用AlphaFold发现’他们甚至不知道要寻找’的生命过程关键。AlphaFold已出现在400多项成功专利申请中，显示其在实际应用中的巨大价值。[1]
Jumper对将AlphaFold的能力与大型语言模型(LLMs)结合表示浓厚兴趣，认为这可能彻底改变科学发现的方式。他透露，DeepMind已创建了一个基于Gemini AI的’AI科学家’原型，能够生成新假设并设计实验来验证它们。[1]
尽管一些初创公司已开始尝试使用LLMs让科学家指定蛋白质功能，然后由模型输出相应的DNA配方，但Jumper对此类应用持谨慎态度：‘我对这些LLM在设计全新蛋白质方面的工作效果有些怀疑。’[1]
他解释道：‘我确实知道有些人已经创建了本质上是AlphaFold的聊天机器人前端，但我觉得这’并不那么有趣’。'[1]
Jumper更感兴趣的是利用LLM的力量开发新假设和设计新颖实验：‘这才是真正让我兴奋的想法。我认为这个概念有更大的潜力。’[1]
AlphaFold 2的继任者AlphaFold 3和AlphaFold Multimer已开始在药物发现中发挥更直接作用。AlphaFold 3不仅能预测蛋白质结构，还能预测蛋白质如何与其他分子结合，这对药物设计至关重要，因为大多数药物要么是与蛋白质靶点结合的小分子，要么本身就是蛋白质。[1]
尽管AlphaFold取得了巨大成功，Jumper指出科学AI仍面临诸多挑战。蛋白质结构预测只是理解生命复杂机制的第一步，真正的挑战在于如何将这些结构信息转化为对生物过程的深入理解及实际应用。[1]
Jumper强调，AlphaFold的成功部分归功于DeepMind将科学方法应用于AI开发的理念：‘当Hassabis在2010年共同创立公司时，他的目标是’建立一个世界级的科学研究实验室，但在工业界’。'[2]
DeepMind在2014年被谷歌以约4亿美元收购时，就将建立AI伦理委员会作为协议条件之一，体现了其对负责任AI开发的承诺。[2]
展望未来，Jumper认为AlphaFold系列工具将继续进化，但真正的突破将来自于AI与人类科学家的协同工作：‘AI不是要取代科学家，而是要增强他们的能力，让他们能够探索以前无法想象的问题。’[1][3]
随着AlphaFold 3等新一代工具的推出，以及与LLMs等其他AI技术的融合，科学发现的速度和范围有望进一步扩大，为解决人类面临的健康、环境等重大挑战提供新工具。[1][3]