David Baker、Demis Hassabis和John Jumper（从左至右）图片来源：BBVA Foundation
“非常震撼，众望所归！”
在2024年诺贝尔化学奖揭晓的那一刻，《中国科学报》直播间里的几位解读嘉宾几乎同时发出了这样的感慨。
2024年诺贝尔化学奖一半授予美国生物化学家戴维·贝克（David Baker），以表彰他在计算蛋白质设计方面的贡献；另一半则授予了英国人工智能（AI）科学家德米斯·哈萨比斯（Demis Hassabis）和美国科学家约翰·江珀（John M. Jumper），表彰他们在蛋白质结构预测方面取得的成就。值得指出的是，生于1985年的江珀是诺奖历史上首位“80后”得主。
获奖人之一贝克是北京大学化学与分子工程学院教授王初的博士生导师，他在当天傍晚突然遭遇“信息轰炸”。“突然接到许多祝贺信息，我也跟着沾到了喜气！”王初在接受《中国科学报》采访时说：“戴维是AI设计蛋白质领域的旗帜性人物，诺奖授予他也是对这个领域一个重要的肯定。”
又见AI，“没有受物理学奖的影响”
《中国科学报》：诺贝尔化学奖历来是最难预测的诺奖奖项。今年，“前脚”公布的2024年诺贝尔物理学奖授予了机器学习领域的科学家，“后脚”诺贝尔化学奖又把奖项颁给了AI设计和预测蛋白质结构。你怎么看待今年这种情况？
中南大学化学化工学院教授张翼：很开心这次诺贝尔化学奖没有受到物理奖的影响。之前我们就觉得AlphaFold获奖的概率很大，但因为物理学奖已经给了机器学习相关的成果，所以，我们非常敬佩诺贝尔化学奖评选委员会能顶住这种压力。可以说，这个结果是众望所归。
浙江大学生命科学研究院研究员林世贤：非常震撼。今年的诺贝尔化学奖可谓是顶住了重重压力，一是物理学奖已经颁给了机器学习的压力，化学奖颁发给了AI在解析蛋白质结构和设计中的颠覆性应用，可谓是“皇冠上的皇冠”；二是顶住了候选人年龄越来越大的压力，约翰·江珀是1985年出生的，今年才39岁，这可能是诺贝尔奖历史上第一次颁给“80后”科学家。德米斯·哈萨比斯是1976年出生的，也非常年轻；三是评委们此时把AI收入囊中，很有前瞻性。
《中国科学报》：今年诺贝尔化学奖备受关注，有人说AI 起了重要的作用，对此你怎么看？
上海交通大学药学院长聘副教授沈琦：我认为AI的加成非常关键，甚至说，如果戴维·贝克当初没有拥抱AI、进军AI，他可能拿不了这个奖。
戴维·贝克一直都在做蛋白质结构预测的工作，之前也取得了不错的成果。但在引入了AI之后，这个领域才突飞猛进，戴维·贝克的RoseTTAFold才真正强大起来。据我所知，戴维·贝克应该不是最早提出蛋白质设计的人，但是前人没赶上AI崛起，也就和今天的诺奖无缘。
北京大学化学与分子工程学院教授王初：AI的确是给我们整个科学研究带来了变化。我是做化学和生物学的，有了AI 的助力，能帮我们去做更多的事情，实现更多的想法。
我们近期的一个工作是金属蛋白预测，也得到了AlphaFold模型的启发，目前正跟合作的老师一起尝试用AI 做一些工具的改造，让这些工具变得更强大。
设计和预测蛋白质结构，本该是“上帝干的事”
《中国科学报》：AI对蛋白质结构预测和蛋白质设计的颠覆性到底在哪里？
沈琦：蛋白质结构预测和蛋白质设计其实是一枚硬币的两面。我在2007~2013年都在做蛋白质设计，那时的蛋白质预测和设计的最基础逻辑，就是根据氨基酸序列来预测蛋白质的三维结构。靠什么？靠的是蛋白质相互作用力。包括最初代的RoseTTAFold都是基于力场参数来设计蛋白。
当年我做一个蛋白质设计，加上我的导师、合作者，一堆人做了整整六年才做出来一个东西。所以那个年代设计蛋白质真的很痛苦，非常难。开玩笑地讲，可以说那时候科学家是在做造物主应该做的一件事——毕竟自然界进化了几十亿年才有了生命体。
现在这个周期大大加快，可能2~3个月就能干成这件事。可以说，在AI加持下，算得更准了、效率更高了，蛋白质的预测和设计实现了阶段性的突破。
《中国科学报》：有了AI，蛋白质预测和设计的成本可以降低多少？
林世贤：很难去计算成本。比如说蛋白质结构解析，用常规的方法解析蛋白质结构一般需要好几年的时间，不仅需要专业的研究人员，更需要昂贵的仪器设备。现在计算机几分钟就可以帮我们预测蛋白质的结构，节省的时间成本可能是无穷大。
张翼：我是AlphaFold的用户。我自己在做一些多肽的凝胶实验时，通常需要用到冷冻电镜，而这个过程成本极高。此外，在进行分子结构的计算时，计算量也非常大。然而，AlphaFold 的出现改变了这一切。它让一些资金有限、缺少资源的科学家也有机会参与到高水平的科研中。
《中国科学报》：应怎样看待AI在科学领域的影响力？我们会对它形成依赖、变成“懒汉”吗？
华东师范大学化学与分子工程学院教授姜雪峰：毫无疑问，AI已经成为人类在这个时代最核心的研究工具之一。实际上，我们每一次的科学进步都是利用工具来实现的，制造和使用工具也是人类和动物的本质区别，人类就是通过不断改进工具推动自身向前进的。
化学研究也是如此。宏观可见，微观难定，化学家就是运用AI去探究肉眼不可见的微观世界。因此，每一个做科学研究的人都应该更加关注最新的研究工具。
从历年的诺贝尔化学奖可以看出，我们人类现在遇到的问题越来越复杂，除了使用工具，我们还需要具备学科交叉和产业调动的能力，因此未来我们需要综合考虑科学与产业、科学与资本、科学与社会之间的关系。
林世贤：尽管现在AlphaFold、大语言模型等AI模型非常受关注，但AI的水准还处于非常起步的阶段，能做的事情也非常有限。虽然它能够对一些复杂问题作出判断，但认知程度依然有限。从现在到可以预见的未来，对我们来说，AI都将是非常好的工具，不会陷入到这些让人们担心的问题中。
一个“科学怪咖”和两个“神童”
《中国科学报》：在你眼中，戴维·贝克是什么样子的人？
王初：我于2001年来到华盛顿大学生物化学系攻读博士学位，当时也是机缘巧合通过实验室的轮转来到戴维·贝克实验室，一直待到2008年博士后项目结束。
在跟戴维·贝克的接触过程中，我感觉到他是一个天生的、非常纯粹的科学家，并且他把自己的全部精力都倾注于科学研究中，他总会有很多原创的想法，并能够将这些想法付诸实施。
我们一直都保持着很密切的联系，去年我还邀请他在我们学院做了精彩的“兴大学术报告”。最近的一次，我们还一起去爬了长城，他很喜欢爬山，也非常喜欢长城。
大卫不仅专注科学本身，他还做了一个特别有趣的蛋白质折叠和设计的在线游戏，叫“Foldit”。当时我问他为什么要做这款游戏，他的回答是，研究不应该只由科研人员来做，也可以让普通大众参与其中，还可能收获更多有趣的想法和发现。
沈琦：我觉得戴维·贝克就是一个眼睛会放光的人，顶着一个爆炸头，两眼放光。有点像什么？像个科学怪人或者叫科学怪咖，一眼看上去就觉得他有很多想象力和创造力。
在跟他的接触中，除了觉得他非常风趣幽默之外，能深切感到他就是那种会玩、会干，又能把玩的东西变得很有意义的人，能真正做到“Research for Fun”。另外，他的精力非常旺盛。你可能想象不到，他的实验室有一百多位博士后，这在其他美国实验室是不可想象的。有的诺奖得主的实验室，也就十几个博士后。
《中国科学报》：你对其他两位获奖者熟悉吗？
林世贤：德米斯·哈萨比斯跟华人有一定的渊源，他的母亲是新加坡裔华人。他4岁学国际象棋，13岁拿到国际象棋的大师标准称号，17岁就利用计算机天赋编写了一款畅销数百万份的游戏软件，所以很早就被周围的人冠以“神童”的称号。他创立的公司Deepmind，早期因为研究出了AlphaGo围棋软件震惊了全世界，一举成名。
2018年Deepmind成立研究组对蛋白质结构进行预测，并吸引到年轻的约翰·江珀的加入（约翰·江珀是AlphaFold的第一作者，也是一位“神童”）。他们的第一个作品AlphaFold1，首次参加CASP大赛就拿到了60多分的好成绩（满分100分），是这个比赛第一次有人拿到及格成绩。
《中国科学报》：你怎么看今年的诺贝尔化学奖颁给了年轻的科学家？
姜雪峰：这正是诺奖的魅力，科学突破不论资历不排位，谁可以解决问题谁就能获得认可。这不是简单的技术积累，也不是谁的研究时间长，而是谁更有创新性思维，谁可以突破重围、解决问题。科学的多元性给了每一个探索未知的人以机会，不论出身、年龄、国界，这就是科学的魅力。
文 ｜ 《中国科学报》 记者 赵广立 冯丽妃 沈春蕾 王一鸣
（来源：中国科学报）