瑞典皇家科学院十月9日宣布，David Baker、Demis Hassabis和John M. Jumper获得2024年诺贝尔化学奖。你不要说今年这个诺奖，我在日常用过，所以先给个好评。

假如说生理医学奖的microRNA是我一个人前两年水了一篇论文有所接触，那样这个人工智能结构预测是我用它帮助过日常的人。

01，蛋白结构预测帮了大忙

一个很了解的朋友怀孕了，做了个基因测试，结果出问题了，孩子身上出现了一个罕见变异，这个变异甚至不在容易见到的数据库里，但依据预测，这个变异是负面的。

那样问题来了，这个孩子是否应该要？所以朋友非常担忧，她也问了遗传大夫，但遗传大夫给出的结论是模棱两可的，所以就找到了我。当时我的重压也非常大，所以就用尽全身的技能来做解析这个变异。

1，遗传家系剖析。这是我做的第一步，就是用家系剖析，由于人类对于遗传学乃至生命科学的认知很浅显，所以家系剖析反而是现实发生的相对靠谱的证据，或者直白的说，假如家系里有这个变异且无症状，其实就是非常扎实的证据。

结果家系剖析显示，这个变异是源于父本，但父本并没表现症状。而这个朋友的第一个女儿也是杂合体，同样没表现症状（性别不同）。

按理说差不多了，不过这时还有一点担忧，那就是，这个疾病发病年龄可能在青春期，所以现在还不完全依据父本与第一个女儿来确定第二个孩子的情况。

2，DNA有关预测。这个就是做了一系列剖析，包含变异可能的遗传影响，用各种数据来预测，但基于DNA的 预测毕竟还是有限，由于还是要落到发挥功能的蛋白质上。

3，蛋白质预测。于是，就要找蛋白质，但，蛋白质是需要高级结构的，而这个，传统是只能找结构生物学来做。那样，就是，需要有人做过这个蛋白质才会看到结构，从而进一步剖析结构。这个时候发现，这个蛋白，并没被测过结构，如何解决？

搁在过去，这就麻烦了，但目前有人工智能蛋白结构预测与有关数据库。于是我就去做这个，并且对照数据库里的人工智能 蛋白结构。

结果发现，这个点发生变异的地方，并非该蛋白发挥用途的核心结构域位点，而是一个较为边缘的地方，而依据一系列计算，发现这个地方好像也并非特别要紧。

把这类结论综合起来后，我把相应的结论给了朋友，最后朋友考虑后决定根据概率还是选择生下了这个孩子。到现在，孩子所有正常。

当然，这也只能到这里了，由于，这是现在生物学的极限了，往后哪个也没法去保证。所以，我非常感激蛋白质人工智能结构预测，由于世界蛋白千千万，假如一个个测过去，得猴年马月才能解决，但有了人工智能预测蛋白质，速度快多了，而且对现实有非常大的帮忙。

下面聊聊为何要解决蛋白质结构的问题。

02，为何要解决蛋白质结构的问题？

蛋白质是生命的核心实行者，这是一个非常重要的点。为何呢？提到生物，大伙不少最熟知的是DNA，当然，假如深入一些，会熟知叫做中心法则的东西。

DNA，你有我有大伙都有，假如DNA发生了变化，那样就会致使差异，而你我每一个人都携携带上千万个DNA变异，这也是每一个人差别的原故。但，这个差别，只在DNA上是意义不大的。

由于，DNA这东西，是携带信息为主的，就譬如，大家每一个细胞基本上都有一套DNA（红细胞、生殖细胞略例外），所以大家提DNA的时候用各种组织都便捷。

而DNA要想发挥用途，那第一就要经过转录，变成RNA.

RNA当然复杂，譬如除去编码蛋白质的mRNA，还有一堆其他RNA，就是非编码RNA，当然，非编码RNA也是有不少用途，譬如今年拿到诺奖的microRNA就是是这一系列，除此之外还有lncRNA（长链非编码RNA）等也是热门，这类RNA对于基因有调节用途。

但，RNA的意义，也就到这里了，因为RNA易降解且结构相对简单，所以，它还是撑不起生命实行者这个步骤。

因此需要到了另外一个愈加实体的结构，那就是蛋白质。所以，蛋白质是生命的核心承担者，蛋白质是构成细胞的基本物质，是结构物质，是催化的酶，是运输的载体，是免疫的抗体，是调节的激素，可以说，蛋白质是生命的物质基础，是生命活动的主要承担者。

但，蛋白质和DNA不同，尽管DNA、RNA也有空间结构，但远不像蛋白质那样，需要要复杂的空间结构才能完成功能。

所以，需要要有空间结构，蛋白质才能发挥用途，举例，酶

需要有那个结构才能发挥用途，假如这个结构发生了变化，那样结合就会受影响。所以，要想研究蛋白质， 需要分析蛋白质结构。

03，怎么样分析蛋白质结构？

怎么样分析蛋白质结构？传统方法就是用结构分析，这东西，耗时耗力，困难程度非常大。举例，新闻报道的一个做结构生物学的女博士，连续4年几乎天天工作17小时！

做什么呢？就是努力的让蛋白以天然状况结晶，这也是被觉得是天然的蛋白质结构。

可以想象，做这个东西，工作量之大很难想象。正由于这样，做出来这东西，也总是能发顶刊，由于非常基础嘛。

04，人工智能蛋白质结构预测

理论上，蛋白质是一个个氨基酸构成的，这类氨基酸本身有各种理化性质，譬如两性解离、等电点等。但当不少氨基酸出现的时候，那样这类性质叠加起来就困难去剖析了。

不过大家还是应该相信，就算是复杂的生命现象，背后也是有基本的理化性质，这也是为何不少诺奖物理和化学居然和生物有关。于是，大家需要努力的找规律，而这个规律的依据之一就是已有些蛋白质结构，这类剖析过结构的蛋白质是序列明确、结构明确的，对他们进行足够的剖析，那样就能探寻到一些规律，进而因此来预测出蛋白质的结构。

譬如我电脑里目前还存着以前学习的文件，就是关于蛋白质结构剖析预测的。

当然，这类预测还是相对原始的。而有了机器学习，特别是人工智能 之后，这个学习速度要快多了，计算机的强大远超越大家的认知，可以发现一些大家不曾注意到的细节，而这类细节也会进一步加大对蛋白质的预测，使得蛋白质的结构预测愈加精确。

举例，今年nature上的蛋白质预测文章，

可以将蛋白质的预测性能提高到最大值的97%。这个预测效率已经特别高了。

事实上有时候，大家未必需要100%精确的蛋白质结构，仅需相对精确的了解就能了，那样下面后续开发就容易多了。所以，人工智能帮了大忙。

05，蛋白质结构预测大有可为

其实蛋白质结构意义非常大，譬如研究药物就是非常典型的，特别是生物药物，精确的结构可以更好的探寻到有效药物，比传统化学小分子选择更多，且成效更好。而且，在其他方面，譬如疫苗预测上也非常有意义。譬如nature十大人物曹云龙，被叫做新冠预测者。

他的技术之一就是依据蛋白质结构来。譬如，他发现新冠蛋白的某个位点可以减少病毒的免疫原性，帮助病毒逃防止疫反应，那样就能猜测，将来的新出现毒株大概从这个点上被筛选出来，于是大家就能提前针对这个点做疫苗，到时候出现了就能提前免疫。

类似的有不少，甚至大家现在面临的不少难解的疾病，将来都可能从蛋白质结构的角度来探寻解决方法，而传统蛋白质结构研究速度是跟不上的，人工智能 可以。

所以，人工智能预测结构，还真的大有可为。

Tags：DNA