通過結構生物學的方法，科學家們第一次看到了兩種常用藥利用蛋白做“腳手架”，直接“肩并肩背靠背”地影響了蛋白的正常功能。

近日著名結構生物學家**宣布，即將辭去普林斯頓大學教職，到深圳創立醫學科學院。她最新回應回國將專注于哪方面的研究時稱，結構生物學的發現對于制藥業很有意義，包括藥物與藥物、藥物與激素之間相互作用的研究，這些對于藥物開發和疾病治療有更多啟示。

**舉例稱，通過結構生物學的方法，科學家們第一次看到了兩種常用藥利用蛋白做“腳手架”，直接“肩并肩背靠背”地影響了蛋白的正常功能。

技術變革推動結構生物學發展

蛋白質作為構成人體組織器官的支架和主要物質，在人體生命活動中起著重要作用。在細胞中，大量蛋白質元件組成分子機器，透過蛋白質相互作用執行細胞內重要的分子過程，包括細胞對外界環境及內環境作用的反應，也均是以蛋白質間相互作用為紐帶，形成信號轉導網絡系統。

結構生物學通過研究生物大分子的三位空間結構、動態過程和生物學功能，可以提供蛋白質相互作用的更多細節以及實時動態變化的過程，從而幫助科學家理解分子機理，并探索與大分子功能失調相關疾病的發病機理。

結構生物學的發展不僅有助于藥物的發現，而且也將影響包括生物化學、細胞生物學、遺傳發育、神經生物學、微生物學以及病理藥理等在內的生命科學研究領域。

科技的發展一直在推動結構生物學的進展。2017年諾貝爾化學獎授予冷凍電鏡技術，憑借這種技術，能夠大幅提高解析大型蛋白復合體原子分辨率三維結構的效率；而且研究人員能夠凍結在運動中的生物分子，并且將其運動過程視覺化呈現出來。

這一突破給結構生物學領域帶來了一場完美風暴。近年來生命科學領域也取得了重要的突破，程亦凡、施一公、楊茂君和柳正峰等中國科學家的工作也都受益于該技術，他們解析了原子分辨率的重要復合體結構。此外，冷凍電鏡將產生導致阿爾茨海默綜合癥蛋白的酶解析出來。

2015年8月，施一公研究團隊在《自然》（Nature）雜志上發表文章，報道了分辨率高達3.4埃的人體γ-分泌酶的三維電鏡結構，并且基于結構分析研究了γ-分泌酶致病突變體的功能，為理解γ-分泌酶的工作機制以及阿爾茨海默癥的發病機理提供了重要基礎。

2020年2月，新冠疫情暴發后，西湖大學研究團隊又利用冷凍電鏡技術首次成功解析新型冠狀病毒受體ACE2的全長結構，助力新冠藥物的研發。

AI預測蛋白折疊改變了什么？

而借助人工智能技術，谷歌旗下的DeepMind公司近期公布了AlphaFold軟件預測的2.2億種蛋白質結構，震驚結構生物學領域，因為這預示著人工智能企業已經開始“真正地把Al的力量交到全世界科學家的手中”。

科學家將這一顛覆性突破成果的意義與人類基因組計劃相提并論。上世紀90年代，人類基因組計劃開始成形時，科學家意識到光掌握基因的堿基排列是不夠的，還必須了解基因的產物蛋白質。

中國科學院院士、結構生物學家、西湖大學校長施一公這樣評價AlphaFold的工作：“它對蛋白結構的精準預測，是人工智能對科學領域最大的一次貢獻，也是人類在21世紀取得的最重要的科學突破之一。”

施一公曾告訴第一財經記者：“AlphaFold代表了目前全球最領先的人工智能蛋白機構預測系統。”他同時稱，中國的高科技企業也在追趕，期待不久的將來能夠帶給世界驚喜。

他還表示，蛋白結構預測精準性的提升將使得制藥行業大為受益。“人工智能預測蛋白結構為藥物設計和優化提供了重要的基礎。所有小分子藥物結合的藥物靶點蛋白的結構，幾乎都能被AlphaFold一網打盡。”施一公表示。

而在一些科學家看來，盡管AlphaFold的工作令人震驚，但對于藥物研發預測的精準性還不夠。上海科技大學iHuman研究所執行所長劉志杰教授對第一財經記者表示：“預測蛋白質結構對工作已經持續了很長一段時間，現在的預測的準確度肯定是越來越高了，但是仍然沒有達到晶體結構的精度。”

劉志杰告訴第一財經記者，晶體結構是最精確的，而現在人工智能預測蛋白質折疊估計能夠達到電鏡以及核磁共振的精度。此外，由于蛋白質有成千上萬種結構，解析的難度也不一樣。“如果一些蛋白序列和人工智能已知的結構比較相近，那么就比較容易預測。”劉志杰表示。

但他仍然認為，隨著蛋白質折疊的預測精確度不斷提升，未來將在生命科學領域發揮更加重要的作用。“現在的預測如果能達到電鏡的精度，就已經可以對一些藥物進行設計，藥物設計是人工智能蛋白質折疊預測最大的應用領域。”劉志杰對第一財經記者說道。

也有人認為，隨著人工智能的發展，未來可能不需要那么多結構生物學家了。“很多做結構生物學的科研人員其實更像是技術服務人員，人越多，能夠解析的結構一定也越多，因此從本質上來講，有很大一部分的工作是靠人力，現在有了AI，確實有很大一部分做結構生物的人轉行了。”一位病毒研究員告訴第一財經記者。

不過對于施一公等頂尖結構生物學家而言，技術只是對“頂尖大腦”的有力支撐，能夠幫助他們實現更多的想法。“每一位用心的生物學家都應該知道如何用好人工智能的結構預測。”施一公表示。

2013年諾貝爾化學獎獲得者邁克爾·萊維特（Michael Levitt）教授對第一財經記者表示：“我認為很多結構生物學家不僅僅是在做結構方面的研究，他們也做很多蛋白功能以及藥物研發方面的工作，就好像**教授。人工智能只是解放了一部分傳統的人力，但是科學的進步仍然需要依靠最聰明的人腦，單靠人工智能恐怕還是不行的。”

近年來，國內也誕生了一批AI制藥企業。對此，中科院院士，北京科學智能研究院院長鄂維南向第一財經記者指出：“AI for Science研究范式的出現是科技創新的一個重要歷史機遇，不僅拓展了數據驅動、物理模型驅動模式的能力邊界，還有望推動二者的有機結合，為進一步解決實際問題提供理論基礎，極大地拉近了科學研究與實際應用的距離。”