2018年，DeepMind的AlphaFold橫空出世，僅憑氨基酸序列就能預測蛋白質(zhì)的3D結(jié)構，一舉攻克了困擾生物學界50年的蛋白質(zhì)折疊問題。2020年，AlphaFold2的問世被《科學》雜志評為年度突破，其預測的2億多個蛋白質(zhì)結(jié)構幾乎涵蓋了所有已知蛋白質(zhì)，為研究提供了前所未有的資源庫。

一時間，AI蛋白質(zhì)解析成為科技界最炙手可熱的話題，被譽為繼AlphaGo之后人工智能在科學領域的又一里程碑。

然而，隨著ChatGPT等大語言模型的崛起，AI蛋白質(zhì)解析似乎淡出了公眾視野，進入了沉寂期。但這一領域在過去幾年中并未停滯，而是轉(zhuǎn)向更深入、更實用的發(fā)展階段，經(jīng)歷了一些新變化。

近年來，AI蛋白質(zhì)解析不再只局限于生物科學，開始向醫(yī)藥、環(huán)境甚至考古領域延伸。

材料科學領域，AI蛋白質(zhì)設計正催生全新的生物基材料。傳統(tǒng)材料研發(fā)往往依賴試錯和經(jīng)驗，現(xiàn)在科學家利用AI蛋白質(zhì)能創(chuàng)造出自然界中不存在的新材料。例如，麻省理工學院研究團隊開發(fā)的機器學習算法，能夠設計出具備特定力學特性的新型蛋白質(zhì)，用于制造可替代石油基或陶瓷材料的生物材料，在保持性能的同時大幅降低碳足跡。

環(huán)境保護領域，AI蛋白質(zhì)工程正為可持續(xù)發(fā)展提供新方案。造紙、紡織工業(yè)依賴酶等蛋白質(zhì)催化劑，但天然酶往往無法適應高溫、酸堿等極端條件。過去，研究員需要通過反復誘變篩選來改良酶的性能，如今借助AI便可以定向設計蛋白質(zhì)。上海交通大學的團隊建立了全球最大的蛋白質(zhì)序列數(shù)據(jù)庫，他們的技術可以將蛋白質(zhì)研發(fā)周期從傳統(tǒng)的2～5年縮短至6～12個月，大幅降低工業(yè)用酶改良的時間和成本。

考古和古生物領域，AI蛋白質(zhì)解析開始發(fā)揮獨特作用。傳統(tǒng)考古主要依賴化石和DNA分析，但蛋白質(zhì)更具化學穩(wěn)定性，保存時間更長、能提供的信息更豐富。然而，古代蛋白樣品成分復雜，傳統(tǒng)質(zhì)譜測序和數(shù)據(jù)庫比對方法效率有限，AI的引入顯著提升了古蛋白分析能力。劍橋大學的考古學家利用AI蛋白質(zhì)測序工具在古代巴西陶片中發(fā)現(xiàn)了魚類肌肉蛋白的證據(jù)，研究了古代居民的飲食結(jié)構。可以說，AI讓考古學家讀懂了古人留下的蛋白質(zhì)密碼，為探索人類歷史提供新視角。

可見，AI蛋白質(zhì)解析的跨學科融合不僅豐富了各領域的研究手段，也產(chǎn)生了1+1>2的創(chuàng)新效應，在各個學科領域展示了不可替代的獨特價值。

早期的AI蛋白質(zhì)解析主要停留在學術研究和實驗室階段。如何將這些實驗室突破轉(zhuǎn)化為實際應用，一直是產(chǎn)業(yè)界關注的問題。

預測蛋白質(zhì)結(jié)構只是第一步，要真正用于藥物開發(fā)、工業(yè)生產(chǎn)，還需要驗證結(jié)構的功能、優(yōu)化設計并實現(xiàn)大規(guī)模制備。近年來，這一領域出現(xiàn)了明顯的產(chǎn)學研融合趨勢：學術界、工業(yè)界和創(chuàng)業(yè)公司緊密合作，形成了“AI設計一自動化實驗驗證一產(chǎn)業(yè)落地”的完整鏈條。

首先，AI設計環(huán)節(jié)，科研突破不斷涌現(xiàn)，并迅速向產(chǎn)業(yè)開放。2021年， DeepMind將AlphaFold2模型開源，并與歐洲生物信息研究所合作發(fā)布了AlphaFold結(jié)構數(shù)據(jù)庫，公開了超過2億種蛋白質(zhì)的預測結(jié)構。此后，學界和業(yè)界研究者在此基礎上開發(fā)出各種改進模型和工具。Meta公司推出了可快速預測蛋白質(zhì)結(jié)構的ESMFold；華盛頓大學貝克實驗室開發(fā)了RoseTTAFold及其衍生的RFdiffusion模型，用于生成全新的蛋白質(zhì)結(jié)構。開源發(fā)布的設計模型，推動形成了開放創(chuàng)新的社區(qū)，為全球企業(yè)提供了學習研究平臺。

其次，在實驗驗證環(huán)節(jié)，自動化、高通量技術的發(fā)展使大規(guī)模測試AI設計的蛋白質(zhì)成為可能。過去，設計出一個新蛋白往往需要科研人員手工進行基因克隆、表達純化、功能測定，效率低、成本高。如今，借助自動化實驗室和微流控技術，研究人員可以批量合成和測試成百上千種蛋白變體，快速篩選出性能優(yōu)異的候選。上海交大團隊研制的世界首臺集成自動化裝置，可在24小時內(nèi)連續(xù)完成100多項蛋白表達、純化和功能測試任務，效率比人工提高近十倍。自動化實驗技術的成熟，讓原本繁瑣的實驗流程標準化、規(guī)模化，為產(chǎn)學研轉(zhuǎn)化打通了關鍵一環(huán)。

到了產(chǎn)業(yè)落地環(huán)節(jié)，越來越多的AI蛋白質(zhì)解析技術走出實驗室，進入應用和商業(yè)化階段。大型制藥公司、生物技術創(chuàng)業(yè)公司甚至傳統(tǒng)工業(yè)企業(yè)，都開始擁抱AI設計的蛋白質(zhì)產(chǎn)品。傳統(tǒng)藥物研發(fā)中“十年十億美元”的魔咒正在被打破，AI蛋白質(zhì)設計平臺公司分子之心與藥企依靠AI蛋白質(zhì)解析，僅用三天就設計出數(shù)十個理想的候選蛋白，突破了相關疫苗穩(wěn)定性專利。上海交大洪亮團隊發(fā)布的Venus模型，通過AI定向進化功能，僅用不到一年時間就將金賽藥業(yè)單域抗體的耐堿性提升四倍，每年節(jié)省上千萬元成本，成為全球首款由大模型設計并規(guī)模化生產(chǎn)的蛋白質(zhì)產(chǎn)品。

可以看到，產(chǎn)學研融合正在加速AI蛋白解析技術的產(chǎn)業(yè)化進程。從科研院所的原始創(chuàng)新，到創(chuàng)業(yè)公司的產(chǎn)品開發(fā)，再到企業(yè)的規(guī)模化生產(chǎn)和市場推廣，各環(huán)節(jié)緊密銜接，帶來了顯著的經(jīng)濟和社會價值。

一方面，AI蛋白質(zhì)技術正在催生新的產(chǎn)業(yè)增長點。市場分析，全球蛋白質(zhì)工程市場規(guī)模預計將從2024年約35億美元增至2030年的近78億美元。AI驅(qū)動的創(chuàng)新公司將不斷涌現(xiàn)，吸引大量投資。另一方面，技術應用有望大幅降低傳統(tǒng)行業(yè)的成本。例如，通過AI設計的高效酶制劑可以減少工業(yè)的能耗和化學廢物排放；AI加速新藥發(fā)現(xiàn)有望縮短藥物上市時間、降低研發(fā)成本，惠及患者。

AI蛋白質(zhì)解析的產(chǎn)學研聯(lián)動正在將科學創(chuàng)新從少數(shù)頂尖實驗室的專屬成果轉(zhuǎn)變?yōu)槿鐣蚕淼呢敻弧Ｔ?jīng)掌握在頂尖實驗室的技術，借助開源工具和云平臺，已在中小企業(yè)乃至個人研究者手中釋放出更大的價值和活力。

過去，AI蛋白質(zhì)解析領域，美國長期占據(jù)主導地位，其他國家以跟隨為主。近幾年，中國團隊的崛起和國際合作的深化，逐漸改變了這一格局，形成中美雙核驅(qū)動的新局面。

首先，在基礎算法方面，中國團隊開始提出具有國際影響的新模型和新方法。上海交通大學的團隊建立了全球最大的蛋白質(zhì)序列數(shù)據(jù)庫“Venus-Pod”（包含超過90億條序列信息）。基于此訓練出的Venus系列模型，能夠高精度預測和設計蛋白質(zhì)功能。

其次，在應用和產(chǎn)業(yè)化方面，中國擁有全球最大的生物制藥市場和工業(yè)酶應用市場。近年來，中國的高校、科研院所與企業(yè)緊密合作，推動AI蛋白質(zhì)技術在醫(yī)藥、工業(yè)等領域的應用。過去兩年，上海交大團隊利用Venus模型設計的多種新型蛋白，已經(jīng)進入工業(yè)化應用階段。例如，在阿爾茨海默癥早期診斷領域，研究人員利用AI優(yōu)化的堿性磷酸酶（ALP），能夠檢測到極低濃度的疾病生物標志物，活性已達到市售最好產(chǎn)品的三倍。

此外，中國政府也將生物計算、AI制藥納入重點發(fā)展規(guī)劃，在資金和政策上予以支持。例如，北京化工大學生命科學與技術學院吳邊教授近期獲批的“基于人工智能的功能蛋白質(zhì)設計和優(yōu)化”項目，就鼓勵跨學科團隊攻關AI蛋白質(zhì)解析關鍵問題。這樣的環(huán)境下，中國在該領域的整體實力快速提升，逐漸從跟跑者轉(zhuǎn)變?yōu)椴⑴苷吣酥聊承┓较虻念I跑者。

除了中美之外，其他國家和地區(qū)也在積極參與蛋白質(zhì)解析領域的研發(fā)。德國歐研所（參與AlphaFold數(shù)據(jù)庫建設） 、加拿大的Vector研究所（參與蛋白質(zhì)語言模型研究）在蛋白質(zhì)動力學模擬與AI結(jié)合方面都有所貢獻。

可以預見，未來全球在這一領域的合作將更加緊密，跨國界的研究聯(lián)盟和數(shù)據(jù)共享平臺將不斷出現(xiàn)。來自世界各地的研究機構將共同應對諸如蛋白質(zhì)折疊機制解析、AI模型可靠性提升、倫理安全等全球性問題。

總之，AI蛋白質(zhì)解析領域正在經(jīng)歷一場靜水流深的變革。從破解蛋白質(zhì)結(jié)構，到助力研發(fā)新藥，該技術已從實驗室走向產(chǎn)業(yè)。未來，它可能幫助人類設計攻疾病的精準藥物、創(chuàng)造可降解綠色塑料，甚至合成自然界不存在的蛋白質(zhì)，帶來更大的社會價值。