2024 年諾貝爾化學獎，因為 AI 在蛋白質結構預測上的突破而備受矚目。Google DeepMind 的創辦人之一哈薩比斯（Demis Hassabis）與他的團隊，因開發出能預測蛋白質摺疊的 AlphaFold 系列獲得一半獎金。而另一半獎金則頒給了化學家大衛·貝克（David Baker），他開發出另一套令人驚嘆的工具，甚至突破了 AlphaFold 的極限。這些成就不僅為科學界帶來革命性的改變，更可能大幅加速藥物開發與疾病治療的進程。
蛋白質摺疊：生命的拼圖
蛋白質作為生命的基石，其結構對其功能至關重要。當蛋白質在細胞內生成時，它由多個胺基酸分子組成的長鏈，會在極短的時間內像折紙般扭曲成特定的三維形狀。這種形狀決定了蛋白質的功能，比如構成細胞的結構、催化化學反應或傳遞訊息。
然而，預測這些複雜的三維結構曾經是生物化學界的一大挑戰。科學家們雖然能夠測量蛋白質序列（即胺基酸的排列順序），但如何從一維的序列準確推測其三維構造，卻是一個需要龐大運算能力和深刻科學理解的難題。
這個挑戰直到 2021 年 AlphaFold 2 的問世才有了質的突破。這套工具運用深度學習技術，能快速準確地預測蛋白質的摺疊方式，其精度已接近實驗室測試的水平。而今年推出的 AlphaFold 3，更進一步預測生物分子如 DNA 和 RNA 與蛋白質的交互作用，為藥物設計提供了重要基礎。
不止於 AlphaFold：貝克的逆向設計
與 AlphaFold 側重於「順向」預測不同，大衛．貝克帶領的團隊採取了全然相反的路徑。他們開發的工具能夠進行「逆向」工程：不僅能根據已知序列推測結構，還能從需求出發，設計出具有特定功能的蛋白質。這種技術突破意味著，我們可以隨心所欲地設計出抗癌抗體、病毒疫苗，甚至是工業用的環保酵素。
這就像一位技藝超群的主廚，能根據客人的描述，精準還原一道複雜的菜餚，甚至能重新設計出更美味、更符合需求的版本。而貝克團隊的這套技術，則讓這樣的「創造」成為科學事實。
設計蛋白質的技術演進
早在 1997 年，貝克的團隊就已經開發出 Rosetta，這是一款能模擬蛋白質摺疊的電腦工具。當時，他們利用能量假設，評估一個三維結構的穩定性。然而，由於電腦運算能力的限制，他們不得不採取取巧的方法，例如利用多序列比對（MSA）與蒙地卡羅模擬法來提升效率。這些技術雖然簡單，但在當時已經能顯著縮短運算時間。
隨著深度學習的興起，貝克團隊在 2021 年推出 RoseTTAFold，這套工具採用了三軌神經網路，讓 AI 能從多序列比對、分子距離與原子位置三方面同時學習，進一步提升預測的準確性。而今年最新的 RFdiffusion，更將擴散模型融入其中，讓 AI 不僅能預測，還能根據輸入的需求直接設計蛋白質結構。
擴散模型的應用就像圖像生成工具 DALL-E 或 Midjourney，能在短時間內生成大量的可能構造，再經過篩選，留下最可能實現的設計。這讓蛋白質設計變得前所未有的靈活和高效。
AI 與疾病的正面交鋒
RFdiffusion 的問世，為生物醫學界帶來了全新的可能性。例如，研究人員已用它設計出數千個抗體，針對癌症、新冠病毒、流感等多種疾病進行測試。雖然目前成功率僅為 1%，但這已經是一個令人振奮的起點。
更重要的是，這些設計並非停留在理論層面。早在 2003 年，貝克團隊就曾成功創造出自然界不存在的蛋白質 Top7，而在 2008 年，他們更進一步設計出能催化化學反應的人造酵素。這些突破證明，人類不僅能理解生命的基本組成，更能重新定義它。
從賽場到實驗室：設計蛋白質的熱潮
除了 AlphaFold 和 RFdiffusion，近年來還出現了多場蛋白質設計競賽，例如 Align to Innovate 的酵素設計挑戰、加拿大生技公司 Liberum Bio 的病毒酶改良項目，以及 BioML Society 的 CAR-T 細胞抗原設計比賽。這些比賽吸引了來自學術界與產業界的頂尖人才，激發了無數創新應用的靈感。
隨著技術的進步，AI 工具已經不再僅僅是輔助，而是成為創造新型蛋白質的核心力量。從抗體設計到工業酵素，從疫苗開發到癌症治療，AI 正在以前所未有的速度推動著科學的邊界。
未來展望：AI 是否能掌控生命密碼？
2024 年的諾貝爾化學獎不僅表彰了科學家的創新，更為人類未來與 AI 攜手揭開生命秘密描繪了一幅清晰的藍圖。隨著技術的不斷進步，我們正在從被動了解大自然的蛋白質結構，轉向主動創造適應需求的新型蛋白質。
這場革命不僅改變了醫學的面貌，也讓我們對生命本質有了更深層次的理解。未來的某一天，AI 也許真的能成為人類對抗疾病的終極武器，甚至實現哈薩比斯預言的「治癒大部分疾病」。
https://pansci.asia/archives/378388
