近日，诺贝尔化学奖的颁发是对人工智能在药物发明中潜力的巨大肯定，通过AI技术揭示和操控蛋白质——生命的基本构建块，这一领域取得了重大进展。瑞典皇家科学院授予华盛顿大学教授大卫·贝克（David Baker）和来自谷歌DeepMind的两位科学家——首席执行官德米斯·哈萨比斯（Demis Hassabis）和高级研究科学家约翰·詹珀（John Jumper）。
哈萨比斯和詹珀因赢得长达数十年的竞争而获此殊荣，他们利用计算机仅凭基因代码就能预测蛋白质的结构。贝克的获奖则是因为他使用计算机设计出了前所未见的蛋白质。2020年，DeepMind首次展示了其AI算法AlphaFold能够正确“解决”科学家们已经在实验室中解析出的蛋白质结构。仅仅几年后，该公司又发布了一项更为惊人的成果，即几乎所有已知蛋白质的结构快照——包括人类、动物、植物、真菌、细菌等在内的2亿个基本构建块。
考虑到不久前，捕捉单个蛋白质的图像还是一个耗时数月且有时甚至无法成功的过程，因此AlphaFold虽然问世不久，但已经改变了行业格局。近年来，每当我访问制药公司了解他们的最新科学进展时，我都会问：“你们对AlphaFold有什么看法？你们在使用它吗？”答案总是肯定的。2022年，时任诺华研究主管（现为安进首席科学官）的杰伊·布拉德纳（Jay Bradner）告诉我：“我在上面花费的时间比Spotify还要多。”
为什么蛋白质结构如此重要？大多数药物的作用目标都是蛋白质。有时，蛋白质本身也可以作为药物。化学家希望能够在微观层面上“看到”这些蛋白质，以便设计出能够精确嵌入特定位置——如隐藏的口袋或粘性部分——从而关闭、开启或调节其活性以治疗疾病的药物。然而，如果你翻阅生化教科书，就会发现蛋白质的结构极其多样，从团块到曲线再到风车状。
我们还没有达到按下计算机按钮就能生成新型药物蓝图的地步，而且我怀疑我们永远不会达到这一点。尽管如此，生物技术和制药公司已经悄悄地将蛋白质预测技术融入到日常工作中，这缩短了新药研发这一艰难且缓慢的过程所需的时间。
DeepMind的科学家们也在不断改进这项技术。今年春天，该公司发布了一个可以预测蛋白质与其他关键细胞成分（如DNA、RNA、小分子或其他蛋白质）之间相互作用的版本。去年，科学家们还分析了AlphaFold中的结构，确定哪些蛋白质变化是有害的，哪些是无害的，这一工具可以帮助研究人员更轻松地找到罕见遗传疾病的原因。
尽管取得了许多进展，但仍有许多工作要做。AlphaFold中的某些结构并不完美，有些甚至相差甚远，因此还需要进一步完善。此外，从事AI药物设计的人士希望不仅能够设计出能锁定目标的药物，还能确保其安全性和具有成为可行商业产品的特性（例如，在体内停留足够长的时间以发挥作用，并可以制成便于服用的药片）。所有这些都是正在进行的工作。
另一位获奖者是华盛顿大学的大卫·贝克，他致力于设计自然界中不存在的蛋白质。这首先需要理解蛋白质是如何折叠的（正如DeepMind的工作所强调的那样，这并非易事），然后通过修改基因序列来创造新的结构。这种技术的应用范围广泛，医学上可能意味着从微调现有药物的某个特定部位以解决其不足，到设想出从未见过的新药物。
这种方法有多大的前景？去年春天，投资者承诺向Xaira Therapeutics这家生物技术公司投资超过10亿美元，该公司的基础技术来自贝克的实验室。这使该公司跻身于不仅是AI领域的顶级公司，也是所有生物技术初创公司的前列。
贝克实验室和DeepMind所做的工作的惊人之处在于进步的速度。我们正逐渐接近一个药物发现过程更加高效和成功的时代。这是值得庆祝的。
丽莎·贾维斯（Lisa Jarvis）是彭博社专栏作家，专注于生物技术、医疗保健和制药行业。
(全文结束)
