1小时纪录片,讲述AlphaFold的5年传奇!奥斯卡奖团队操刀
1小时纪录片,讲述AlphaFold的5年传奇!奥斯卡奖团队操刀
  • 2026-03-19 02:32:39
    来源:枯枝败叶网

    1小时纪录片,讲述AlphaFold的5年传奇!奥斯卡奖团队操刀

    字体:

    文章转载于新智元

    Nature近期发布的最新文章,盘点了谷歌DeepMind的AlphaFold诞生五年来,取得的一系列重大科研突破。

    与此同时,谷歌DeepMind也将纪录片《思维游戏》(The Thinking Game)发布在YouTube。

    DeepMind官推

    纪录片《思维游戏》第一部分

    纪录片《思维游戏》第二部分

    这是一个关于等待与顿悟的故事,也是生物学在过去五年经历的缩影。

    1

    寻找那把丢失的钥匙

    在维也纳分子病理学研究所,生化学家安德烈娅·保利(Andrea Pauli)曾陷入长达十年的困惑。

    为了搞清楚精子和卵子究竟是如何「相遇」的,她在2018年就在斑马鱼的卵子表面发现了一种至关重要的蛋白质,她给它起名叫「Bouncer」(保镖)。

    这个名字很形象,因为如果没有它,受精过程根本不会发生。

    但问题在于,这位「保镖」到底是如何识别并放行精子的?

    保利的团队和世界各地的同行们苦苦思索,试图在显微镜下通过无数次生化实验解开这个分子层面的「握手」机制,却始终找不到那把钥匙。

    直到2020年11月,一场海啸从伦敦的DeepMind实验室呼啸而来。

    AlphaFold 2横空出世。

    这个AI系统以惊人的精度预测出了蛋白质的三维结构。

    那一刻,原本模糊的微观世界突然变得清晰可见。

    对于保利来说,这就像是在黑暗的房间里突然开了一盏灯:AlphaFold迅速预测出了一种名为Tmem81的精子蛋白结构,它能与另外两个蛋白形成复合物,恰好构建出一个完美的「口袋」,让「Bouncer」得以嵌入结合。

    Tmem81的AlphaFold模型

    困扰人类十年的生殖谜题,被AI在几分钟内破解了。

    实验随后验证了这一切。

    如今,保利感慨道:「它加速了所有的发现。现在我们每一个项目都在用它。」

    1

    结构生物学的「第二次降临」

    这一幕,只是AlphaFold五周岁生日之际,全球无数实验室里的一个缩影。

    把日历翻回五年前的那个深秋,当DeepMind揭开AlphaFold 2的面纱时,科学界感受到的是巨大的冲击。

    如果说2018年的第一代版本还只是「令人感兴趣」,那么第二代版本则直接展现了「统治力」。

    它生成的3D模型在许多情况下已经与耗资昂贵的实验图谱难以区分。

    欧洲生物信息学研究所(EMBL-EBI)的生物信息学家珍妮特·桑顿(Janet Thornton)用了一个极具宗教色彩的比喻来形容这场变革:「拥有了预测万物的模型,其影响是巨大的。这就像是结构生物学的“第二次降临”(Second Coming)。」

    这一变革的烈度,量化在数据里是惊人的。

    自2021年关于AlphaFold 2的论文在《自然》杂志发表以来,短短几年间,它已被引用了近4万次。

    与许多在热点过去后关注度就断崖式下跌的研究不同,AlphaFold的热度曲线是一条昂扬向上的直线。

    更重要的是,DeepMind做出了一个决定:他们将其代码开源,并与EMBL-EBI合作建立了数据库。

    这个数据库如今像是一个不断膨胀的宇宙,包含了超过2.4亿个预测结构,几乎囊括了人类已知的所有蛋白质。

    全球190个国家的330万名研究人员涌入这里,其中超过100万用户来自中国、印度等中低收入国家。

    这不仅是技术的胜利,更是科学平权的胜利——无论是在哈佛的顶级实验室,还是在发展中国家的大学宿舍,只要有一根网线,你就能看见生命的精密蓝图。

    1

    从预测结构到重塑科学

    2024年,AlphaFold的缔造者德米斯·哈萨比斯(Demis Hassabis)约翰·詹珀(John Jumper)分享了诺贝尔化学奖的一半殊荣。

    这对于一个诞生仅五年的工具来说,几乎是光速的认可。

    但詹珀本人关注的却是另一个问题。

    看着像保利这样的科学家利用AlphaFold做出的突破,他不仅感到骄傲,更在好奇:「什么时候会有人因为「使用」AlphaFold而赢得那些大奖呢?」

    这绝非随口说出的空话。

    一份由DeepMind资助的研究发现,使用AlphaFold的研究人员向PDB(蛋白质数据库)提交的实验结构数量,比未使用该工具的同行多出了约50%。

    这揭示了一个现象:AI并没有像某些人担心的那样「取代」实验学家,反而在「反哺」他们。

    那些通过X射线晶体学或冷冻电镜得到的模糊原始数据,因为有了AI预测结构的辅助,变得更容易解读。

    詹珀说:「我喜欢这种感觉,它帮助了那些最初为我们提供数据的人。」

    这形成了一个完美的闭环:人类的实验数据训练了AI,AI反过来帮助人类看清实验数据,进而产生更多的数据。

    在这场循环中,科学发现的齿轮被按下了快进键。

    五年过去,AlphaFold已经不再是一个单纯的新闻热词,它变成了像移液枪、显微镜一样的科研「基建」。

    它悄无声息地融入了每一篇论文的致谢里,融入了每一次药物设计的构想中,融入了人类对生命最本质奥秘的每一次凝视。

    在原子与代码的交响中,人类终于不再只是在黑暗中摸索生命的形状,而是点亮了一盏灯,看清了造物主留下的每一行诗句。

    参考资料:

    https://www.nature.com/articles/d41586-025-03886-9

    https://www.youtube.com/watch?v=d95J8yzvjbQ

    点个“爱心”,再走

    【纠错】【责任编辑:⒈颗心゜为你适可而止】