五年時(shí)間足以讓一項(xiàng)技術(shù)從實(shí)驗(yàn)室奇觀變成科研基礎(chǔ)設(shè)施。AlphaFold之于生物學(xué)研究就是這樣一段進(jìn)程從2020年在國(guó)際蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)競(jìng)賽上一鳴驚人到后來(lái)整個(gè)結(jié)構(gòu)生物學(xué)界的默認(rèn)工具再到2024年諾貝爾化學(xué)獎(jiǎng)花落這個(gè)方向——這個(gè)AI模型改變的不只是我們拿到蛋白質(zhì)結(jié)構(gòu)的速度更重塑了研究者提問(wèn)問(wèn)題的方式和整個(gè)學(xué)科的協(xié)作節(jié)奏。這篇文章我不想再?gòu)?fù)述一遍AlphaFold是什么的科普而是從一個(gè)長(zhǎng)期用它做蛋白互作、藥物靶點(diǎn)分析和突變功能研究的用戶視角出發(fā)說(shuō)說(shuō)這五年我親眼看到的變化它怎么改寫(xiě)結(jié)構(gòu)生物學(xué)的工作流哪些環(huán)節(jié)被真正重塑了哪些問(wèn)題它至今解決不了以及現(xiàn)在想上手用這套工具的團(tuán)隊(duì)最常見(jiàn)的坑在哪里。1. 從一鳴驚人到諾貝爾獎(jiǎng):AlphaFold的五年時(shí)間線1.1 2020年的那次跳躍:整個(gè)領(lǐng)域的沉默時(shí)刻在AlphaFold之前蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)領(lǐng)域有一條大家都默認(rèn)的規(guī)矩沒(méi)通過(guò)實(shí)驗(yàn)驗(yàn)證的結(jié)構(gòu)都只能算預(yù)測(cè)。當(dāng)時(shí)最好的計(jì)算方法對(duì)中等難度蛋白的預(yù)測(cè)精度大約在六成左右距離真正可用差了不止一個(gè)數(shù)量級(jí)。2020年底國(guó)際蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)競(jìng)賽公布結(jié)果的時(shí)候我印象最深的一個(gè)場(chǎng)景是AlphaFold的預(yù)測(cè)精度第一次追平了實(shí)驗(yàn)方法尤其在一些沒(méi)有同源模板的蛋白上它的主鏈原子誤差已經(jīng)壓到了一個(gè)令人說(shuō)不出話的水平。那屆競(jìng)賽之后計(jì)算結(jié)構(gòu)能不能替代實(shí)驗(yàn)結(jié)構(gòu)這個(gè)問(wèn)題整個(gè)圈子都必須正面回答了。也正是2020年的那次勝利讓普通生物學(xué)研究者不再把AlphaFold看作某個(gè)AI公司年會(huì)上的炫技表演而是把它當(dāng)成一個(gè)真正的、可以拿來(lái)解決具體生物學(xué)問(wèn)題的新工具。1.2 2021到2022年:從模型到開(kāi)放數(shù)據(jù)庫(kù)的數(shù)據(jù)雪崩如果只有模型本身AlphaFold的影響面還會(huì)小很多。真正讓它從一個(gè)組可以用變成每個(gè)人都能用的是緊隨其后放出的海量結(jié)構(gòu)數(shù)據(jù)庫(kù)。我記得2021年數(shù)據(jù)庫(kù)剛上線的時(shí)候里面對(duì)應(yīng)的物種和蛋白還比較有限查一個(gè)基因往往需要等接口刷新。到了2022年覆蓋面已經(jīng)擴(kuò)展到幾乎所有已知蛋白序列——接近兩億條結(jié)構(gòu)。這意味著什么過(guò)去你想研究某個(gè)少有人關(guān)注的物種里的一個(gè)酶幾乎只能自己克隆表達(dá)、結(jié)晶、收數(shù)據(jù)順利的話也要幾個(gè)月到一年?，F(xiàn)在登錄公共數(shù)據(jù)庫(kù)輸入序列幾分鐘之內(nèi)就能看到預(yù)測(cè)結(jié)構(gòu)、置信度評(píng)分和可能的配體結(jié)合口袋。這種變化對(duì)資金充足的大實(shí)驗(yàn)室來(lái)說(shuō)是做第一批篩選對(duì)資源本就不算寬裕的小實(shí)驗(yàn)室和很多冷門(mén)物種研究者而言則是從做不起到能先算一遍再說(shuō)的躍級(jí)。這一波數(shù)據(jù)開(kāi)放才是AlphaFold重塑生物學(xué)最厚實(shí)的地基。1.3 2023到2025年:第三代模型與諾貝爾獎(jiǎng)的破圈接下來(lái)的故事大家都知道了AlphaFold 3把預(yù)測(cè)范圍從單體蛋白擴(kuò)展到蛋白-蛋白復(fù)合物、蛋白-核酸復(fù)合物乃至小分子配體2025年又完整開(kāi)源再?zèng)]隔多久諾貝爾化學(xué)獎(jiǎng)首次授予了把AI預(yù)測(cè)結(jié)構(gòu)做到實(shí)驗(yàn)級(jí)精度的幾位核心研究者。這枚獎(jiǎng)對(duì)學(xué)科最大的意義不在于給某個(gè)團(tuán)隊(duì)貼金而是公開(kāi)承認(rèn)了計(jì)算生物學(xué)本身就是一種基礎(chǔ)科研手段。從2020年到2025年AlphaFold這個(gè)符號(hào)已經(jīng)從一只預(yù)測(cè)蛋白結(jié)構(gòu)的AI演變成了一個(gè)完整的開(kāi)放生態(tài)模型、數(shù)據(jù)庫(kù)、下游工具鏈、實(shí)驗(yàn)驗(yàn)證閉環(huán)全都被串了起來(lái)。我們這些一線使用者也從懷疑它變成把它當(dāng)作起點(diǎn)再把結(jié)果拿回實(shí)驗(yàn)臺(tái)上驗(yàn)證。2. 結(jié)構(gòu)生物學(xué)的工作流變遷:AlphaFold把哪些環(huán)節(jié)改寫(xiě)了2.1 先結(jié)晶再解結(jié)構(gòu)正在變成先預(yù)測(cè)再驗(yàn)證傳統(tǒng)的結(jié)構(gòu)生物學(xué)研究核心瓶頸是拿到晶體或高質(zhì)量的冷凍樣本。一個(gè)課題組想在文章里放一個(gè)新結(jié)構(gòu)平均周期從幾個(gè)月到數(shù)年的都有。AlphaFold普及之后至少有三個(gè)環(huán)節(jié)發(fā)生了明顯變化。第一立項(xiàng)時(shí)的初步假設(shè)可以先用計(jì)算完成。想研究某個(gè)未知功能的蛋白可以先拿到高置信度預(yù)測(cè)結(jié)構(gòu)再?gòu)闹姓夜δ芪稽c(diǎn)、保守殘基、表面電荷區(qū)域這些信息反過(guò)來(lái)指導(dǎo)實(shí)驗(yàn)設(shè)計(jì)。第二做定點(diǎn)突變時(shí)不再需要盲目掃一遍位點(diǎn)而是先看序列比對(duì)和預(yù)測(cè)結(jié)構(gòu)里的保守模塊把候選突變縮小到一個(gè)很集中的范圍。第三一些之前根本沒(méi)人研究、但公共數(shù)據(jù)庫(kù)中可見(jiàn)的孤兒蛋白現(xiàn)在也能被低成本地納入功能篩選。這里要畫(huà)一條紅線預(yù)測(cè)結(jié)構(gòu)是假設(shè)不是結(jié)論。好的課題組現(xiàn)在普遍把AlphaFold結(jié)果作為先驗(yàn)?zāi)Ｐ腿缓笥肵射線、冷凍電鏡或核磁共振做定向驗(yàn)證。晶體學(xué)沒(méi)有被消滅它只是從開(kāi)頭必須有變成了關(guān)鍵問(wèn)題才需要。2.2 冷凍電鏡和AlphaFold的配合比以前更順了很多不在一線做結(jié)構(gòu)的人會(huì)把AI預(yù)測(cè)和冷凍電鏡理解成競(jìng)爭(zhēng)關(guān)系。真正的工程判斷其實(shí)恰好相反兩者是咬合度很高的上下游關(guān)系。冷凍電鏡最麻煩的一步之一是建?！阋诿芏葓D里一截一截地把氨基酸骨架畫(huà)進(jìn)去。以前這步需要人工配合同源模型慢慢搭遇到柔性區(qū)域或者分辨率不高的地方一整天可能只推進(jìn)幾十個(gè)殘基?，F(xiàn)在有了AlphaFold預(yù)測(cè)結(jié)構(gòu)做初始模板再把它剛性地放進(jìn)電鏡密度里做柔性擬合生成初始模型的時(shí)間能縮短幾個(gè)量級(jí)。同樣的道理也適用于X射線晶體學(xué)中的分子置換。用一個(gè)高精度的預(yù)測(cè)結(jié)構(gòu)作為搜索模型成功率比用同源性很遠(yuǎn)的模板高很多。所以這幾年做結(jié)構(gòu)解析的老師們一大半都在討論同一個(gè)流程先算一份AlphaFold結(jié)構(gòu)再做濕實(shí)驗(yàn)確認(rèn)界面最后用密度圖把柔性差的地方修出來(lái)。2.3 突變功能研究、配體結(jié)合與藥物設(shè)計(jì)的連鎖反應(yīng)AlphaFold重塑的不只是解結(jié)構(gòu)這個(gè)環(huán)節(jié)還讓序列-結(jié)構(gòu)-功能這條通路上的推理密度明顯變高了。舉一個(gè)很常見(jiàn)的應(yīng)用場(chǎng)景研究某個(gè)疾病相關(guān)蛋白的錯(cuò)義突變。過(guò)去要搞清楚這個(gè)突變?yōu)槭裁粗虏〉孟扔袑?shí)驗(yàn)結(jié)構(gòu)再逐個(gè)位點(diǎn)做煩瑣的功能實(shí)驗(yàn)。現(xiàn)在可以把野生型和突變型的預(yù)測(cè)結(jié)構(gòu)對(duì)比起來(lái)看如果某個(gè)突變恰好位于核心折疊區(qū)域結(jié)構(gòu)模塊上的穩(wěn)定性評(píng)分和周?chē)鷼埢南嗷プ饔镁W(wǎng)絡(luò)都會(huì)明顯不同這個(gè)突變被優(yōu)先推進(jìn)驗(yàn)證的概率就大得多。在配體和藥物設(shè)計(jì)方向AlphaFold的貢獻(xiàn)更多體現(xiàn)在快速排出候選結(jié)合口袋。雖然有依附的局限性但至少可以先回答一個(gè)問(wèn)題這段未知蛋白序列最可能有藥物結(jié)合縫的區(qū)域在哪里。一個(gè)更有說(shuō)服力的例子是酶工程改造。過(guò)去改一個(gè)酶拼的主要是定向進(jìn)化和經(jīng)驗(yàn)猜測(cè)現(xiàn)在則可以先預(yù)測(cè)一個(gè)結(jié)構(gòu)根據(jù)活性口袋的形狀和化學(xué)性質(zhì)選定這幾個(gè)關(guān)鍵殘基再在它們附近做飽和突變。這種AI給圖紙、濕實(shí)驗(yàn)來(lái)驗(yàn)證的循環(huán)在過(guò)去是不可想象的。3. 技術(shù)邊界:AlphaFold為什么很能打,但不能通吃一切3.1 它到底是怎么預(yù)測(cè)結(jié)構(gòu)的:底層邏輯并不神秘AlphaFold的底層原理概括起來(lái)就是用深度學(xué)習(xí)網(wǎng)絡(luò)從大量蛋白序列和已知結(jié)構(gòu)中學(xué)習(xí)序列如何決定空間結(jié)構(gòu)的統(tǒng)計(jì)規(guī)律。具體到流程上核心是這幾塊一是多序列比對(duì)把目標(biāo)序列放到龐大的同源序列庫(kù)里搜索找出共同進(jìn)化的殘基信號(hào)二是把同源序列信號(hào)轉(zhuǎn)化為二維的殘基間距離圖和三維坐標(biāo)三是用注意力機(jī)制反復(fù)折疊出全局一致的構(gòu)象。這里最容易產(chǎn)生誤解的地方在于很多人以為AlphaFold是在背答案——只要新序列和訓(xùn)練集里某個(gè)蛋白長(zhǎng)得像就能輸出一個(gè)漂亮結(jié)構(gòu)。真正讓它強(qiáng)的是對(duì)共同進(jìn)化信號(hào)的提取。如果某個(gè)蛋白在序列庫(kù)里的同源序列非常稀少或者同源序列覆蓋度很低它的表現(xiàn)會(huì)急劇退化。3.2 高度無(wú)序蛋白與構(gòu)象變化,是兩個(gè)最大的盲區(qū)AlphaFold至今還有兩個(gè)公認(rèn)的軟肋。第一個(gè)軟肋是沒(méi)有固定三維構(gòu)象的天然無(wú)序蛋白。這樣的蛋白在細(xì)胞里其實(shí)大量存在比如很多轉(zhuǎn)錄因子區(qū)域、信號(hào)轉(zhuǎn)導(dǎo)蛋白的調(diào)節(jié)區(qū)。AlphaFold給這些區(qū)域打出的置信度分?jǐn)?shù)會(huì)非常低甚至?xí)o出一個(gè)看起來(lái)很合理、但實(shí)際并不存在的假結(jié)構(gòu)。遇到這種區(qū)域老實(shí)看置信度、別強(qiáng)行建模才是對(duì)的。第二個(gè)軟肋是對(duì)構(gòu)象變化的捕捉。AlphaFold本質(zhì)輸出的是序列最可能折疊成的某一穩(wěn)定狀態(tài)很難自然地給出蛋白在結(jié)合底物、跨膜轉(zhuǎn)運(yùn)或變構(gòu)調(diào)節(jié)時(shí)會(huì)經(jīng)歷的大尺度構(gòu)象變化。你可以用預(yù)測(cè)結(jié)構(gòu)做起始模型再用分子動(dòng)力學(xué)模擬去探索別的構(gòu)象但別指望AlphaFold一鍵生成多種狀態(tài)的平衡集合。3.3 置信度分?jǐn)?shù)怎么讀:pLDDT和PAE才是真正的說(shuō)明書(shū)在拿到AlphaFold輸出之后很多人只看結(jié)構(gòu)圖漂不漂亮卻忽略了兩份關(guān)鍵的置信度輸出。我可以直接給一個(gè)盡量好用的讀法表指標(biāo)數(shù)值范圍實(shí)際含義我的處理建議pLDDT90分以上該區(qū)域結(jié)構(gòu)可信度接近實(shí)驗(yàn)精度可以直接放心使用適合做分子置換pLDDT70到90分總體可靠但個(gè)別loop可能有偏差使用時(shí)帶上局部誤差評(píng)估pLDDT50到70分預(yù)測(cè)不可靠可能是無(wú)序或柔性區(qū)域不要用于精細(xì)建模pLDDT50分以下基本不可用視為未解析區(qū)域建議用實(shí)驗(yàn)方法補(bǔ)充PAE低值兩個(gè)殘基間相對(duì)位置可靠做蛋白復(fù)合物界面時(shí)重點(diǎn)觀察打個(gè)比方pLDDT像天氣預(yù)報(bào)里降水概率越高越敢出門(mén)PAE更像兩張衛(wèi)星云圖的疊加度告訴你兩塊云到底是不是咬合住的。3.4 訓(xùn)練數(shù)據(jù)的樣本偏差問(wèn)題還有一個(gè)大家提得少但很現(xiàn)實(shí)的隱藏問(wèn)題AlphaFold的訓(xùn)練集不是均勻覆蓋整個(gè)蛋白空間的。研究得多、結(jié)構(gòu)解析得多的蛋白質(zhì)家族預(yù)測(cè)效果遠(yuǎn)比冷門(mén)家族要好。比如人類(lèi)蛋白里很多熱門(mén)靶點(diǎn)同源結(jié)構(gòu)和進(jìn)化信號(hào)都很充足預(yù)測(cè)結(jié)果自然可信但海洋微生物里的某條陌生序列、病毒合成出來(lái)的全新蛋白或人工設(shè)計(jì)出來(lái)的嶄新折疊預(yù)測(cè)結(jié)果的可靠性就要打個(gè)問(wèn)號(hào)。做這類(lèi)蛋白的朋友把AlphaFold結(jié)果當(dāng)參考可以當(dāng)結(jié)論就要謹(jǐn)慎了。4. 想接AlphaFold進(jìn)實(shí)驗(yàn)室?這是我最建議的直接參考流程4.1 先想清楚:自己跑模型,還是直接查數(shù)據(jù)庫(kù)如果要落地使用第一個(gè)問(wèn)題不是裝不裝得了計(jì)算環(huán)境而是需要多實(shí)時(shí)的結(jié)構(gòu)。如果你的蛋白已經(jīng)在公共預(yù)測(cè)數(shù)據(jù)庫(kù)中最簡(jiǎn)單的方式是直接按序列號(hào)查幾秒鐘拿到結(jié)構(gòu)。如果數(shù)據(jù)庫(kù)中查不到而你想得到針對(duì)某條序列的預(yù)測(cè)又有足夠GPU那就可以自己跑。對(duì)大多數(shù)只想用結(jié)果回答生物學(xué)問(wèn)題的課題組我建議先別折騰完整環(huán)境先試三個(gè)途徑一是公共數(shù)據(jù)庫(kù)檢索二是找在線服務(wù)器提交單序列預(yù)測(cè)三是等數(shù)據(jù)庫(kù)批量補(bǔ)錄后再跑。只有在需要做大量復(fù)合物預(yù)測(cè)、或者要自己改模型適配某些特殊任務(wù)時(shí)才值得上本地集群。4.2 一套能用的完整運(yùn)行流程如果真的決定本地跑AlphaFold我建議按下面的步驟組織準(zhǔn)備輸入序列只保留目標(biāo)蛋白的完整編碼序列注意去掉信號(hào)肽或者保留信號(hào)肽后看預(yù)測(cè)能否自行折疊。做多序列比對(duì)這一步非常重要建議用自定義的序列庫(kù)做一輪深搜索序列信息越充足折疊置信度越高。判斷是否需要模板存在模板可以提升速度但AlphaFold對(duì)模板的依賴度已經(jīng)很低模板質(zhì)量和同源關(guān)系更需要過(guò)濾。啟動(dòng)預(yù)測(cè)計(jì)算根據(jù)蛋白長(zhǎng)度設(shè)置GPU內(nèi)存和并行數(shù)量。讀取置信度文件把低置信度區(qū)域打上標(biāo)記不強(qiáng)行解釋。我自己的建議是先跑一輪快速模式找到合理構(gòu)象再把候選結(jié)構(gòu)用更長(zhǎng)的采樣重新輸出兩個(gè)結(jié)果比較穩(wěn)定就可以放心做下游分析。4.3 一句最小可信判斷口訣這里給大家一個(gè)完全可以套用的口訣pLDDT全綠的地方錯(cuò)不到哪里去pLDDT黃紅相間的區(qū)域當(dāng)它是留白PAE畫(huà)面里一整片低誤差的區(qū)域才有資格談蛋白-蛋白界面。很多朋友跑完復(fù)合物預(yù)測(cè)看到兩個(gè)蛋白挨得很近就歡呼結(jié)果發(fā)現(xiàn)界面兩側(cè)全是低置信度區(qū)這種結(jié)果其實(shí)一點(diǎn)都不能說(shuō)明真實(shí)結(jié)合。做出判斷之前先把置信度圖疊到結(jié)構(gòu)上看一眼這是最便宜也最有效的過(guò)濾動(dòng)作。4.4 實(shí)戰(zhàn)案例:一個(gè)虛擬的未知酶功能解析流程為了讓整個(gè)流程更直觀我設(shè)一個(gè)完全虛構(gòu)的例子某科研小組拿到一個(gè)新鑒定的酶沒(méi)有任何實(shí)驗(yàn)結(jié)構(gòu)只從文獻(xiàn)里知道和底物代謝相關(guān)。小組先是查公共預(yù)測(cè)數(shù)據(jù)庫(kù)順利拿到預(yù)測(cè)結(jié)構(gòu)pLDDT在90以上整體折疊扎實(shí)。然后通過(guò)多序列比對(duì)找到三個(gè)在所有同源蛋白中絕對(duì)保守的殘基恰好都落在結(jié)構(gòu)上一個(gè)裂隙狀的表面口袋周?chē)?。于是他們把這個(gè)口袋視為候選活性中心對(duì)三個(gè)保守殘基做了定點(diǎn)替換。最后用實(shí)驗(yàn)驗(yàn)證了酶活發(fā)現(xiàn)其中兩個(gè)位點(diǎn)突變后活性幾乎消失。這個(gè)案例沒(méi)有NMR也沒(méi)有晶體卻把問(wèn)題定位得非常準(zhǔn)。這類(lèi)流程五年前需要犧牲一兩位同學(xué)的博士時(shí)間才可能完成現(xiàn)在一周內(nèi)就能得到一份可行性很高的候選清單。5. AI重塑生物學(xué)的核心:不是替你下結(jié)論,而是重新定義從哪開(kāi)始問(wèn)5.1 研究者提問(wèn)問(wèn)題的方式被改變了AlphaFold五年給我的最大體會(huì)不是省了多少錢(qián)或者多發(fā)了多少篇論文而是它讓生物學(xué)研究者提問(wèn)問(wèn)題的起點(diǎn)變了。以前我們問(wèn)這個(gè)蛋白長(zhǎng)什么樣得先湊夠?qū)嶒?yàn)條件現(xiàn)在問(wèn)這個(gè)蛋白長(zhǎng)什么樣打開(kāi)數(shù)據(jù)庫(kù)就有結(jié)構(gòu)。下一步的提問(wèn)反而更有挑戰(zhàn)性這個(gè)預(yù)測(cè)結(jié)構(gòu)哪里可靠、哪里模糊為什么這個(gè)蛋白會(huì)選擇這群殘基構(gòu)成活性口袋能不能設(shè)計(jì)一段強(qiáng)啟動(dòng)子突變讓它在體內(nèi)更穩(wěn)定當(dāng)拿到結(jié)構(gòu)不再是稀缺能力真正值錢(qián)的變成了看懂結(jié)構(gòu)背后的生物學(xué)問(wèn)題。這其實(shí)是把整個(gè)學(xué)科往更上層推了一步。5.2 開(kāi)放數(shù)據(jù)與可重復(fù)性的張力AlphaFold數(shù)據(jù)庫(kù)開(kāi)放共享的價(jià)值怎么強(qiáng)調(diào)都不過(guò)分。它繞過(guò)版權(quán)和數(shù)據(jù)庫(kù)引用壁壘讓全球研究者第一次站在同一條結(jié)構(gòu)起跑線上。但開(kāi)放共享也帶來(lái)一種新的風(fēng)險(xiǎn)如果大家只拿公共預(yù)測(cè)結(jié)構(gòu)發(fā)表結(jié)論卻都不做實(shí)驗(yàn)驗(yàn)證那么預(yù)測(cè)置信度的邊界就會(huì)被模糊可重復(fù)性也會(huì)下降。負(fù)責(zé)任的做法是在論文里明確標(biāo)注該結(jié)構(gòu)由計(jì)算預(yù)測(cè)、未經(jīng)實(shí)驗(yàn)解析并把置信度文件作為附件給出。這既是對(duì)讀者的尊重也是對(duì)自己結(jié)論的約束。5.3 從靜態(tài)結(jié)構(gòu)到動(dòng)態(tài)生物學(xué)的下一步AlphaFold五年來(lái)做得很出色的一件事是把結(jié)構(gòu)從靜態(tài)名詞變成了互動(dòng)數(shù)據(jù)源。接下來(lái)真正難啃的骨頭是動(dòng)態(tài)蛋白在溶液中怎么晃動(dòng)結(jié)合配體時(shí)怎么變構(gòu)分子機(jī)器在信號(hào)傳導(dǎo)時(shí)怎么協(xié)調(diào)構(gòu)象變化。目前已經(jīng)有多個(gè)團(tuán)隊(duì)在嘗試把AlphaFold和分子動(dòng)力學(xué)結(jié)合實(shí)現(xiàn)更省算力的增強(qiáng)采樣也有團(tuán)隊(duì)在做專(zhuān)門(mén)以構(gòu)象狀態(tài)為目標(biāo)的下一代模型。未來(lái)的AI不一定只輸出一個(gè)結(jié)構(gòu)而是輸出一條結(jié)構(gòu)隨環(huán)境變化的軌跡。那才是更接近活細(xì)胞里的真實(shí)行為的東西。說(shuō)到底AlphaFold是一場(chǎng)工具革命而不是答案革命。它讓我們更快抵達(dá)假說(shuō)卻把更重的責(zé)任留給了研究者在AI給出的無(wú)數(shù)可能結(jié)構(gòu)之中設(shè)計(jì)出能回答真實(shí)生物學(xué)問(wèn)題的下一步實(shí)驗(yàn)。對(duì)我個(gè)人來(lái)說(shuō)過(guò)去五年最有價(jià)值的經(jīng)驗(yàn)不是學(xué)會(huì)跑幾個(gè)預(yù)測(cè)腳本而是學(xué)會(huì)對(duì)所有漂亮結(jié)構(gòu)保持一種謹(jǐn)慎的信任。最后分享一個(gè)我一直在用的小習(xí)慣無(wú)論AlphaFold預(yù)測(cè)出多驚艷的結(jié)構(gòu)第一步永遠(yuǎn)是先看低置信度區(qū)域在哪里第二步是找到證據(jù)支持這些區(qū)域的生物學(xué)功能第三步才動(dòng)手設(shè)計(jì)實(shí)驗(yàn)。把預(yù)測(cè)當(dāng)成最聰明的實(shí)習(xí)生給的初稿不要當(dāng)成終稿。這樣用AlphaFold它會(huì)是這些年出現(xiàn)的最好的科研加速器之一。