AlphaFold 3，再掀医学革命

曾文仁

AI的应用非常多元，不但能支持文案、图片生成，其强大的运算、预测能力亦有望揭示蛋白质和其他生命分子如DNA、核酸之间互相依赖的关系。算力强大的AI模型，为生物医学带来突破，并为人类的生命和健康作出贡献。

近日，谷歌母公司Alphabet旗下的AI研究公司DeepMind与Isomorphic Labs，发表可预测所有生命分子的结构与相互作用的AlphaFold 3模型。AlphaFold 3模型在预测蛋白质和其他分子的相互作用中，准确率能较现有的AlphaFold 2模型提高50%。

要知道，AlphaFold 2聚焦蛋白质结构预测，全球至今已有数百万名学者利用它来发现疟疾疫苗或癌症治疗方式，在多个学术期刊上被引用超过两万次。

这次发布的新模型AlphaFold 3，将预测能力由蛋白质扩大至广泛的生物分子，成果已登上国际知名的《自然》科学期刊。

DeepMind强调，AlphaFold 3能更准确预测所有生命分子的结构及相互作用，例如预测普通感冒病毒中的刺突蛋白与抗体及单糖相互作用的结构，提高对免疫系统过程的了解—该过程可让科学家加深对冠状病毒的了解，有助于防治与新冠相近的疫病。

DeepMind更推出免费工具AlphaFold Server平台，让研究人员在进行实际测试前，先凭借模型用以测试其假设。这有助及早修正其实验方向，减低动物乃至临床试验失败的概率和成本，让研究人员能更快速验证其医药创新发明，加快生物医学的研究进程。

一般读者与其深究涉及大量专业术语的前沿生物医学议题，倒不如关注AlphaFold类似AI模型，在便利科研人员实验方面的作用。这更有助我们全面准确理解科技进步的要诀。

生物医学AI降低试验成本

长久以来，生物医学被认为是尖端且困难重重的领域，原因之一在于我们对人体以及细胞的了解有限，需要进行更多基础研究。

然而，科学研究涉及经费考量，不太能容许所有研究人员不计成本地进行试验。运营实验室、研究人员高昂的薪水、寻找实验动物以至招募临床志愿者，都是极度烧钱的事物。

若投资方或管理层长期看不到研究成果甚至经济利益，研究人员将面临经费中断的困境。这无形中为研究人员带来压力，不能无止境地试错。若某项实验能进入临床试验阶段，研究人员更需顾及伦理的问题，不能理所当然地拿活生生的人命来实验。

现时，地球已知的蛋白已超过2亿个，数字每年还在增加。每种蛋白的三维结构都不同，各分子构成独特。人类科学家不可能全部熟悉，在有限的科研生涯更不可能了解上亿个蛋白的相互作用。如何决定哪些假设能够成为实验方案，依靠的是科学家的估计，但这样的成功率，与赌徒和庄家对赌相差无几。

然而，AlphaFold 3却能够发挥AI的运算和机器学习潜力，分析和预测众多蛋白和其他分子彼此间的变化。这种算力让研究人员能在极短时间内，计算多种试验药物对各类细胞的影响，促进医药研究的发展。

该过程可让科学家加深对冠状病毒的了解，有助于防治与新冠相近的疫病。

研究人员先在模型中运算和论证其假设，不但可以降低成本和减少失误，更能全面了解药物对各类蛋白所产生的影响，及早检测可能产生的或意料之外的后果。这种研究涉及非常多种的可能性和概率，各类相互作用都是极为复杂的运算，自然不能依赖人手实验或电脑运算，而需要AI辅助研究。

AlphaFold 3生成的蛋白质模型

新冠疫苗的幕后功臣

尽管一般生物医学研究的议题非常专业，与公众的生活很遥远，但有一项科研我们一定记忆犹新，那就是新冠疫苗的研发。

2020年暴发的新冠疫情，和2003年的非典型病毒（SARS）都属于冠状病毒，但科学家在SARS结束十多年以来，对这病毒的认识未有突破性进展。在新冠疫情的初期，全球专家几近束手无策。新冠疫苗的研发面临巨大的社会期待和时间压力，但其研发速度却突破过往的想象，背后反映人类在生物医学研究的进步。

与2003年通过隔离措施消灭SARS疫情不同，新冠很大程度是通过疫苗的研发来结束的，而疫苗的研发与药物和蛋白的反应有莫大的关系。

在全球面对疫情威胁时，多国生物医药公司如辉瑞、莫德纳、阿斯利康（AZ）、强生（J&J）、科兴、国药也能在极短时间内，完成疫苗所需的三期试验，成功研发能抵御新冠原始病毒株、变种病毒德尔塔和奥密克戎的疫苗加强剂。

多种疫苗更在极短时间内取得多国监管机构的紧急使用授权（EUA），将全新的疫苗打进全球数十亿人的体内。与1918年的西班牙流感相比，凭借疫苗，人类面对传染病的抵抗力，已有显著进步。

其中一项著名的创新，在于辉瑞、莫德纳等疫苗采用的mRNA（信使核糖核酸）技术。疫苗的mRNA能教导细胞如何复制刺突蛋白，人体日后若接触到真正的病毒，身体能识别并懂得如何抵抗。

mRNA技术在新冠疫情前，一直被视为异想天开、只是理论上的技术，与主流疫苗格格不入。新冠疫情的压力下，一向被视作纸上谈兵的mRNA技术被付诸实践，一跃成为最能抵御新冠变种病毒的技术，在多个研究中展现对冠状病毒更强的防御力。

能否将致命病毒打进健康人身体，是另一个甚具争议的实验伦理议题。

从mRNA技术，我们可以一窥对蛋白质研究的潜力—若能通过AI加深对蛋白质与DNA等分子的认识，产生的技术突破可能远超我们今日能想象的。毕竟在2020年3月世界卫生组织发布全球疫情大流行警报那一刻，没有人能预测到，mRNA会是拯救人类的关键技术。

大众看到的，是成功研制出的疫苗。我们可以想象，有大量失败的疫苗方案，在电脑模拟运算阶段已被淘汰掉，因此才可能让多个成功概率较高的方案进入临床试验。

成就新冠疫苗百花齐放的幕后功臣，正是与AlphaFold 3相似的生物医学用AI模型。在未来若不幸遇上如同新冠的疫情时，更为先进的AI模型可让研究人员将成功机会较高的方案付诸实验，最起码能在研发道路上少走冤枉路。

AI，不止是ChatGPT

同样重要的是，AI实验能大幅降低科学伦理带来的困难。

在AI的运算下，研究人员只是输入参数让AI以运算结果，不是拿真实的生命来做不知后果的实验。研究人员更能提出各种偏离社会主流想法的大胆假设，并在AI模型论证后，才进行动物及临床试验。

这能避免过分轻视激进实验对生命的戮害，也可让更多不为大众接受的假设得以进入实验阶段。

要说明生物医学实验与社会伦理的潜在矛盾，我们不妨回看18世纪末的初代牛痘天花疫苗的研发过程。1796年，英国医生爱德华·詹纳发现人体感染相对温和的牛痘病毒，可对致命的天花病毒产生免疫力。

英国医生爱德华·詹纳

当时英国乡间流行一个民间传说，认为一个人只要曾经染上牛痘，便不会再染上天花。詹纳发现挤牛奶的女工多数都曾染牛痘，很少患上天花，继而察觉到，牛痘与天花有关。詹纳因此进行了牛痘实验，为一名8岁男孩接种牛痘，验证染上牛痘能否预防天花。

这牛痘实验是拿人体作实验，属于伦理要求更高的临床试验。实验是将动物的病毒打进人体，实验对象更是尚未成年的男童，可非议之处不少。

若以今天的实验伦理标准而言，这简直是草菅人命的变态实验。若詹纳医生穿越至今天做相同的实验，恐怕等待他的是把牢底坐穿的刑期。

不过，我们从历史书里知道，该名男孩染上牛痘后在6星期内康复。詹纳再替男孩接种天花病毒，发现男孩完全没有受感染，从而证明了牛痘能令人对天花产生免疫—可是，能否将致命病毒打进健康人身体，是另一个甚具争议的实验伦理议题。

这样的实验成功是典型的“幸存者偏差”。更多不为人知的，恐怕是实验失败且被视为残害人命的科学怪人。

若穿越到今天的詹纳能使用AI模型，先论证牛痘与天花在数据上的关联，更有可能找到愿意投入临床志愿者，不至于把不懂事的小孩作实验对象。这就是AI模型在解决伦理难题、为推动科研进步所能给予的重大贡献。

现时社会上对AI的讨论，大多聚焦在特定技术的实际应用如何能改善日常生活上，例如ChatGPT能完成什么工作、能节省多少人手工作量等。对较不清楚实际效用和理论研究的范畴，却经常兴趣缺缺。这都不是科普或大众科学，甚至作为公民常识层次STEM教育应发展的路径。

或许，我们应该在求知的道路中，同时兼顾基础研究与技术应用。AlphaFold模型的持续更新，反映AI能在推进基础研究及研究方法上有所突破。AI能帮助研究人员以更便宜、简单的科研方式，和更大胆的假设、更小心的求证，为研究开启更多可能性。在对科研的贡献上，AI模型所推进的，不比AI在商业案例上的应用低。

责任编辑吴阳煜 wyy@nfcmag.com