2024年诺贝尔化学奖突显了人工智能（AI）在计算蛋白质设计和结构预测方面的突破。像AlphaFold这样的工具承诺更快地开发靶向抗癌药物，并在肿瘤学和医学中实现变革性的进步。
Robert L. Ferris, MD, PhD
莱恩伯格杰出教授
UNC Lineberger 综合癌症中心执行主任
UNC 医疗系统肿瘤服务首席
北卡罗来纳州查珀尔希尔
正如我们每年秋天所见，年度诺贝尔奖得主已经公布。尽管我们通常会密切关注对患者有直接影响或现有影响的生理学或医学诺贝尔奖，但今年的化学诺贝尔奖为我们提供了一个科学上未来医学奖项可能来自何处的令人兴奋的视角。事实上，我们都考虑过人工智能（AI）和计算技术在基于人群的健康、大型数据集分析或肿瘤或淋巴细胞复杂基因表达分析中的影响，这些研究用于免疫疗法的研究。然而，最近颁发的诺贝尔化学奖提醒我们，这是一项重大科学突破的早期阶段。
2024年诺贝尔化学奖的一半授予了David Baker博士，以表彰他在计算蛋白质设计方面的贡献。另一半则授予了Demis Hassabis博士和John Jumper博士，以表彰他们在蛋白质结构预测方面的贡献。该奖项认可了他们使用基于AI的编程工具AlphaFold，根据蛋白质的线性氨基酸序列预测其三维结构。这是在基于序列预测蛋白质在生物学和自然界中如何存在的“圣杯”，经过数十年的实验尝试终于实现。
有人可能会问，为什么这一进展对癌症生物学和肿瘤学如此重要？近期在开发第二代、第三代和第四代酪氨酸激酶抑制剂（TKIs）方面的进展或许是一个说明性的例子。到目前为止，通常会采用一种试错的实验方法，利用一些已知的蛋白质口袋和蛋白质修饰的知识，使TKI具有特定的结合活性作为药物抑制剂，或调节潜在的脱靶效应，如毒性。药物抑制剂能更特异性地结合特定口袋作为下一代TKI或其他任何肿瘤学药物的生物活性，我们就能更快地合成适当的蛋白质或药物结构。因此，尽管还处于早期阶段，但AlphaFold或类似的软件和基于AI的蛋白质折叠进展，最近被诺贝尔委员会认可，应为新型蛋白基药物和蛋白质的快速预测、测试和合成铺平道路，以改变癌细胞、免疫系统或我们打算调节或抑制的任何其他生理功能。
(全文结束)
