[解读科学]诺贝尔奖技术免费开放…会成为新药研发的游戏规则改变者吗

by Paek Jongmin

Published 18 Nov.2024 16:13(KST)

Updated 19 Nov.2024 00:09(KST)

open/close

诺贝尔化学奖成果 AlphaFold3 以开源形式发布

随着由谷歌DeepMind开发的人工智能（AI）蛋白质结构预测模型“Alphafold 3”免费公开，人们关注它是否会为新药开发领域开启新的纪元。虽然仅限于非商业性的学术用途，但由于这一获得诺贝尔化学奖认可的技术被免费开放，外界期待这将为征服疾病打开一条新道路。

谷歌DeepMind近日宣布将“Alphafold 3”完全公开。今后科学家可以下载Alphafold 3的源代码，安装到自己的计算机上，用于科研。这意味着任何人都可以出于学术目的，利用Alphafold人工智能研究蛋白质。

今年5月发布的Alphafold 3，与此前可以通过下载源代码使用的“Alphafold 2”不同，只能通过谷歌的“Alphafold服务器”来使用。蛋白质的种类和数量都受到限制，在进行新的蛋白质组合实验或输入数据时存在局限。谷歌也没有公开作为Alphafold核心的模型权重。权重中包含了关于Alphafold模型各个部分的信息。有观点推测，谷歌方面设置这些限制，是为了在与自身相关的研究中独占性地使用Alphafold 3。因此，要求其完全公开的呼声不断高涨。

此次免费公开是为了支持非营利学术研究。不过，能否用于商业化也成为学界和制药业界关注的焦点。

与谷歌DeepMind首席执行官Demis Hassabis一同获得诺贝尔化学奖的研究员John Jumper在科学杂志《自然》上表示，“非常期待人们会用它做些什么”。

作为生命体基础的蛋白质结构，是新药开发的重要基础数据，但过去要通过实验手段揭示蛋白质的三维结构，需要耗费大量时间和成本。谷歌DeepMind通过人工智能实现了对蛋白质结构的预测，Alphafold也从1、2发展到3。尤其是Alphafold 3，相比前一版本预测准确度提高了50%以上，还可以预测DNA、RNA等多种生物分子之间的相互作用。

◇免费利用……对制药公司有限制＝有评价认为，Alphafold 3也为计算生物学（computational biology）提出了新的可能性，可应用于新药开发、生物技术、农业等多个领域。Alphafold 3的源代码以非商业用途为前提免费公开，研究人员可以自由访问。这意味着任何人都可以出于非营利学术研究目的使用它。但模型权重仅在提出申请时方可使用。我国产学者也能够借助这一人工智能模型，将蛋白质结构及多种生物分子相互作用应用于研究。

在学术界可以使用，但若制药公司想将其用于商业目的，则必须与谷歌DeepMind签订单独的许可协议并获得授权。也就是说，在新药开发过程中，将Alphafold 3用于商业目的仍受到限制。据悉，谷歌DeepMind正在对申请商业许可的企业逐一进行审查。

生命科学研究人员可以利用Alphafold 3提供的高度预测准确度，大幅提升蛋白质研究的效率。过去需要通过长期实验才能获得的结果，如今可以借助人工智能在短时间内精确获得，由此针对遗传疾病、癌症、传染病等多种疾病开发新疗法的研究有望更加活跃。尤其是人们对新药开发寄予厚望。新药开发过程中，精确理解靶点蛋白质的结构及其相互作用是必不可少的环节。Alphafold 3可以以革命性方式加速这一过程，通过高度自动化地预测复杂生物分子的结构和结合位点，从而弥补传统实验研究流程的不足。

还有其他人工智能在支持新药开发。除谷歌DeepMind外，多家企业也公开了开源蛋白质结构预测工具。中国搜索企业百度推出了Helixfold，短视频平台TikTok的开发公司字节跳动也参与其中。美国的Chai Discovery也加入竞争。可以说，Alphafold掀起的浪潮正演变为一场竞争。

◇Alphafold也需要高性能GPU＝要高效利用Alphafold 3，高性能计算设备必不可少。Alphafold 3是基于深度学习的模型，为了进行蛋白质结构预测，需要处理海量数据和复杂计算。只有具备高性能设备，才能在预测蛋白质各原子坐标的过程中快速而准确地获得结果。在需要预测大量蛋白质与生物分子相互作用的研究环境中，高性能图形处理器（GPU）是必需品。与大多数人工智能类似，Alphafold 3同样离不开GPU的支持。

Alphafold 2可以在一般研究用GPU或英伟达“Nvidia V100”及以上级别的GPU上运行，而据悉，要流畅使用Alphafold 3，则需要使用V100的后续产品“A100”及以上级别的GPU。A100是目前国内超级计算机上主要采用的GPU机型。