2024年诺贝尔化学奖颁发给了三位科学家，以表彰他们在蛋白质结构预测和设计方面的贡献。David Baker因其在计算蛋白质设计方面的杰出贡献而获奖，他成功开发了从头设计自然界从未出现的新型蛋白的技术，为人类健康开辟了新篇章。另一半奖项则由Demis Hassabis和John M. Jumper共同获得，他们开发了AI模型AlphaFold2，成功解决了困扰人类50年历史的蛋白质折叠难题，极大地推进了人类对基本生物过程的理解，并促进药物设计。

🎉 **计算蛋白质设计：开拓生命科学新领域** David Baker开发了从头设计自然界从未出现的新型蛋白的技术，这项技术能够让科学家设计出具有全新形状和功能的新型蛋白质，为人类健康、医学以及外部技术领域开辟了无限的可能性。他成功设计出了全新的抗体，有望让AI从头设计蛋白进入抗体药物市场。

🤖 **AI破解蛋白质折叠难题：AlphaFold2的突破** Demis Hassabis和John M. Jumper开发的AI模型AlphaFold2，能够直接从蛋白质的氨基酸序列中预测蛋白质的3D结构，并且达到原子级精度。该模型解决了困扰人类50年历史的蛋白质折叠挑战，迅速推进了人类对基本生物过程的理解，并促进药物设计。AlphaFold2已被来自190个国家的200多万人使用，为抗生素耐药性研究和塑料分解酶的开发提供了有力工具。

💡 **蛋白质：生命的基础，未来无限可能** 蛋白质是生命中精妙的化学工具，它决定了生物体的一切功能，从细胞的构建到复杂生物过程的调节。三位诺贝尔化学奖得主的突破性研究，为我们理解生命奥秘、探索疾病治疗方法和开发新型生物材料提供了新的视角和工具，为人类的未来打开了无限可能。

🏆 **诺奖聚焦AI：人工智能时代来临** 2024年诺贝尔物理学奖颁给了“AI教父”，而今年的诺贝尔化学奖再次将目光投向人工智能，这表明人工智能技术正在深刻地改变着科学研究的范式，并引领着人类探索未知领域的步伐。

🧪 **蛋白质研究的未来：从基础研究到应用领域** 三位获奖者的研究成果不仅推动了蛋白质结构预测和设计领域的进步，也为生物医药、材料科学等领域带来了新的机遇。未来，随着人工智能技术的不断发展，蛋白质研究将更加深入，从基础研究到应用领域，将为人类社会带来更多福祉。

9日，瑞典皇家科学院宣布，将2024年诺贝尔化学奖授予David Baker，以表彰其在计算蛋白质设计方面的贡献，另一半则共同授予Demis Hassabis和John M. Jumper，以表彰他们在蛋白质结构预测方面的贡献。

诺奖官网称，今年的三位诺贝尔化学奖得主破解了蛋白质惊人结构的密码。2024年诺贝尔化学奖的主题是蛋白质——生命中精妙的化学工具。化学奖得主Baker成功完成了几乎不可能完成的任务，构建出了全新的蛋白质。

另外两位共同获奖者Hassabis和Jumper开发出AI模型AlphaFold2，来解决一个50年历史的问题：预测蛋白质的复杂结构。

Hassabis和Jumper任职于谷歌DeepMind，昨日的诺贝尔物理学奖颁给了“AI教父”，这再次凸显了诺贝尔奖对人工智能的青睐。

David Baker：计算设计蛋白质，为人类健康开辟新篇章

Baker出生于西雅图，1984年获得哈佛大学学士学位，1989年获得加州大学伯克利分校生物化学博士学位，目前在在华盛顿大学担任蛋白质设计研究所所长。

他因开发从头设计自然界从未出现的新型蛋白的技术，获得2020年科学突破奖生命科学奖，并首次使用生成式AI从头设计出了全新的抗体，有望让AI从头设计蛋白进入抗体药物市场。

他还堪称蛋白质设计领域“鼻祖级”人物，比DeepMind更早提出了预测和设计蛋白质三维结构的方法，甚至设计出了一款比AlphaFold更早的蛋白结构设计算法——RoseTTAFold。

他的研究小组创造出了一个又一个富有想象力的蛋白质，包括可用作药物、疫苗、纳米材料和微型传感器的蛋白质。

Baker在获奖新闻发布会上表示：“蛋白质设计能够让世界在健康、医学以及外部技术领域变得更加美好，对此我感到非常兴奋。”

颁奖仪式结束后，当一名记者问他是否有最喜欢的蛋白质时，他回答说：“我喜欢所有的蛋白质，我不想挑最喜欢的。”

“蛋白质是使生命得以存在的分子。”诺贝尔化学奖委员会主席Heiner Linke在谈到Baker的贡献时表示：

“他开发的计算工具现在使科学家能够设计出具有全新形状和功能的新型蛋白质，为人类的最大福祉开辟了无限的可能性。”

AlphaFold2：用AI破解蛋白质折叠难题

Hassabis于1976年出生于伦敦，毕业于剑桥大学计算机科学专业。2010年，Hassabis与他人共同创立了DeepMind，四年后，谷歌以6.5亿美元收购了该公司。

DeepMind的目标是打造通用人工智能，即能够完成人类大脑所能完成的任何事情的AI。该公司还探索了其他有助于实现这一目标的技术，其中一项技术就是AlphaFold。

Jumper出生于美国，2017年，他以研究员身份加入该实验室，并与Hassabis等人一起研究AlphaFold。

2020年，Demis Hassabis和John Jumper提出了一个名为AlphaFold2的AI模型。借助它，他们能够预测研究人员发现的几乎所有2亿种蛋白质的结构。

委员会在颁奖稿中写道：

自他们取得突破以来，AlphaFold2已被来自190个国家的200多万人使用。在众多科学应用中，研究人员现在可以更好地了解抗生素耐药性并创建可以分解塑料的酶的图像。

AlphaFold2能够直接从蛋白质的氨基酸序列中预测蛋白质的3D结构，并且达到原子级精度，被认为解决了困扰人类50年历史的蛋白质折叠挑战，迅速推进了人类对基本生物过程的理解，并促进药物设计。

在该模型出现之前，科学家们要花几个月甚至几十年的时间来精确定位单个蛋白质的形状，而AlphaFold2可以在几个小时甚至几分钟内完成这项工作。

2024年5月，Jumper的团队发布了AlphaFold3，除了蛋白质之外，它还可以预测其他分子，如DNA和RNA。与它的前身不同，AlphaFold3不是开源的。

去年的诺贝尔化学奖颁给了Moungi Bawendi、Louis Brus和Aleksey Ekimov，以表彰他们发现了名为“量子点”的微小粒子。量子点如今被广泛用于在平板屏幕、发光二极管（LED）灯等。