AI作用于现实世界的功用远不止于此
——王晟博士
当地时间10月9日，瑞典皇家科学院宣布，将2024年诺贝尔化学奖授予三位科学家，美国华盛顿大学的大卫·贝克 (David Baker)，以表彰其在【计算蛋白质设计】方面的贡献；英国伦敦人工智能公司谷歌DeepMind公司的丹米斯·哈萨比斯（Demis Hassabis）和约翰·乔普（John M. Jumper），以表彰其在【蛋白质结构预测】方面的贡献。
这一重磅奖项颁布，不仅是对获奖者的表彰，更是对人工智能（AI）在基础科学研究领域深入应用的重要认可。
▲源自新闻图
至此，世界再次将目光聚焦于AI的革命性成就。
智峪生科创始人王晟博士，作为人工智能结合蛋白质研究领域全球顶级学者，精耕蛋白质结构预测及计算长达十余年，曾多次在全球最富盛名的CASP及CAMEO比赛中名列前茅。王晟博士在芝加哥大学丰田技术中心（TTIC）读博士后期间，与John Jumper有着频繁且密切的学术交流。曾多次参与John Jumper所在课题组的合作交流，共同探讨研究蛋白质结构预测问题，为王晟博士后续的研究提供了丰富的理论与实践基础。
王晟博士和John Jumper的学术交锋
2014年底至2015年初，王晟博士出于对John Jumper所在Tobin课题组的敬仰，主动前往进行学术交流。Tobin课题组以其开放性著称，既有计算研究也有实验研究，这与王晟博士的科研理念不谋而合。在交流期间，王晟博士与John Jumper进行了多次深入讨论。王晟博士由于思维活跃，多次参与Tobin组会，并和John Jumper频繁进行学术思想碰撞，总是组会上最激烈最精彩的环节。以至于王晟博士一直对那段科研生涯非常怀念。在二人持续的深度合作交流下，后期还共同在<Biophysical Journal>发表了文章[1]。
当时，王晟博士通过多次重要的研究成果（其所在团队首次将深度卷积神经网络应用于蛋白质的二级结构预测）报告、及一维的二级结构预测和二维的接触图预测，极大程度地启发了John Jumper及Tobin课题组。因为在此之前，他们主要使用生物物理方法进行蛋白质折叠研究，并没有真正解决蛋白质结构预测的问题。
尽管John Jumper前期的科研生涯主要基于传统生物物理学，但在2016年博士研究后期，他开始逐渐转向深度学习方法，从最初对AI和深度学习的怀疑态度到最终完全接受并开始深耕该领域。这一转变原因之一来自于王晟博士不断用真实案例向他展示深度学习在蛋白质结构预测方面的潜力，让John Jumper认识到AI与深度学习是一条可行之路。
早在2016年，王晟博士和团队一起提出过一个【三段式的预测架构】理论框架（其中第二段，用到了ResNet的深度学习架构），而2020年John Jumper在DeepMind推出AlphaFold 2的诞生，彻底打通了这一框架，采用Transformer实现了蛋白质结构预测的革命性突破，成功完成了端到端的蛋白质结构预测，展现了深厚的计算AI和物理知识的结合，从而为他赢得了诺贝尔奖这一巨大成功。
近日，王晟博士以【准确的从头蛋白质结构预测：从RaptorX, tFold到AlphaFold2】为主题发布公开课。可通过以下链接了解王晟博士关于AlphaFold理论公开课，深入理解这一突破背后的原理和发展历程。
请点击：https://mp.weixin.qq.com/s/QbYWIOK2a3lEwY7aX1GSIQ
王晟博士对于人工智能再次获得诺贝尔奖也表示了极大肯定，他认为这标志着AI在物理学、化学和生物学等领域拥有激动人心的前景，而基于蛋白质结构预测理论的“酶的按需设计”可能预示着未来又一突破性进展。这一进展将推动合成生物学的发展，还将对整个生物学和生物制造产业产生深远的影响。
他表示，智峪生科坚持“寻路→挖酶→改酶”的创新理念，致力于酶的合成，目前公司已经成功将产品开发和工业化量产相结合，实现了从计算（IT）→研发（BT）→量产（VT）的高效转化，开发出了具有前瞻性的T³业务模式。这一模式不仅在理论上展现了其创新性，在终产品成功落地方面也取得巨大进展，为智峪生科在合成生物学领域的突破性进展奠定了坚实的基础。
AI技术的进一步拓展应用：从理论突破到产业化落地
AI技术在合成生物学中的应用，正在推动这一领域向更高的效率和更广的应用范围发展。
合成生物学在医药、工业品、食品等领域的应用一直受到生产效率和成本的限制。AI技术通过精准设计生物合成途径，实现高价值小分子的高效生物合成，显著提高终产品收率和质量，为合成生物学领域的工业化生产提供了强有力的工具，助力开发出性能更优、效率更高的生物基原料。AI技术使得合成生物学能够更高效地利用自然资源，推动循环经济和可持续发展。
智峪生科正是看准了这一趋势，以蛋白质结构预测及设计为引擎，拓展了一系列蛋白结构研究的相关算法，致力于利用先进的计算技术，对现有的合成生物学产业进行升级。
此外，智峪生科打造了自动化智慧实验平台以及智能化绿色制造工厂，从实验到产业端形成闭环。融合已知数据挖掘未知领域以及设计工具从无到有的创造，赋能合成生物学DBTL和放大生产等各个环节实现降本增效，进一步推动产品与服务落地，为合成生物学的产业化提供了强有力的支持。
智峪生科的愿景是，通过AI技术不仅解决现有的合成生物学产业中的挑战，更期望在这一基础上打通全产业链脉络，推动合成生物学向更高效、更环保的方向发展。随着技术的不断进步，我们期待AI能够继续推动合成生物学的产业化进程，为人类社会的发展带来更多的创新和福祉！
[1] Wang Z, Jumper JM, Wang S, Freed KF, Sosnick TR. A Membrane Burial Potential with H-Bonds and Applications to Curved Membranes and Fast Simulations. Biophys J. 2018 Nov 20;115(10):1872-1884. doi: 10.1016/j.bpj.2018.10.012. Epub 2018 Oct 23. PMID: 30413241; PMCID: PMC6303381.