诺奖得主用AI设计非天然分子，蛋白质从头设计迈向新纪元

近日，2024年诺贝尔化学奖得主、华盛顿大学结构生物学教授大卫·贝克尔（David Baker）在接受采访时表示，人工智能技术正在彻底改变生物分子的设计方式。通过AI算法，科学家们能够从零开始设计全新的蛋白质和分子结构，这些分子在自然界中并不存在，却可能具备前所未有的功能。

"我们已经能够设计出全新的蛋白质结构类型，与数据库中所有自然蛋白质几乎没有相似性。"贝克尔在一次访谈中说道。这一进展得益于近年来人工智能技术的快速发展，特别是深度学习模型在蛋白质结构预测和设计方面的突破。

AI赋能蛋白质从头设计

蛋白质是生命活动的基础，其功能由氨基酸序列决定。传统上，蛋白质的设计依赖于对已知蛋白质结构的理解，但这种方法存在局限性。随着人工智能技术的引入，研究人员可以绕过这些限制，直接从分子层面进行设计。

2026年7月，西湖大学生命科学学院特聘研究员卢培龙在“AI4S：当人工智能遇见科学发现”活动中指出，AI技术使得科学家能够像生成图片一样生成特定的蛋白质骨架，并加入约束条件（如对称性、功能残基等）。这种能力让研究人员能够设计出全新的酶催化反应，甚至针对新冠病毒或蛇毒毒素开发中和蛋白。

"我们可以设计全新的酶催化反应，比如retro-aldol enzyme、Kemp elimination enzyme；还可以设计针对新冠病毒或蛇毒毒素的中和蛋白。"卢培龙表示。

创新药物研发的新里程碑

AI驱动的分子设计不仅限于理论研究，它已经开始应用于实际的药物研发。2026年，英矽智能（Insilico Medicine）利用自研的Pharma.AI平台，成功开发出一款名为Rentosertib的创新药物，该药物针对特发性肺纤维化（IPF），目前已进入Ⅲ期临床试验。

"Rentosertib的药物靶点由人工智能发现，分子结构也由人工智能设计。"英矽智能联合首席执行官任峰介绍道。这款药物的成功开发被认为是AI制药领域的一个重要里程碑，因为它证明了AI设计的药物能够通过严格的临床试验验证。

"它打破了业界的一种怀疑——人工智能设计的药物能通过临床试验吗？你们的新药已通过Ⅱ期临床试验。"诺贝尔化学奖得主迈克尔·莱维特（Michael Levitt）在2026张江药谷大会上评价道。莱维特认为，这一成果意味着干实验（计算机模拟）与湿实验（实验室测试）的相互验证和循环迭代，是一条可行的AI制药路径。

AI在药物研发全流程中的应用前景

尽管AI在药物研发中的应用已经取得了显著进展，但其潜力远未完全释放。莱维特指出，AI将在药物研发的所有步骤中发挥重要作用，包括靶点发现、分子设计、临床试验设计等。

"AI将在（药物研发）所有步骤中都很重要，它应该用于研发过程中出现瓶颈的每一个环节。"莱维特强调。

目前，AI在药物研发中最成熟的应用环节是靶点发现和分子设计。通过分析海量数据，AI能够快速识别潜在的疾病机制和药物分子，大大缩短了研发周期。然而，在临床试验阶段，AI的应用仍面临挑战，主要是因为缺乏足够可靠的患者数据来预测药物在人体内的反应。

"我们已经有了较好的原子模型、电子模型和蛋白质模型，但还没有好的患者模型。"莱维特解释道，"每个人并不完全相同，遗传背景和其他特征都有差异。"

尽管如此，专家们普遍认为，随着患者数据和疾病模型的不断积累，AI在临床试验阶段的应用将越来越广泛。例如，上海交通大学特聘教授洪亮提出，AI可以通过对公开临床数据、动物多器官组学、人类组学与因果推演的分析，提前识别统计学风险，辅助设计患者入组标准并寻找潜在生物标志物，从而提高试验的成功率。

未来展望：AI成为科学研究的执行中心

对于AI在生物医药领域的未来发展，许多专家持乐观态度。分子之心创始人兼首席科学家许锦波认为，AI有可能会变成科学研究的执行中心，而人类主要发挥决策的作用。

"未来，AI有可能会变成科学研究的执行中心，人主要发挥决策的作用。"许锦波表示，"分子之心希望通过MoleculeOS构建起生物经济时代的新型基础设施。"

途深智合创始人王宇光教授则提出了一个更为宏大的构想，即打造真正意义上的抗体超级工厂（AI-Foundry）。他计划将人工智能算法与自动化湿实验深度耦合，实现面向不同人群、不同靶点的定制化药物快速设计开发。

"我们的目标是把AI变成药物研发的核心驱动力，让整个过程更加高效、精准。"王宇光说。

结语

AI技术在蛋白质从头设计和创新药物研发中的应用，正在开启一个全新的时代。从基础研究到实际应用，AI不仅加速了科学发现的速度，还为解决人类健康问题提供了新的可能性。随着技术的不断进步和应用场景的拓展，AI驱动的生物医药产业将迎来更加广阔的发展空间。