AI在科学研究中的应用：蛋白质折叠到药物发现

关键词：每周精选 | 行业报告 | 人工智能前沿

2025年，人工智能在科学研究领域的应用持续深化，从蛋白质结构预测到新药发现，AI方法正在改变传统科学研究的范式。

Google DeepMind的AlphaFold系列在2025年迎来了重要更新。AlphaFold 4不仅可以预测蛋白质单体结构，还能准确模拟蛋白质-小分子配体的结合构象。这一能力对药物设计具有直接意义。DeepMind在2025年4月宣布，AlphaFold 4的预测结果已被超过300万研究人员使用，覆盖全球190个国家。DeepMind还与欧洲分子生物学实验室（EMBL）合作，将AlphaFold预测结构数据库扩展至覆盖超过2亿种蛋白质。

Isomorphic Labs作为从DeepMind分拆的药物发现公司，在2025年取得了首个临床前里程碑。该公司利用AlphaFold技术平台设计的两款小分子候选药物通过了早期毒性测试，分别针对免疫系统疾病和肿瘤靶点。Isomorphic Labs与礼来公司（Eli Lilly）及诺华（Novartis）的合作项目也进入了化合物优化阶段。

在学术界，MIT的研究团队在2025年开发了名为"DeeProtein"的深度学习框架，能够预测蛋白质在细胞内的动态折叠过程。与AlphaFold主要预测静态结构不同，DeeProtein专注于捕捉蛋白质的时间维度变化。该研究发表在《Cell》期刊上，被同行评议认为是蛋白质科学的重要补充。

华盛顿大学David Baker团队继续在蛋白质设计领域保持领先。2025年，该团队发布了"ProteinMPNN 2.0"，一种用于从头设计功能性蛋白质的神经网络方法。该方法成功设计了具有催化活性的新型酶分子，为生物制造和绿色化学开辟了新途径。Baker团队的设计成果已通过一家名为"Cascadia Proteins"的初创公司走向商业化。

药物发现领域，Recursion Pharmaceuticals在2025年利用其AI平台完成了首个由AI设计进入II期临床试验的候选药物。该药物针对罕见病领域的一种遗传性纤维化疾病。Recursion的AI平台通过高通量细胞成像和深度学习，能够在数周内完成传统方法需要数年的靶点验证工作。

Atomwise公司在2025年扩大了其AI药物发现合作网络，与包括拜耳、赛诺菲在内的多家制药企业签订了合作协议。Atomwise的AtomNet平台利用卷积神经网络预测小分子与蛋白质靶点的结合亲和力。公司表示，其AI平台在2025年成功识别了15个具有临床前潜力的候选化合物。

在材料科学领域，Microsoft Research与劳伦斯伯克利国家实验室在2025年合作开发了"MatterGen"AI系统，用于预测新型无机材料的晶体结构。该系统在一年内预测了超过50万种稳定的新材料，其中120种已通过实验验证。相关研究发表在《Nature Materials》上。

DeepMind的"Graph Networks for Materials Exploration"（GNoME）项目在2025年也更新了其材料数据库，新增超过10万种导电材料和20万种储能材料的预测结果。这些数据已被全球材料科学家免费使用。

学术出版方面，Springer Nature在2025年推出了"AI in Science"专刊系列，系统报道人工智能在各科学领域的应用进展。首期专刊收录了来自MIT、斯坦福、剑桥等机构的42篇论文，涵盖物理、化学、生物和地球科学等学科。

据Nature Index统计，2025年全球涉及AI辅助的科学研究论文数量较2024年增长了35%，AI正逐步成为科学研究的标准工具之一。然而，AI生成结果的验证和可重复性问题也引起了科学界的讨论，如何建立AI辅助研究的同行评议标准，成为学术界关注的焦点。