看来，我们对诺贝尔奖的预测还是保守了点

2024年诺贝尔化学奖由瑞典皇家科学院官宣后，得主和他们的得奖原因跨时差传遍全网，让“蛋白质”从“餐桌”到“圆桌”，火出新高度。

原因是，今年的诺贝尔化学奖一分为二，一半授予戴维·贝克（David Baker），以表彰他“利用计算机进行蛋白质设计”的成就。

另一半则花落谷歌，共同授予谷歌DeepMind公司的首席执行官德米斯·哈萨比斯（Demis Hassabis）和高级研究科学家约翰·M·詹珀（John M. Jumper），以表彰他们“在蛋白质结构预测方面的贡献”。

今年6月，菲鹏集团旗下的菲鹏数辉，推出了一款AI蛋白质动态构象创新模型DeepConformer，和全球最顶尖、最前沿的研究方向对齐了基准线。

从DeepMind到DeepConformer

2020年，Hassabis和Jumper提出了名为AlphaFold 2的AI模型。借助这一模型，他们成功预测了科学家已知的几乎所有2亿种蛋白质的结构。

自这一突破以来，AlphaFold2已被全球190个国家的超过200万人使用，在疟疾疫苗、癌症治疗和酶设计等领域取得了重要发现。

此后，能预测所有生命分子的结构和相互作用的AlphaFold3迭代推出，今年5月登上《自然》（Nature）杂志。

DeepConformer依据蛋白质氨基酸序列生成对应的动态三维结构的生成式AI算法模型，集快捷高效、功能强大、应用广泛三大亮点于一体。DeepConformer最具突破性的是从蛋白质序列出发，直接预测蛋白质三维结构的多种动态构象和动态关联，印证菲鹏数辉创始人兼首席科学官马步勇教授提出的“构象选择”理论。

同时，在捕捉蛋白质的功能动态以及在不同蛋白分子系统中的泛化能力方面，DeepConformer也表现卓越。用马步勇教授的话说，“这种从序列到动态构象的预测模式，你可以理解为通过AI工具，输入文本即可生成视频，效率得到大幅提升”。

除了基于DeepConformer模型的AI蛋白质工程平台，菲鹏数辉还有AI抗体筛选优化平台、RNA设计AI平台共三大创新技术平台，全面展现其技术在制药、合成生物、免疫检测等广泛领域的商业化应用前景。

国外，AlphaFold风头强劲。国内，菲鹏数辉带着DeepConformer入局，为蛋白质动态构象预测注入新动力。

推动国内AI蛋白质动态结构预测模型的发展

Hassabis与Jumper借助AI模型，攻克了长达半个世纪之久的难题——预测蛋白质的复杂结构。瑞典皇家科学院称：“这些发现的潜力不可估量。”

技术突破之上，蛋白质动态构象模型解决行业痛点的能力及商业化前景，是能否推动行业进步的关键。

传统基于结构的药物设计，存在研发周期长、费用高，投入巨大但试错率极高的问题。目标蛋白结构持续动态变化状态这一关键点未被很好应用，极大限制了药物研发的成功率。传统技术亟待提升。

菲鹏数辉将人工智能与分子模拟技术相融合的生成式AI模型，能有效解决研发周期及成本的问题。两种技术互补的特性为两者在药物设计领域的结合提供了多种可能。

菲鹏数辉，当前，正以DeepConformer为锚点，基于三大创新平台、四大商业应用场景迅速迭代，这足以让它推动国内AI蛋白质动态构象预测模型的发展，也让菲鹏数辉在生物医药行业等更多领域的商业化应用未来可期。

部分内容援引自：https://xueqiu.com/4256973034/295041388

来源：小桔灯网/雪球