卧槽,AI筛疫苗的速度把我看傻了:这帮科学家是要把病毒逼上绝路啊

凌晨三点四十七分。

旧金山某间实验室的灯光还亮着。

张博士盯着屏幕，手指不自觉地攥紧了咖啡杯。杯里的咖啡早就凉透了，但她完全没注意到。

屏幕上的数据在飞速跳动。

那是一组蛋白质折叠的模拟结果。

就在二十分钟前，她把一段病毒的刺突蛋白序列输入了系统，然后点了那个按钮。

她本来以为，至少要等到明天早上才能看到初步结果。

结果系统用了不到二十分钟，就把这段蛋白质的空间结构给预测出来了。

不止预测出来了，还给出了一百多种可能的结合位点，每一个都标注了概率和稳定性评分。

张博士盯着那些数据，突然笑了。

笑着笑着，眼眶就红了。

三年了。

三年前她刚加入Moderna的时候，团队还在为mRNA的序列优化焦头烂额。那时候筛一个候选疫苗序列，动辄要几个月。动物实验、细胞实验、一期临床、二期临床……每一个环节都在和时间赛跑。

疫情那会儿，她每天只睡四个小时，头发一把一把地掉。

现在呢？

现在她只要把序列往系统里一丢，AI就能在几小时内给她一个初步的筛选结果。不是那种模糊的、模棱两可的结果，而是精确到原子级别的结构预测和亲和力评估。

这种感觉太爽了。

真的。

就像从骑自行车直接换到了高铁。

而帮她实现这个跨越的，是DeepMind。

说起来你可能不知道，DeepMind和Moderna这次合作的消息，是在上个月悄悄放出来的。

没有发布会，没有铺天盖地的新闻稿，就是在几个学术会议上提了一嘴。

但懂行的人都知道，这事儿有多大。

DeepMind是什么？

就是那个做出AlphaGo、把围棋界杀得片甲不留的公司。

就是那个做出AlphaFold、解决了困扰生物学界五十年蛋白质折叠问题的公司。

这家公司去年发布的AlphaFold 3，直接把Nature给干沉默了。因为那篇论文的质量高到编辑都不知道该怎么审稿。

Moderna呢？

疫情那会儿全球第一款获批的mRNA疫苗，就是他们家的。

这俩公司凑一块儿要干啥？

答案很简单：让AI帮他们筛疫苗。

筛得更快。筛得更准。筛得更狠。

传统的疫苗研发是啥流程？

先合成一堆候选分子，然后在细胞上测试，看看能不能引发免疫反应。能在细胞上引发反应的，再拿动物做实验。能过动物实验的，再上临床。

每一步都在筛人。

每一步都要烧钱。

每一步都要等时间。

一款新疫苗从零到上市，传统路径平均要十到十五年。

十到十五年啊朋友。

等你把疫苗研发出来，病毒早都不知道变异成啥样了。

但如果AI介入呢？

情况就不一样了。

AI筛选疫苗的核心逻辑，其实跟人类科学家的思路是一样的。

都是要找到病毒身上最脆弱的那个点，然后针对性地开发武器。

只不过人类科学家靠经验和直觉，AI靠数据和算法。

打个比方。

病毒就像一个戴着面具的刺客。疫苗的任务，就是让免疫系统认住这个刺客的脸，以后再碰到就上去干它。

但问题在于，病毒这个刺客很狡猾。它会换面具。

阿尔法、贝塔、德尔塔、奥密克戎……

面具换得越来越勤。

传统研发方式是你换一个面具，我就重新认一遍。工作量大到离谱。

AI呢？

AI能直接看穿面具下面那张脸。

它不是在你换完面具之后再去认你，而是直接研究你的骨骼结构。就算你换了十层面具，你的骨骼结构不会变。

这就是AI在疫苗研发中最厉害的地方。

它不是在对症下药，它是在对因下药。

具体技术细节我给大家扒一扒。

这次合作的核心，是DeepMind把自己的蛋白质结构预测模型开放给了Moderna。

模型名字叫AlphaFold。

简单来说，这玩意儿能根据蛋白质的氨基酸序列，预测出它的三维空间结构。

听起来好像也没多厉害？

其实非常厉害。

蛋白质是由氨基酸组成的，而氨基酸的序列决定了蛋白质折叠成什么形状。这个折叠过程非常复杂，受无数因素影响。理论上，你知道序列就能推断结构，但实际上，这个推断极其困难。

有多困难？

这么说吧，在AlphaFold出现之前，全球最顶尖的结构生物学家，花几十年时间，也只能解析出不到二十万个蛋白质结构。

而且解析一个蛋白质结构，可能要好几年。

但人体内有多少种蛋白质？

超过两亿种。

微生物呢？病毒呢？

数量更多。

所以结构生物学一直是生物学的瓶颈。

直到AlphaFold出现。

2021年，DeepMind发布了AlphaFold 2，直接把人类已知的两亿多种蛋白质结构全给预测出来了。

免费公开。

全球随便用。

这事儿在当时轰动一时，但普通人可能没啥感觉。

不就是预测个蛋白质结构吗？

有啥了不起的？

这么说吧。

你可能不知道，FDA批准的所有药物里，超过九成都是作用在蛋白质上的。

不管是小分子药还是大分子药，它们的原理都是跟特定的蛋白质结合，从而调节人体的生理功能。

所以，了解蛋白质的结构，就等于拿到了打开药物设计大门的钥匙。

以前这把钥匙是木头的，费时费力还容易出错。

AlphaFold直接给你换成了钛合金的。

而且这把钥匙还能自己开。

你把序列输进去，结构就出来了。

不需要做实验。不需要养晶体。不需要等几个月。

这意味着什么？

意味着药物研发的整个范式都被改变了。

以前是你在黑暗里摸索，摸着石头过河。

现在是你有了手电筒，虽然不是所有地方都能照到，但至少你知道前面大概是个什么情况。

Moderna拿到这个工具之后，第一时间就把它用在了疫苗研发上。

mRNA疫苗的原理，是让人体细胞自己合成一段病毒的抗原蛋白，然后免疫系统识别这个抗原，产生抗体。

所以，疫苗序列的设计，直接决定了免疫系统能看到什么样的抗原。

如果设计得好，免疫系统能产生大量高效抗体。

如果设计得不好，可能打了跟没打一样。

传统做法是合成一堆候选序列，然后一个一个试。

成本高。周期长。效率低。

AI介入之后呢？

Moderna可以在计算机上模拟所有候选序列的结构和免疫原性，筛掉那些不太行的，保留最有潜力的几个，再去做实验验证。

这一下子就把研发周期从几个月压缩到了几周。

几周啊朋友。

以前你等一个实验结果，可能要一个季度。

现在你等一个AI模拟结果，只需要几天。

而且这还不是全部。

除了结构预测，AI还能干啥？

还能帮你优化序列。

mRNA疫苗有个关键问题，就是序列的稳定性。

mRNA分子很娇气，容易被降解。如果序列设计得不好，可能还没到达目标细胞，就已经被分解掉了。

以前解决这个问题，只能靠经验和试错。

现在AI能直接预测mRNA的二级结构稳定性，然后给你推荐最优的序列方案。

这相当于啥？

相当于你写代码，AI帮你review，还顺带给你优化性能。

而且这个AI不是那种只会说“建议修改”的敷衍review，它是真的能给你拿出具体方案的那种。

Moderna自己也在搞AI研发平台，叫mRNA Hero。他们把这些年积累的实验数据都喂给AI，让AI学习什么样的序列容易出问题，什么样的序列效果好。

DeepMind的模型加上Moderna的数据，这俩凑一块儿，你说能擦出多大的火花？

我跟你说，这个火花大到能把整个制药行业给照亮。

说真的，这几年AI在医疗领域的进展，看得我是眼花缭乱。

AlphaFold解决了蛋白质结构预测的问题。

AlphaGeometry解决了几何题证明的问题。

现在这些技术正在慢慢渗透到制药行业。

以前一个新药从研发到上市，要砸进去十几亿美元，耗时十多年。

现在呢？

AI能把前期的筛选和优化时间压缩到原来的十分之一甚至百分之一。

这意味着什么？

意味着以前只有大型药企才能玩得起的游戏，现在小公司也有机会参与了。

意味着以前只有富裕国家才能用得起的创新药，未来有可能普及到发展中国家。

意味着那些无药可用的罕见病患者，可能在有生之年等到自己的救命药。

这不是我瞎说的。

现在已经有AI辅助研发的药物进入临床试验阶段了。

比如英矽智能的ISM001-055，这是一款针对特发性肺纤维化的候选药物，从靶点发现到进入临床一期，只用了不到两年时间。

传统路径呢？

平均要四到六年。

你说这是不是革命？

当然，有人会说，AI再厉害，也只是个工具。最终还是要靠人来决策。

这话没错。

但问题是，这个工具太强大了，强大到你用它和不用它，完全是两个不同的世界。

打个比方。

以前你做数学题，只能用纸笔。聪明人可能算得快一点，但再聪明也要一步一步算。

现在你有了计算器。一样的题目，你用计算器，别人用纸笔，效率能差几十倍。

这公平吗？

好像不太公平。

但这就是技术的进步。

技术进步从来就不负责公平，技术进步只负责让人类社会的上限不断提高。

AI在制药领域的应用，就是这样一个不断抬高上限的过程。

凌晨四点半。

张博士终于把第一批筛选结果看完了。

系统给了她三个候选序列，每一个都标注了详细的评估报告。

她犹豫了一下，把结果发给了团队群里。

本来以为要等到明天才能收到回复。

结果消息刚发出去三分钟，李博士就回了。

“卧槽，这么快？”

后面跟着一串感叹号。

张博士笑了笑，回了一句：

“快就对了，这才哪到哪，以后更快。”

她说这话的时候，眼睛还盯着屏幕。

屏幕上，三个候选序列的结构模型正在缓缓旋转。

蓝色的氨基酸链，橙色的结合位点，绿色的预测免疫区域……

像一幅画。

一幅用数据绘成的画。

一幅可能拯救无数生命的画。

走出实验室的时候，天边已经泛起了一点鱼肚白。

旧金山的清晨很安静，路上几乎没什么车。

张博士深吸了一口气，感觉空气里有一点点凉意。

她突然想起三年前。

那时候她刚博士毕业，满脑子都是怎么用自己的所学做点有意义的事。

后来进了Moderna，天天加班加点，头发一把一把地掉，有时候也会怀疑自己在做的事情到底有没有意义。

但现在她不怀疑了。

看着那三个候选序列，想着它们可能变成几百万支疫苗，送到全球各地，保护那些素未谋面的人……

这种感觉，真的太爽了。

有人问我，AI到底能不能取代科学家？

我的答案是：不能。

至少在可预见的未来里，不能。

AI能做的，是帮科学家省掉那些重复性的、机械性的劳动。让科学家有更多时间去思考真正重要的问题。

一个好的科学家，不是会做实验的人，而是会问问题的人。

AI帮你做实验，但问什么问题，还是得靠你自己。

就像汽车让你跑得更快，但往哪儿跑，还是得你来决定。

这次Moderna和DeepMind的合作，给整个行业打了个样。

它告诉我们，AI不是来抢饭碗的，AI是来帮我们把饭碗端得更好的。

写到这儿，我想起了《人类简史》里的一句话。

尤瓦尔·赫拉利说，人类之所以能站在食物链顶端，不是因为我们跑得最快、力气最大，而是因为我们善于协作。

一个人打不过狮子，但一群人可以把狮子关进动物园。

以前是人和人协作。

现在是人和AI协作。

未来，可能是人机融合的超级协作。

每一次重大的技术革命，都会重塑人类协作的方式。

火的使用，让人类从食物采集者变成了食物生产者。

文字的发明，让知识可以跨时空传播。

印刷术的出现，让启蒙思想传遍欧洲。

互联网的普及，让地球变成了地球村。

而AI呢？

AI可能会成为人类历史上最强大的一种协作伙伴。

它不是工具，也不是替代者，它是一个能跟人类并肩作战的伙伴。

一个永远不会疲惫、永远不会懈怠、永远在学习进步的伙伴。

有这样的伙伴，人类能走多远？

我不知道。

但我知道，我们正在见证历史。

一个AI与人类共同书写的历史。

好了，今天就聊到这儿。

这篇文章花了我一整晚，写得我是热血沸腾。

真的，写这种科技进展类文章，最爽的就是能把那些高大上的技术，用人话讲出来，让更多人知道。

科学不应该是少数人的专利。

技术进步的红利，应该让每个人都能享受到。

这就是我做这个号的初心。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～