AI + 蛋白质设计

AI蛋白质设计的四大引擎，和一个还没填上的鸿沟

从"预测结构"到"按需创作"，AI到底走到了哪一步？

我前两天看到一个说法，愣了一下。

诺贝尔奖得主莱维特——对，就是那个因为蛋白质结构预测拿诺奖的老头——说了一句话："AI蛋白质设计远超我的预期。"

他解释了一句：过去50年，他做的事是预测蛋白质长什么样。现在AI不仅能预测，还能设计全新的蛋白质，全新的药物分子。

你品品这个转变的分量。

从"看看蛋白质长什么样"，到"告诉我你要什么功能，我给你设计一个全新的蛋白质出来"——这不是进步，这是换了一个物种。就好比你从"鉴赏画"变成了"画画的人"。

今天这篇文章，我想聊聊AI蛋白质设计这件事，到底走到了哪一步。不吹不黑，有干货，也有卡点。

从"看懂"到"创作"，到底发生了什么？

我先说一个直觉性的判断：2024年之前，整个AI蛋白质领域的主旋律是预测。AlphaFold、RoseTTAFold，本质上都是在回答一个问题——"这条序列会折叠成什么结构？"

这当然很重要。2024年诺贝尔化学奖颁给Baker和Hassabis，核心逻辑就是：你终于可以用AI把蛋白质结构测准了。

但2024年之后，风向变了。

Baker实验室搞出了RFdiffusion，后来又迭代到RFdiffusion2、RFdiffusion3。核心能力是什么？是你跟它说"我需要一个能结合XX靶点的蛋白质"，它从噪声出发，一步一步给你生成一个全新的蛋白质主链结构。不是修改已有的，是从零创造。

说人话就是：以前AI是翻译官，帮你看懂蛋白质的"长相"；现在AI是设计师，你说需求，它出图纸。

这个转变，说实话，比我预想的快了两三年。

David Baker在华盛顿大学拿到了一个叫做"AI BioDesign"的大项目，Allen Institute、华盛顿大学、Fred Hutch三家联合，五年9460万美元资助。项目的目标说得很直白——"先提出需要的功能，再设计并制造相应的生物分子。"

注意这个语序：先有功能需求，后有生物分子。这跟传统药物研发的逻辑是反的。传统是先找一个已有的靶点或分子，再看它能干什么。现在是反过来：我需要什么，就造什么。

四大引擎：AI蛋白质设计的技术底座

拆开来看，现在AI蛋白质设计能跑起来，靠的是四个东西。我管它叫"四大引擎"。

引擎一：深度神经网络——让AI"看见"三维空间

蛋白质是三维的东西，你不能用一维的方式去理解它。深度神经网络，尤其是那些基于SE(3)等变性的架构，解决的就是这个问题——让AI理解空间中的旋转、平移，保证生成的结构在物理上说得通。

说白了，就是给AI装了个"空间感"。不然它生成出来的蛋白质，可能在数学上很漂亮，但在现实世界里根本站不住——原子会撞在一起，键角完全不对。

引擎二：蛋白质语言模型——读懂"生命的语言"

20种氨基酸排列组合出来的序列，某种意义上就是一种"语言"。蛋白质语言模型——类似ESM、ProGPT这类——做的事情，跟GPT理解自然语言是同一套逻辑：从海量序列数据里学到规律，知道哪些氨基酸放在一起是"通顺的"，哪些是"瞎扯的"。

这东西厉害在哪？即使没有明确的结构信息，光凭序列，它也能告诉你哪些设计"大概能行"。相当于一个见多识广的老中医，没做检查，凭经验也能给你开个方子。

引擎三：扩散生成模型——核心中的核心

这是我认为整个AI蛋白质设计浪潮里最重要的一个技术突破。

RFdiffusion的思路是这样的：从一个完全随机的噪声结构出发，通过逐步"去噪"，最终收敛到一个合理的蛋白质主链结构。你在中间可以加各种约束条件——比如"我要这个蛋白质结合这个靶点"，或者"我要这个形状"。模型会在满足约束的前提下，生成全新的结构。

41个案例100%成功率——这个数字让我愣了好几秒。当然，这是计算层面的"生成成功"，不等于实验成功。后面会说这个事。

引擎四：知识图谱与多尺度模拟——补上"物理感"

前三个引擎都是数据驱动的。问题在于，蛋白质不是纯数学对象，它是物理实体，要在真实的生物环境里干活。

知识图谱和多尺度模拟做的事情，就是把已知的生物学知识——蛋白质之间的相互作用、动力学行为、热力学稳定性——喂给模型，让它生成的东西不只是"看起来像"，还要"物理上站得住"。

这个引擎现在是最弱的一个。说实话，纯数据驱动模型在"物理感"上还是差口气。但如果没有它，你设计出来的蛋白质到了实验室可能一碰就散架。

一条完整的工具链已经成型

我画一个典型的流程，大家感受一下：

这个流程的意思是：先用RFdiffusion画出一个蛋白质的"骨架"形状，然后用ProteinMPNN决定骨架上每个位置放什么氨基酸，最后用AlphaFold验证一下这个设计到底能不能真的折叠出来。

你发现没有？AlphaFold在这个流程里的角色，从"主角"变成了"质检员"。这是一个很有意思的角色转换。

Generate Biomedicines、BioNTech这些公司，现在都在扩散模型方向上重兵布局。不是没有道理的——这套工具链的成熟度，已经让"设计蛋白质"从学术玩具变成了工业级工具。

220亿美元，说明什么？

一组数据：AI蛋白质设计相关的BD合作，里程碑金额已经超过220亿美元。

220亿美元。这个数字不是VC在撒钱玩，是大型药企在做真正的商业判断。礼来、罗氏、安进这些巨头，都跟AI蛋白质设计公司签了大单。

他们的逻辑很简单：传统抗体发现、酶工程，周期长、成功率低。如果AI能把设计周期从"几年"压缩到"几周"，哪怕只有30%的设计能通过湿实验验证，ROI也是炸裂的。

说到湿实验验证——这就是我要说的那个"鸿沟"了。

那个还没填上的鸿沟

前面说的那些东西，听起来很美对吧？四大引擎、完整工具链、220亿美元押注。

但我要泼一盆冷水。

我第一反应是：这是不是在吹牛？

这就是所谓的"验证鸿沟"。

RFdiffusion2说41个案例100%成功率——那是计算层面的成功率。意思是模型能生成结构合理的蛋白质主链。但这个蛋白质丢到真实的细胞环境里，能不能正确折叠？能不能稳定存在？能不能高效表达？有没有免疫原性？

这些问题，AI目前给不了确定答案。

湿实验验证依然不可或缺。而且不是一般的不可或缺——它是最关键的那个环节。没有湿实验反馈，AI模型就是个"自嗨"的设计师，画了一堆漂亮的图纸，但没一个能盖成房子。

我为什么对这个问题特别在意？因为这件事不只发生在蛋白质设计领域。整个AI制药行业，都卡在这一步。

英矽智能的Rentosertib——一个AI发现靶点、AI设计分子的IPF新药——刚刚进入III期临床。这是目前全球范围内，AI原生药企走得最远的临床管线之一。如果III期能成，那就是"AI从设计到临床"这条路的第一个真正意义上的里程碑。

但即使英矽智能，也在加速建湿实验闭环。他们CEO任峰说了一句很实在的话："垂类模型为AI原生药企争取到的算法优势窗口只有3-5年。"

什么意思？算法会趋同。你现在有的模型优势，别人三五年也能追上。真正的壁垒是什么？是数据闭环——设计、合成、测试、反馈，一轮一轮跑下来，积累出来的那个"know-how"。

和黄医药这些转型药企也在追赶。它们的优势是湿实验能力强、临床经验丰富。AI是它们的工具，不是它们的基因。但工具用得好，有时候比基因更重要。

我的判断

写到这里，我说说自己的看法。

第一，AI蛋白质设计已经过了"能不能做"的阶段。技术上可行，工具链成型，学术圈和工业界都已经验证了。这一步没有争议。

第二，现在进入的是"能不能规模化、能不能通过湿实验验证"的阶段。这才是真正的分水岭。生成成功不等于实验成功，设计漂亮不等于产品可用。220亿美元的BD金额说明资本市场在押注，但真正的验证还在后面。

第三，未来的竞争不在算法本身。算法会趋同——就像大语言模型领域，大家用的transformer架构都差不多。真正的差异在"设计-合成-测试-反馈"的闭环飞轮。谁先跑通这个飞轮，谁的数据质量最高，谁就能建立真正的壁垒。

第四，扩散模型是这场变革的核心引擎。但引擎再好，车还得能上路。从计算到实验、从demo到product，中间那条路可能比所有人想象的都要长。

说到底，AI蛋白质设计这件事，让我想起五年前AlphaFold刚出来的时候。那时候大家也在争论——"预测准了又怎样？能做药吗？"五年后的今天，答案已经很清楚了：预测只是起点，设计才是目的。而从设计到产品之间的路，才是真正考验人的地方。

220亿美元是信任票，但还不是判决书。

真正的判决，要等湿实验的数据一锤定音。