详情

塞拉菲姆·巴特佐格鲁（Serafim Batzoglou）合计2024bat365官网入口，许锦波应该分享2024年的诺贝尔化学奖。

他转发了诺贝尔化学奖的贴文并评价说，“并不是要抵赖哈萨比斯、朱默帕和贝克的孝顺，但还有一个东说念主本应得到诺贝尔奖的招供，阿谁东说念主即是许锦波。他第一个设备出（精确斟酌卵白结构）的深度学习算法，这一算法其后被复现和增强到最第一版块的AlphaFold中。他本应与哈萨比斯通盘赢得诺奖。”

推文截图

巴特佐格鲁是筹画基因组学巨匠，海外筹画生物学会会士，曾任斯坦福大学筹画机培植。

同样招供许锦波孝顺的另一个行内东说念主，是全球卵白质结构斟酌比赛（CASP）的创办者、马里兰大学培植约翰·莫尔特（John Moult）。莫尔特说，“DeepMind这项服务（AlphaFold）背后的办法和方法，并非虚构而来，症结工夫是深度学习方法的应用。毫无疑问，DeepMind平直建立在许锦波的服务之上。”

CASP堪称卵白质结构斟酌的“奥林匹克赛”。其后赢得诺奖的AlphaFold，即是在2018年的第十三届CASP比赛上初露头角。再往前推一届，在第十二届CASP比赛里脱颖而出的，恰是许锦波的RaptorX-Contact算法。事实上，第十三届里名次靠前的团队，齐用了近似许锦波的算法。

对许锦波来说，诺奖颁给AI斟酌卵白质结构，只是一个启动。他刻下专注的，是正在爆发的新界限——AI瞎想和优化卵白质。

什么是卵白质结构斟酌？

许锦波合计，我方是个单线程的东说念主。

电脑的CPU可以同期推行许多任务，但许锦波在一个时辰段，只想一个问题。天然是急性子，但靠近难题时，他反而能千里下心来，花许多时辰，番来覆去地琢磨，把问题想深、想透——这又有点像他研究的AI，许多层神经汇聚统通盘来，去捕捉数据里浮现出的复杂样子，终末出色地完成任务。

高中时，许锦波是世界高中数学联赛的江西赛区第别称。大学时，他去了中国科学工夫大学的筹画机系。博士阶段，他出洋深造，讨教于算法和当代信息论的顶级巨匠李明培植门下。

那是2001年，东说念主类基因组考虑正烈烈轰轰。李明培植也正在念念考与之联系的两个大问题：第一，其时测序工夫还不够好，没法把一整个染色体平直重新测到尾，只可切成小碎屑来测，筹画机怎样智力快速把一大堆小片断正确拼成完整的基因组？第二，其时的筹画机速率也比较慢，用老例方法来分析基因组，可能要花上好几年时辰。怎样智力快速对比两个巨大的基因组，找出内部相似的同源基因，以及不同的变异之处？

其时的研究者、资金、注见地，齐汇聚在DNA和基因组上。不外，许锦波和李明培植琢磨后，却选了一个很难的博士课题——卵白质的结构斟酌。

卵白质结构斟酌，一个60年难题

选这个课题，有两个原因：第一，它很要紧，研究界渴慕知说念这个问题的谜底，且短时辰内不可能被其他科研组透澈管束，至极恰当营为博士课题。第二，它很费事，这是个被深入界说的问题——已知卵白质的序列，也即是氨基酸在一维上的罗列方法，要斟酌出整个卵白质内部每个原子的三维坐标。这个问题横亘六十年，确认永久不大，许锦波好奇，我方能不可把这个问题的界限，上前鞭策极少点。

许锦波演讲《AI斟酌卵白质结构，但这只是一个启动》丨我是科学家

卵白质是什么？它是细胞中最丰富的生物大分子。生物学的中心法规是，遗传信息从DNA流向RNA，又从RNA流向卵白质。

假如把一个生物体想象成一家工场，那么DNA即是最原始的瞎想蓝图；RNA是字据瞎想蓝图复写而来的许多本操作手册，每本手册里包含了制造某个特定产物的具体方法；而卵白质则是一个个最终的产物，是工场的梁柱、门窗以及千形万状的结构，是工场里自动推行各式功能的“分子机器”。

有些卵白质是结构性的，有些卵白质是功能性的。结构性的卵白质组成生物的身体——头发和指甲里的角卵白，皮肤里的胶原卵白，肌肉纤维里的肌球卵白，血管里的弹性卵白。功能性的卵白质推动生物体内的机能与响应——匡助消化招揽的淀粉酶、脂肪酶，限制血糖的胰岛素，输送氧气的血红卵白，存储铁的铁卵白，传递信号的神经递质……

一些卵白质的大小对比 。卵白质分子的直径常常也就几纳米或者几十纳米，胰岛素唯有51个氨基酸；助消化的胰卵白酶有281个氨基酸；运氧气的血红卵白有574个氨基酸；再大极少的有免疫系统用来抵御细菌病毒的抗体卵白（1316个氨基酸），以及线粒体里提供能量的ATP合成酶（1125个氨基酸）。

卵白质是由氨基酸组成的。想象一下，你有20种不同体式和颜料的柔性积木，每种积木可以无穷量供应，那即是生物合成卵白质所普遍使用的20种氨基酸。你能用这些积木搭出的不同体式，就相配于卵白质的不同结构。

什么是卵白质结构斟酌？浅薄点说，即是还是知说念卵白质用了哪些“氨基酸积木”，知说念这些积木谁和谁接在了通盘，这些积木在链接后依然可以进行一定的旋转和转移，那即是卵白质里氨基酸残基的旋转解放度，要猜出终末拼搭出的体式。

统统可能的体式组合，是一个超出平时造就、以至于难以想象的天文数字。

举个例子，假如只是一个用了100块积木的模子，每个积木和其他积木链接时唯有2种不同的拼法，那么统统可能的体式组合，即是2的100次方，也即是1.27×1030种。

这个数字有多大呢？假定有台超等筹画机，每秒能算1亿种不同的体式。它把这2100种体式算一遍，需要4 ×1014年——天地出生于今也就138亿年，这个时辰实足天地反复出生29128次。

问题很难，但单线程的许锦波依然决定走上卵白质结构斟酌这条单行说念。这条路，他一走即是24年。

RaptorX算法出生，启发AlphaFold

最启动，许锦波想的是改进其时的主流方法——“能量优化”法。

一颗球放在山顶上，轻轻一碰，就会滚到山脚，这即是天然地从“能量高的气象”转换为“能量低的气象”。

对于卵白质分子来说，科学家也估计内部的统统原子会天然地找到能量最低的结实气象，那即是卵白质终末折叠出的结构。

“能量优化”法即是这个旨趣。但“能量优化”的问题在于，斟酌比较小的分子时还好，但分子越大越复杂，得出的断绝就会越差。

卵白质平均会用到几百个氨基酸，由几千几万个原子组成，结构的可能性马上增长到天文数字，找出“最优能量”简直是个不可能的任务。事实也评释，与结构生物学家作念实验解出的结构比较，“能量优化法”斟酌出的结构永久瑕玷较大。

机器学习与深度学习登场

从2006年启动，许锦波渐渐转向新兴的机器学习和深度学习方法。

如若说“能量优化”还无数依赖于东说念主去手把手指引筹画机，那么机器学习和深度学习就启动饱读舞筹画机“自学”了，天然，这种“自学”仍然需要东说念主类的算法和策略指引。筹画机分析已知的卵白质序列和结构，我方去发现其中赋存的司法，然后据此再去斟酌一个未知卵白的结构。

比较“能量优化”，“机器学习”和“深度学习”无疑是一种颠覆。就像东说念主的大脑可以在顶点复杂的环境里砥砺我方的直观和响应，筹画机也可以通过西宾来继续改进我方的智商，可以处理散乱词语的、遗残的、不完好的信息。

唯独的问题是，断绝如故不够好，斟酌出的结构，瑕玷如故比较大。和老方法比较，普及简直可以忽略不计。

能试的路似乎齐还是走到了非常。许多东说念主启动离开卵白质结构斟酌的这个界限，研究基金越来越少，插足CASP比赛的队伍也越来越少。许锦波回忆说，“在2006年到2016年这10年间，全球齐合计这个问题没办法作念出来，许多东说念主齐离开这个界限去作念其他的问题了。

对许锦波来说，冲破是在2016年到来的。

决定性冲破：利用卵白质的全局信息

阿谁念念考良久的问题，在大脑的层层神经回路里来去碰撞、轮回、引发，有一天，一个灵感忽然浮现。

“症结即是极少，要尽可能地用上卵白质的全局信息”，许锦波说，“之前的深度学习如故在使用局部信息去斟酌。”

拿一个由300个氨基酸组成的卵白质来说，往时的斟酌方法每次只护理某几个位置的氨基酸信息，比如第一个氨基酸、第十个氨基酸 或者第一百个氨基酸；也可能只护理某一个局部区域，比如第20个到第30个氨基酸……总之，护理的齐是一些局部信息。

许锦波的想法是，一定要让AI把从第1到第300个氨基酸的全局信息全用上，天然，难点就在怎样采集这些全局信息，“我尽可能用比较深的神经汇聚去作念，亦然因为多层的汇聚更能执取到卵白质的全局信息，它是一个合适的用具。”

就像在玩一个难度极高的拼图游戏，许锦波耐性肠西宾AI寻找印迹：要看有哪些小碎屑特别契合、常常通盘出现（氨基酸的共进化）；要对比分析，看哪些小碎屑是从其他拼图里剿袭来的（保守序列）；要斟酌哪几块小碎屑会相互斗殴（氨基酸的斗殴斟酌），即兴两块碎屑之间的距离是多长（氨基酸的相互作用强度）；终末把统统信息汇总成数学上的矩阵，又把矩阵疗养为图像，然后让AI用识别图像的式样去识别“卵白质全局信息图”。

许锦波拿这个方法去斟酌了一个200多个氨基酸的膜卵白结构，发现瑕玷唯有2.29个埃，省略0.2纳米，两个原子的宽度。

为什么遴选膜卵白？许锦波说，“刻下的实验工夫去知道膜卵白结构是很费事的，是以数据库里就莫得太多的膜卵白结构。往时的算法也就莫得实足的膜卵白数据去用于西宾，是以在斟酌膜卵白结构时往往会失效。但我的RaptorX算法在不需要用膜卵白数据去西宾的情况下，还可以把膜卵白的结构斟酌得相配好。这就意味着RaptorX算法不是依靠浅薄地记取西宾数据，不是单纯依赖相似的序列而推导出相似的结构。而是它执取全局信息后真实执到了一些底层的司法，于是有了比较好的推行智商。”

那一刻，许锦波知说念，这方法成了。

许锦波在芝加哥大学丰田工夫研究所任教时，与芝加哥大学的师生多有相通合营。

新念念路，启发2024诺贝尔奖得主

2016年秋天，许锦波在芝加哥插足了一个袖珍讲解会，和同业分享了我方的确认。插足这个会议的东说念主里，一个正在芝加哥大学生物物理系读博的娃娃脸年青东说念主听完讲解，还和许锦波的学生相通了不少。

阿谁年青东说念主即是不久前刚刚赢得诺贝尔化学奖的约翰·朱默帕（John Jumper），几个月后，他从芝加哥大学博士毕业，加入Google的Deepmind团队——2016年3月，阿谁团队作念出的AlphaGo刚刚以4：1击败了东说念主类的冠军棋手李世石，再过几年，这个团队将带着AlphaFold再度出山。

2017年，许锦波将这个方法写成论文《通过超深度学习模子精确斟酌卵白质斗殴图》[1]，发表在海外筹画生物学的旗舰期刊PLoS Computational Biology上。这篇论文在2018年被这个期刊评为改进冲破奖，于今被援用了1200屡次。

诺奖得主哈萨比斯、朱默帕其后发表的对于AlphaFold的论文《基于深度学习的改进的卵白质结构斟酌》《使用AlphaFold进行的精确卵白质结构斟酌》，以及朱默帕的博士论文，齐援用了许锦波的多篇论文。

CASP创办者莫尔特培植说，在早期，CASP竞赛的大多数参赛算法只可称之为“就地”，大多数结构斟酌齐是“看上去就令东说念主横祸的物体”。那时候，竞赛地点定在一个有着木地板的迂腐教堂里，如若上去讲我方算法的东说念主讲得太乱或者吹嘘太过，下面的听众就会在木地板上“友好地顿脚”，整个空间里仿佛飘荡着巨大的饱读声。

许锦波莫得收到“友好的顿脚”，相悖，他的算法带来了冲破。莫尔特也曾统计过，从CASP竞赛创办以来，对于最费事的卵白质结构斟酌任务，参赛算法得分一直踟蹰在30分傍边，但其后出现了两次飞跃。第一次飞跃即是许锦波的RaptorX，行动第一代AI算法，把斟酌分从30分拔高到了60分。第二次是AlphaFold2，行动第二代AI算法，把斟酌分又拉到了80多分。

资源紧缺

算法和模子上取得了冲破，但许锦波要再进一步普及斟酌的精度时，发现瓶颈卡在了资源上。

2014年刚启动尝试深度学习方法时，许锦波以致莫得GPU，齐是用CPU去西宾的，构建不了太多层的神经汇聚。到了16年，他终于有了12G显存的GPU，能构建出60层的神经汇聚，但依然没法加太多参数，不然就会因为内存不够用而没法西宾。其后他靠央求来的研究基金一张张攒卡，一台机器安4张GPU卡，是他最好的确立。

除了算力，东说念主手也很紧缺，许锦波我方一瞥行写代码，带的团队一般就在2~3东说念主，即使加上合营者，也从来没越过5个东说念主。

比较之下，作念出AlphaFold的Deepmind团队，背靠谷歌，算力和东说念主才齐充裕得多。2020年隔壁，AlphaFold团队就还是拉起了30东说念主的队伍，内部有许多专诚的AI算法优化工程师，可以用上几百块GPU，去终了极耗算力的注见地机制汇聚。

对于卵白质斟酌，对于深度学习的AI大模子，学术界的资源和程度，越来越逾期于有着“钞智商”和刚劲算力撑持的工业界。实足好的工程加上实足多的资源，堆出来的量变足以引发质变。

许锦波还是在学术界评释了我方，他发表的论文还是被援用了一万屡次，当选为筹画生物学会的会士，曾获好意思国斯隆研究奖、前沿科学奖、好意思国天然科学基金早期作事奖、《PLoS Computational Biology》改进冲破奖、海外筹画生物学顶级会议 RECOMB 最好论文奖和时辰检会奖等等。

这一次，他想在工程上作念得更好更透澈，作念出着实的东西，管束真实的工业界问题。

他遴选归国创业。

捧出一颗分子之心

回到国内，2022年，许锦波创立了名为“分子之心”（MoleculeMind）的公司，组起一支“琳琅满目”的刚劲团队，有作念生物的、作念筹画机的、作念药物和临床的各路学霸巨匠，整个团队里80%是研发，研发团队里90%是博士。

AI瞎想出的分子，不可只是在虚拟环境里跑出一个高分，而是最终要到执行里去汲取生物实验和工业坐褥的锤真金不怕火。许锦波但愿团队里的东说念主不仅要有很强的工夫配景，而且学习智商强，和其他不同配景的东说念主也能很好地相通，“咱们在作念的事情是交叉学科里比较大的名堂，而且是从零到一，许多名堂此前莫得别东说念主作念过。这就需要团队在通盘密切合营。如若团队之间不可相互相识、顺畅相通的话，效力就会至极低了，有些事情以致作念不出来了。无为来说，咱们许多管束有考虑齐是既需要懂筹画、懂AI，也需要懂生物配景。许多事情还需要全球边作念边学。”

一位分子之心的团队成员说，在他们团队里平时的消遣是作念数学题，最难的那种，题目丢进群，斯须，学霸们纷纷把解题念念路和谜底发出来，许培植也会参与。

“中午吃完饭，晚上休息时，全球在通盘闲着就会作念点题，数学题比较多，无意候也会搞点物理题、东说念主文题、历史题，”许锦波说，“咱们这里学霸多，可爱相互挑战。”

拉起这支精兵强将，许锦波并不策动重作念一个AlphaFold，他的贪念更大一些——

让AI“按需瞎想”卵白质

天然里存在的卵白质不是天上掉下来的，它们必须欢叫种种要求，比如要永久适合变化的环境，一次适合不了，它所包摄的生物就死灭了。它们有来处、有起源，是在漫长的演化历程里渐渐造成的。而演化有旅途依赖，演化可爱再行利用已有的东西，缝补缀补，略加改变，对付着用。

而AI莫得历史服务，AI可以瞎想出天然界里从未存在过的全新卵白质。

东说念主体里可能有十万种卵白质，执行里能找到的卵白质可能有几十亿种，看上去许多，但光是一个300个氨基酸的卵白质表面上就有20300种可能。

如若说表面上可以存在的卵白质就好比地球上的海洋，那么大天然迄今制造出的卵白质，不外是海洋里的一滴水。

但AI瞎想出的卵白，能比大天然瞎想出的更好吗？许锦波需要一个“里程碑”，来评释这件事行得通。

评释来得很快，就在分子之心创立一年多的时候。

佳绩频出

那时候，许锦波这个单线程的科学家，正渐渐适合了多线程的创业，他一边组建团队，一边连接设备算法西宾AI，一边引入投资方和合营方。

其时，中国的合成生物学的一家龙头企业找到了分子之心。这家公司遭遇的问题是，一个卵白的优化堕入了瓶颈。

那是合成方法里的一个症结催化酶，极具生意价值又波及行业瓶颈，它是一个跨膜卵白，用传统的实验方法优化了十几年，刻下还是到达了优化极限。使用生物方法知道晶体结构需要耗时数月以致数年，且得胜率极低。该酶参与的响应历程特殊复杂，需要多步响应，波及辅酶、电子传递等复杂身分。这导致很难用传统的定向进化方法，借助高通量实验来对这个酶进行优化。

用其他AI来优化也依然很难，酶的催化响应是一个动态响应的历程，酶的催化响应是一个动态响应的历程，AlphaFold2等用具的功能局限于卵白质静态结构斟酌，也不可产生新的卵白质序列，与真实的需求各异较大，难以欢叫精确的卵白质瞎想的需求

要精确优化，需要具备斟酌卵白质动态结构的智商。

这项优化服务原定2~3年内完成，但分子之心详尽期骗AI卵白质工夫和量子化学、分子能源学等科学筹画方法，终泄露卵白质动态瞎想，只花了6个月，就瞎想出了一个活性和特异性更高的新酶。

产业方实验数据自大，相对于野生菌，AI瞎想的这个酶使菌种产率提高了5倍！

AI瞎想和优化的卵白，无意候的确会走额外妙的“神之一手”。

有一趟，许锦波团队要优化另一个酶，作念传统实验的科学家建议改变酶的几个功能区域，毕竟那边是酶去联结底物、催化响应的处所。但是，AI却建议改一个距离功能区很辽远的氨基酸。

“怎样改这个处所呢？”传统派科学家合计太扯了。但是，真实字据AI建议改变后，实验却得出了可以的断绝。

其后发现，这个酶在响当令，会把远方的这个氨基酸给折叠过来，凑到功能区隔壁，等响应扫尾，这个折叠又掀开，阿谁氨基酸就又归位到距离功能区很辽远的处所。

有些改变在没看到AI给出的断绝之前，东说念主根柢就想不到。但一朝看到AI改变后的断绝，再多琢磨一下，就会合计AI有它的兴味。就像不走定式的AlphaGo，在对弈中下出了不少东说念主类棋手不会有的开局和棋步，有些在东说念主类棋手看来以致像是“恶手”，但最终评释是对全局成心的。

为什么AI能作念出传统实验作念不到的优化？可能是因为AI一启动挑选的余步，就远宽广于传统的实验式样。如若说传统实验方法的“搜索空间”是在几十万种可能性里搜索，那么AI的“搜索空间”是从百亿种可能里去搜索。

而许锦波西宾的AI算法，能将这百亿种可能，精确地缩减到几十种可能。在后续的实验考据方法里，这几十种可能里，简直总能涌现出不啻一种欢叫需求的卵白质分子：增强了一种塑料降解酶的活性，而且把这种酶在菌株里的产量普及了400%；校正了一种抗癌细胞因子，在保留了底本的抗肿瘤成果的同期，把它的毒反作用贬低到了底本的千分之一；优化了一种代糖用酶，让这种酶的半衰期从2.3小时蔓延到了快要200小时，大幅贬低了坐褥本钱……

分子之心还在作念一些尝试，比如优化发酵工艺，瞎想出一种特别的中间卵白，把中间的三步响应变成一步响应，减少了中间症结，工艺的可控性会升高，产率也能升高，而且减少了对发酵罐、水电本钱的需求，本钱可以大幅下落。

有些生物合成公司还是卷到在建立我方的袖珍发电站，来省俭电费本钱。比较之下，优化坐褥症结，才是真实抽薪止沸的降本增效。

旧年，跟着大谈话模子与生成式东说念主工智能的兴起，不少科学家认为，基因与卵白质序列，与谈话序列存在相似性，大谈话模子也同样可以应用在卵白质上，Meta的AI科学家也作念了这么的服务，何况把它发到了《Science》上。

分子之心也坐窝凝视到这项新的用具，并将其应用到卵白质生成界限，推出了名为“NewOrigin”（达尔文）的卵白质大模子。生物学家通过和“达尔文”进行对话，就能赢得AI扶持瞎想的卵白质。

NewOrigin，达尔文，这个名字的兴味是，这将是一次AI驱动的新物种发祥。卵白质的进化，将从大天然的就地进化，变成AI瞎想的定向进化。

在一项与药企的合营中，达尔文大模子对野生型卵白进行突变瞎想，优化卵白的结实性、抒发量等多个指标，只是三天就瞎想出数十个联想的候选卵白，动物实验自大，疫苗产生中庸抗体滴度为已公开专利和联系大型药企卵白疫苗的数倍。

如若说传统的实验方法是“大海捞针”，许锦波的AI方法即是先“百亿里挑几十”，然后在几十种分子里“优中选优”。

这不仅大幅贬低了本钱，也大大缩减了研发时辰，传统方法要花几年、几个月，许锦波的AI方法只须花几星期、几天。

许锦波驯顺，这个时辰还会再缩小——到几小时，以致几分钟。

Guokr

对AI和合成生物学来说，这可能是最好的时期。

中国2022年发布的《“十四五”生物经济发展筹办》里，对生物工夫与信息工夫会通应用提议了明确的要求，以及确立症结共性生物工夫改进平台等。

2023年，好意思国白宫科学工夫战略办公室发布了一份更具体的讲解，号召计议部门意思生物制造工夫的后劲，以生物工夫管束场面、食粮、供应链安全、健康等宏大问题，共21个办法、49个具体指标，其中包括要将AI应用于生物瞎想与生物工程，指标是在5年之内，终了精确地瞎想酶或者小分子，可以遴选性联结任何所需的靶点，且瞎想卵白质耗时不越过3个星期。

本年5月，AlphaFold 3推出，并由DeepMind子公司Isomorphic Labs启动鞭策商用，联系工夫不再开源。在科研上，AlphaFold仍然是卵白质斟酌的AI用具，而在生意上，他们的任务很昭着：瞎想冲破性药物。2024 年 1 月，Isomorphic Labs 文书与礼来和诺华达成两项价值 30 亿好意思元的药物研发公约。这里的症结问题，如故对卵白质结构、功能的相识，卵白质与配体、卵白质与卵白质的相互作用等。

对媲好意思国所要走的阶梯图，分子之心其实还是在快速管束其中的一些症结问题，比如分子之心作念出的AI卵白质优化瞎想平台MoleculeOS，其中会通了十几项全球开首的算法，可以进行卵白质结构斟酌、卵白质侧链结构斟酌与基于侧链信息的序列瞎想、抗体抗原复合物结构斟酌，抗体瞎想、酶结实性优化、酶活性优化等服务。

“刻下作念这个办法的团队越来越多，但我对咱们的算法有信心，比如在酶的瞎想校正上，咱们团队细目是世界开首的。我的持久指标是，别东说念主要一个特定功能的卵白质，我用我的AI，在电脑上操作几分钟，就可以瞎想出一个执行里恰当要求的分子。”许锦波说，“我但愿打造出中国生物经济时期的基础设施。”

参考文件

Wang, S., Sun, S., Li, Z., Zhang, R. & Xu, J. Accurate de novo prediction of protein contact map by ultra-deep learning model. PLOS Comput. Biol. 13, e1005324 (2017).

Jinbo Xu. Distance-based protein folding powered by deep learning. PNAS, 2019

Xu, J., Mcpartlon, M., & Li, J. (2021). Improved protein structure prediction by deep learning irrespective of co-evolution information. Nat. Mach. Intell., 34368623. Retrieved from https://pubmed.ncbi.nlm.nih.gov/34368623

Jumper, J., Evans, R., Pritzel, A. et al. Highly accurate protein structure prediction with AlphaFold. Nature 596, 583–589 (2021). https://doi.org/10.1038/s41586-021-03819-2

《“十四五”生物经济发展筹办》

https://www.ndrc.gov.cn/xxgk/zcfb/ghwb/202205/P020220510324220702505.pdf

好意思国白宫科学工夫战略办公室讲解

https://www.whitehouse.gov/wp-content/uploads/2023/03/Bold-Goals-for-U.S.-Biotechnology-and-Biomanufacturing-Harnessing-Research-and-Development-To-Further-Societal-Goals-FINAL.pdf

作家：游识猷

封面图来源：我是科学家

-果壳商务科技传播出品-