然后争取部分突破,要咬住,复旦教授马剑鹏：在我们国家输不起的前沿赛道

《自然》杂志日前发表了由谷歌Deepmind团队和AI药物研发团队的合作研究，展示了全新的蛋白质预测模型——第三代“阿尔法折叠”。在日前举行的解放日报第79届文化讲坛上，当被问及“上海什么时候能出现这样重量级的创新”时，复旦大学复杂体系多尺度研究院院长马剑鹏这样回答：

这是一个非常好的问题，也是我常常问自己的问题，也是我们一直在做的事情。

Alphafold是人工智能历史上的一个标志性事件。大家知道，当年计算机击败了国际象棋世界冠军时，大家都认为人工智能在围棋领域无法战胜人类。后来AlphaGo击败了人类顶尖围棋手，但大家还是有一些怀疑，所以谷歌公司挑了一个科学问题，一个被称为“太阳底下最难的科学问题之一”——蛋白质结构预测，作为研究方向。

2018年，Deepmind公司首次宣布，他们研发出一种工具——Alphafold来精准预测蛋白质的折叠结构。2020年，又升级推出Alphafold2，全世界为之震撼。

最近的Alphafold3实现了一个巨大的突破：原来Alphafold2只能预测纯粹的蛋白质，但Alphafold3的预测对象超越了蛋白质，覆盖到包括核酸、小分子、金属离子等，这是一个巨大的进步。

复旦大学复杂体系多尺度研究院院长。

那么，我们国家做了些什么呢？像这种特别前沿的领域，首先要坚定方向，坚持下来不动摇，要咬住它。其次，迎头上去肯定干不过别人，所以要弯道超车，争取部分突破。

我们知道，蛋白质三维结构由主链和侧链搭建而成，Alphafold2的主链预测总体做得不错，但侧链预测的质量不够好，至少离药物设计要求的精度还有很大的差距。我们花很大力气弄清了Alphafold2的弱点在哪里。去年10月，复旦大学复杂体系多尺度研究院研发出一款名为OPUS-Rota5的算法，它能大大提升蛋白质侧链结构测试精度。当Alphafold3问世的时候，我们总体已经达到了Alphafold2.5的水平，即便是有了Alphafold3，我们的侧链结构测试精度依然保持着全世界领先水平。

这里必须指出，一个主链结构准确，但侧链结构有较大误差的蛋白结构的实际用途是很受限制的，因为几乎所有与蛋白质相关的相互作用都绕不开与侧链的相互作用。总之，几年来国际上在计算生物学领域的最大突破——Alphafold技术方向的竞争，是我们国家绝对输不起的一个赛道，因为它几乎涉及所有分子生物及材料科学领域的发展。

当然，AI界的同仁都希望有一天我们能够从底层逻辑上有所突破，但这非常需要耐心。你不能天天催着科学家“你做出来了吗”，因为这些课题真的非常非常难，一旦出现突破的话，是可以颠覆全世界的，而这世界不是那么容易被颠覆的。但是，假以时日，颠覆性的突破也是可以实现的，也没有任何理由说不可以在上海实现突破。

另外一个重要的点：最近AI方面的巨大突破，几乎全都是科技公司做出来的。为什么？这和AI的研发特点有关系。在高校里，教授能最大化个人的创造能力，但有些工作，尤其是现在的AI，是需要大兵团作战的，不是靠一个人或几个人能够完成的。在公司里，在一个领头羊的带领下，调动各种资源，包括各种人才，更有可能实现突破。