諾貝爾獎得主用AI設計蛋白質 將成藥物設計主流

英美3學者以蛋白質設計與結構預測獲得2024年諾貝爾化學獎，學者說，三人研究成果讓科學家可設計新蛋白質、抗體等，是非常了不起成果，未來可成抗體篩選、藥物設計主流。

2024年諾貝爾化學獎得主今天揭曉，由美國生物化學家貝克（David Baker）、英國電腦科學家哈薩比斯（Demis Hassabis）和美國出生的英國科學家瓊珀（John M. Jumper）共同獲獎。

台灣科技媒體中心今天舉行線上記者會，邀請台灣學者說明解析三位得主的研究內容。

中央研究院生物化學研究所研究員徐尚德指出，自然界有成千上萬個蛋白質結構，有很多蛋白質序列相似、結構及功能也相似，許多科學家都認為，如果能夠歸納出蛋白質的原則，就可以用這些資訊來預測未知的結構。

徐尚德說，人類的基因定序在2000年完成，當時有結構生物學基因體計畫，許多實驗室投入大量經費希望能盡可能把各式各樣蛋白質結構用實驗方法解構出來，後來貝克也開始思考，是否可建立演算法來幫助科學家從序列預測蛋白質結構，甚至根據原理來設計自然界沒有看過的蛋白質，或是否可以藉此設計酵素來幫助提升活性。

中央研究院生物化學研究所副研究員吳昆(峰)指出，科學家用盡一切方式想預測蛋白質，後來貝克開發了一套軟體，是目前預測、分析最精準的軟體，也在2003年開發出全球首個人工合成、設計酵素，證明用軟體設計蛋白質是可行的。

國立清華大學化學系助理教授楊自雄說，蛋白質折疊是一個非常複雜的研究，過去科學家用物理方式來進行折疊，準確率低且耗時長，但哈薩比斯及瓊珀提出AlphaFold2模型後，準確率可以高達90%，「給你一串序列，得出的結構會跟實驗所得的幾乎一模一樣」，對於藥物設計、基因缺陷導致的病變是非常重要的。

楊自雄說，三名得主用生成式AI方式讓科學家可以設計成新的蛋白質、抗體等，這在化學跟生醫上都是重要成果，且過去進行抗體或藥物開發，研究專家在這領域都必須有一定知識，但三人的成果能降低研究門檻。

吳昆(峰)表示，3名得主的開發軟體及生成概念，能把傳統篩選改以AI電腦篩選，加速抗體開發進程，預估未來將成抗體篩選、藥物設計的主流方法。