AI for Science，特别是以AlphaFold2为代表的先进人工智能技术，正在深刻改变基础研究的范式。它通过精准的蛋白质结构预测，跳出了传统方法对序列相似性的依赖，为在分子层面系统性揭示蛋白质功能、推动作物改良和理解生命演化提供了全新的强大工具。
🔬 从序列到结构的范式革命传统上，理解蛋白质功能严重依赖序列比对，通过寻找相似序列来推测功能。然而，这种方法对于序列独特、缺乏同源物的蛋白质几乎无能为力。
AI模型带来了根本性突破：
直接预测三维结构：AI模型能够仅根据氨基酸序列，高精度地预测其三维空间结构。结构决定了蛋白质如何与其他分子相互作用，是理解其生化功能的物理基础。
揭示深层功能关系：即使序列相似性很低，相似的三维结构也可能暗示着相似的功能或共同的进化起源。这为发现远缘物种间蛋白质功能的联系提供了线索。
这种新范式已经在前沿研究中展现出强大力量。
蛋白质的智能化设计：浙江大学的科研团队成功利用蛋白质语言模型（ESM-1v） 对一种丁二醇脱氢酶（BsBDH）进行定向改造。他们精准鉴定了影响其功能的关键位点，最终获得的工程化酶其立体选择性（ee值）超过99%，对某些底物的催化活性最高提升了5183倍，为合成高价值手性化合物提供了高效工具。
驱动跨学科研究平台：中国科学院发布的“磐石·科学基础大模型”则构建了一个跨学科的智能平台。它能够统一管理数据和模型资源，调度各类计算仿真工具，深度赋能从“假设提出”到“规律发现”的科研全流程。例如，基于“磐石”模型构建的“X-Cell数字细胞模型”，在短时间内便发现了一个过去未知的潜在疾病靶点并进行了实验验证，将传统靶点发现效率提升了超10倍。
在作物改良和理解生命演化领域，AI驱动的结构生物学方法前景广阔。
作物改良新路径：通过预测与作物抗病性、营养吸收、产量形成等关键农艺性状相关的蛋白质结构，能够更理性地设计分子育种策略，加速优良品种的选育过程。
洞悉生命演化：通过对不同物种中蛋白质结构的系统性比较，可以构建出更清晰的生命演化图谱，帮助科学家理解复杂性状是如何在进化过程中产生的。
未来，随着AI模型预测精度的持续提升以及与自动化实验平台（如智能实验室操作系统）的深度集成，我们有望看到一个设计-预测-验证的科研闭环加速运转。这将极大地推动在基因组尺度上对蛋白质功能的系统性探索，最终为可持续农业的发展和生命本质的理解开辟新路径。
希望以上信息能帮助您更深入地理解AI for Science的巨大潜力。您是否对某个特定领域，例如作物育种或酶工程中的应用，特别感兴趣呢？我可以提供更具体的介绍。
转载本文请联系原作者获取授权，同时请注明本文来自许培扬科学网博客。
链接地址：https://wap.sciencenet.cn/blog-280034-1522027.html?mobile=1
收藏
