AI 科学家获诺奖后：从 CASP 看蛋白质结构预测的机遇与挑战丨GAIR Live

单序列预测被看好为诺奖「预备役」，多构象、RNA 结构重要程度上升。

原标题：AI 科学家获诺奖后：从 CASP 看蛋白质结构预测的机遇与挑战丨GAIR Live
文章来源：AI科技评论
内容字数：30104字

蛋白质结构预测：诺奖后的新篇章

本文总结了雷峰网、AI 科技评论GAIR Live 品牌与CASP评估的优秀华人团队联合举办的线上圆桌沙龙，主题为“诺奖之后的新篇章：蛋白质结构预测的机遇与挑战”。沙龙邀请了多位在蛋白质结构预测领域有突出贡献的专家，共同探讨了CASP16的进展、未来发展趋势以及该领域面临的挑战。

1. CASP16的进步与突破

CASP（Critical Assessment of Protein Structure Prediction）作为全球蛋白质结构预测竞赛，被誉为诺奖的“孵化器”。CASP16的显著特点包括：参赛团队数量增加，中国及亚洲团队表现突出；会议全程专注，体现了科研人员的长期主义精神；竞赛更注重解决实际生物学问题，而非单纯的排名；工业界参与度下降，学术界继续坚守。

2. 蛋白质预测新问题的挑战和趋势

蛋白质单体结构预测方面，AlphaFold3相比AlphaFold2有所改进，但提升不显著。抗体-抗原复合物结构预测取得进展，但数据集较小，泛化能力有待验证。 未来发展趋势包括：改进模型排序和质量评估方法；解决大复合物预测难题；攻克单序列结构预测的经典问题（这被认为可能带来第二个诺奖）；以及在核酸结构预测中，人工智能超越传统方法。

3. 蛋白质复合物组装以及多构象预测

蛋白质复合物组装方面，挑战在于模型质量评估和化学计量预测。多构象预测首次作为赛道出现，但数据不足，尚无法实现大的突破。未来发展方向可能是生成模型或扩散模型。模型质量评估方面，现有指标体系需要改进，单模型方法有待发展，以避免被方法压制。

4. RNA结构预测新进展

RNA结构预测赛道难度和数量明显提升，AlphaFold3在该赛道上优势不明显。蛋白质-核酸复合物结构预测仍面临挑战，主要原因是可用于训练的数据量有限。人工干预在RNA结构预测中仍然至关重要，自动预测是未来方向。

5. 小分子预测

AlphaFold3在小分子预测方面表现出优势，在某些靶点上超过传统对接方法。未来可以将传统对接方法和深度学习方法结合使用。 挑战在于如何选择众多预测结果中的最优解，以及提高人工智能方法的通用性。

6. 结构预测的蓝海方向和未来展望

未来可能获得诺奖的研究方向包括：解决蛋白质折叠问题的单序列结构预测；达到AlphaFold2水平的RNA结构预测；以及取得突破性进展的蛋白质-小分子复合体结构预测。 这些方向都具有巨大的应用潜力，将对生物医药、合成生物学等领域产生深远影响。

总而言之，蛋白质结构预测领域在AlphaFold之后进入了一个新的发展阶段，机遇与挑战并存。单序列预测、多构象预测、RNA结构预测以及蛋白质-小分子复合体预测等都是亟待突破的关键问题，这些突破将对生命科学研究和相关产业产生重大影响。

联系作者

文章来源：AI科技评论
作者微信：
作者简介：雷峰网旗下AI新媒体。聚焦AI前沿研究，关注AI工程落地。