周三，诺贝尔化学奖被授予三位科学家，他们帮助揭开了构成生命的基石——蛋白质的一些持久秘密。
当谷歌DeepMind实验室的Demis Hassabis和John Jumper使用人工智能技术预测蛋白质结构时，生物化学家David Baker设法设计出了自然界中从未见过的全新结构。
这些突破有望带来许多进步，从发现新药到分解污染物的酶。
下面是诺贝尔奖背后的科学解释。
英国伯明翰大学的蛋白质研究员Davide Calebiro告诉法新社，蛋白质是“我们身体里发生的一切的工厂”。
DNA为每个细胞提供了蓝图。然后，蛋白质利用这些信息将该细胞转化为特定的细胞，如脑细胞或肌肉细胞。
蛋白质由20种不同的氨基酸组成。这些酸开始的顺序决定了它们会扭曲和折叠成什么样的三维结构。
美国化学学会主席玛丽·卡罗尔将其工作原理比作老式电话线。
她告诉法新社:“所以你可以把电话线拉长，然后你就有了一个一维结构。”
“然后它会弹回”成3D形状，她补充说。
因此，如果化学家想要掌握蛋白质，他们需要了解二维序列是如何变成这些三维结构的。
法国生物化学家索菲·萨昆-莫拉说:“大自然已经提供了成千上万种不同的蛋白质，但有时我们希望它们做一些它们还不知道如何做的事情。”
之前的诺贝尔奖得主的工作已经证明，化学家应该能够观察氨基酸序列并预测它们的结构。
但这并不容易。化学家们为此奋斗了50年——甚至有一年两次的“蛋白质奥林匹克”竞赛，许多人都没有通过预测测试。
哈萨比斯和跳线进入。他们用所有已知的氨基酸序列和相应的结构训练了人工智能模型AlphaFold。
当给定一个未知序列时，AlphaFold将其与之前的序列进行比较，逐渐在三维空间中重建谜题。
在新一代AlphaFold2击败2020蛋白质奥运会后，组织者认为问题已经解决。
该模型现在已经预测了地球上已知的几乎所有2亿种蛋白质的结构。
美国生物化学家贝克从这个过程的另一端开始。
首先，他设计了一种在自然界中从未见过的全新蛋白质结构。
然后，使用他开发的一个名为Rosetta的计算机程序，他能够计算出它最初的氨基酸序列。
为了实现这一目标，罗塞塔搜索了所有已知的蛋白质结构，寻找与它想要构建的结构相似的短蛋白质片段。
然后，罗塞塔对它们进行了调整，并提出了一个序列，最终可能成为该结构。
掌握像蛋白质这样基本而重要的小机器在未来可能会有大量的潜在用途。
诺贝尔奖网站称:“这使我们能够更好地了解生命的功能，包括为什么一些疾病会发展，抗生素耐药性是如何发生的，或者为什么一些微生物可以分解塑料。”
它补充说，制造全新的蛋白质可能会导致新的纳米材料、靶向药物和疫苗，或者更多的气候友好型化学品。
当被要求挑选一种最喜欢的蛋白质时，贝克指出了他“在大流行期间设计的一种防止冠状病毒的蛋白质”。
Calebiro强调了这项研究的“变革性”。
“我认为这只是一个全新时代的开始。”
