AI是抢活还是赋能？颜宁给出最新答案

近日，中国科学院院士、深圳医学科学院院长、深圳湾实验室主任颜宁，应上海交通大学人工智能学院邀请，在该校徐汇校区“上海交通大学大师讲坛|汇智大讲坛”上作学术报告《CryoSeek（酷寻）——以结构为先导的生物学发现新范式》。颜宁回顾了自己主要的学术生涯，并探讨了AI与科研的关系等热点问题。

“要能上教科书”

颜宁坦率地表示，2007年在清华大学刚建立实验室时，“当时有一个特别简单的目标，就是东西做出来，要能进教科书”。

糖酵解是每一本、每一版生化教科书里一定会有的，所以就把葡萄糖转运蛋白如何获得能量作为研究重点。

另一个重点则是电信号的产生和传导，聚焦在与此相关的钠离子通道上。

她戏言，自己是个“吃货”，因为这两个方向就是糖和盐（钠）。

颜宁还透露，她的“初恋”课题其实是与另一类“吃货”要素——脂肪相关的蛋白（胆固醇调控元件结合蛋白，SREBP）。但是，这一领域到现在为止进展非常缓慢。她也借此提醒学子，“当以问题为导向时，有时因为技术还不够发达，可能要暂时搁置，过多少年有新技术了，再回过头来研究”。

不过，葡萄糖转运蛋白的结构，在被破解之前同样是巨大的挑战。“在X-射线晶体衍射技术主导的年代，膜蛋白是当之无愧的最难的靶点，所以我们当时是非常敢啃硬骨头的。”

转运并不是原本想的三步走——打开、通过、关闭那么简单。大分子有不同的构象（conformer），就像手掌能摊开，能握拳一样。颜宁表示，转运蛋白有许多构象，结构都要一一破解，“在没有理解这些细节的时候，去说基于结构的制药云云，都只是一种幻想”。

葡萄糖转运蛋白GLUTs的晶体结构以及在此基础上进一步完善的GLUTs工作模型 《自然》

这些研究结果如愿登上了教科书后，下一个目标就是钠离子通道，且不说构象变化，光α亚基的亚型就有9个（Nav1.1-1.9）。其中，与痛觉相关的Nav1.7，颇为引人关注。

在2004-2006年间，通过对无痛症和痛觉异常的人测序，科学家刚刚锁定Nav1.7的作用，破解其结构是最前沿的问题。

加之全世界有大约三分之一的成年人受到某种疼痛的折磨，以及止痛药滥用现象抬头，制药企业也非常关注这个潜在的新药位点。

然而，晶体衍射的方法需要大量非常纯的蛋白来结晶，钠离子通道蛋白本身非常达，又有糖基化和磷酸化，“想得到蛋白都非常难，更别说用结构解析了”。

颜宁感慨，“幸亏我们又迎来了一场技术革命”，代表性的成果就是2013年，大卫·朱利叶斯（David Julius）与程亦凡用冷冻电镜技术，解析出了辣椒素受体（TRPV1）的结构。戴维于2021年获得诺贝尔生理学或医学奖。

人类Nav1.7-β1-β2复合体结构 《细胞报告》（Cell Reports）

颜宁介绍了为推动冷冻电镜技术进步，而做出贡献的诸多科学家，特别是“分辨率革命”。提高分辨率的关键，一是计算力大大提高，二是材料科学的突破，诞生了直接电子探测成像系统，可以直接捕获高能电子信号。

“以前它的分辨率达到10埃就已经很不错了，经过这场革命，现在已经达到1埃，就是0.1纳米的分辨率，使得以前只有X射线晶体学和核磁共振能做的事情，电镜也可以做了。”随后，颜宁团队将冷冻电镜技术运用到钠离子通道及类似的钙离子通道上，目前已经破解了这些通道中的大部分构象。

那么根据氨基酸序列预测蛋白质三维结构的AI工具Alphafold，能不能预测构象呢？颜宁表示，Alphafold的预测暂时没有意义，“不是我们想要的构象，而且它也没有那样高的精准度，所以我们还在吭哧吭哧地做着”。

一些药物与Nav1.7的结合 《自然通讯》

要展示一个跨膜转运蛋白的工作周期，需要静息态、激活态和失活态，每一种状态下可能又有很多亚状态。

“过去我们拿到的主要是失活态，现在对于如何拿到激活态也已经有了一定的线索，应该很快能做出来，但研究静息态目前还是最难的。”

蛋白结构研究依然长路漫漫，也风景无限。在颜宁看来，最重要的还是方法的开发，尤其是交叉学科的努力。例如，石墨烯载网的材料制备，在膜两侧加电势的方法，处理流程的优化，分辨率的提高，等等。分辨率尤其重要。（Resolution matters.）

她提醒说：“常见的情况是，开发方法可能发不了好文章，而且进展又慢，但是一旦能够取得突破，就会带来巨大的影响。”

科研范式转变：从“问题导向”到“观察启发”

在研究蛋白质的过程中，由于纯化而丢失了糖，糖与蛋白的相互作用就没法展现了，把纯化过程“最小化”势在必行。

如果再进一步，不要特殊的纯化直接观察呢？

基础的电镜技术如今已相当成熟，不仅可以揭示出已知分子的高分辨率结构，它还有可能帮助发现新的分子。

颜宁认为，过去用显微镜观察微观世界，而现在世界上分辨率最高的显微镜就是电子显微镜，特别是冷冻电镜，“我们能不能拿它来看看这个大千世界，看能发现什么”。

这种“观察启发”的科研范式，与之前的“问题导向”截然不同。

最终，为了避免“糟蹋外太空的、月球上的、深海的样品”，颜宁团队选择了朱自清笔下的清华荷塘。

他们取出水样后，只过滤了渣滓，再浓缩样品，放入电镜——“突然间，真的就是开眼看世界了”。

清华荷塘纤维 PNAS

水中发现了大量独特的纤维，在AI的帮助下，蛋白质大多得以归类，但有一类怎么都做不出来。“最后是我方人类，用肉眼盯了三个小时”，才恍然大悟，这是糖啊！

“这些结构完全是靠糖撑起来的，真的是进入一个新的领域”。这些从没有观察过的结构，被颜宁称为“生命暗物质”。

每一个结构还带来了大量的问题：糖是如何折叠的？它们有什么样的作用？这么漂亮的结构，这么复杂的糖，它是如何合成的？还更严峻的问题，它们来自于哪？这些纤维里面的蛋白序列只有几种氨基酸的重复，如何去查？

颜宁说：“实验室研究范式正在从问题导向变成观察驱动”。

最令人兴奋的是，甚至还发现了只有糖没有蛋白的纤维，未来它有没有可能用于碳中和？因为靠生物体的光合作用合成糖，长期储存要满足不少条件，而这种糖纤维可以直接稳定地存在于自然环境里，要求就简单多了。它还能抗温度变化，抗各种酶切，或许可以作为一种新材料，甚至成为信息存储的载体。

荷塘里的各类纤维

在这一新领域，同样也有技术的开发，以及AI的应用。“以前我们两周做一个结构，现在一天做了十几个结构，正努力在方法开发上把电镜做成一个高通量的技术。”

观察者网还了解到，颜宁团队今年10月在线发布的论文，介绍了一种名为Ahaha的简单高效算法，专门用于在冷冻电镜图像中测定糖纤维的绝对手性。

Ahaha测定糖纤维绝对手性 BioRxiv

冷冻电镜（cryo-EM）与“寻找”（seek）相结合，这整套新方法便有了个很酷的名字——“酷寻”（CryoSeek）。

AI的“影响”是赋能

颜宁表示，现在的电镜技术已经非常厉害，“大家不要怕电镜”，也不要觉得电镜很贵，许多设备是开放共享的。

但电镜“酷寻”得到的大量信息，仍然有待解读。解决之道一方面是在线公开数据，与全球学者分享；另一方面，就是训练并利用AI。

当Alphafold横空出世时，曾有人担心，像颜宁这样破解蛋白结构问题的学者，会不会“受影响”，她在现场表示，“AI是为我所用的”。

原本AI不认识糖，现在颜宁团队已经自己开发能够自动搭建糖的AI模型。

颜宁表示，每一次技术革命都是把人从相对繁琐的工作中给解放出来，让你可以去做最想做的，这本身就是很棒的赋能。

AI赋能科学（AI for Science）正在加速推动科学发现，而生物学也可能赋能AI（Biology for AI）。“我们大脑能这么节能地去处理信息，是因为从有生物开始到现在、长达几十亿年的进化，让我们大脑结构高度复杂。生命把太阳能转化成了化学能，经过这么多年的储能，才有了现在这样一个高级结构。”

颜宁畅想，参考大脑，AI未来的硬件结构，或许也会有变化。各学科对AI的赋能，可能是一个更深刻的科学问题。