根據《Live Science》報導，科學家利用 AI 完成了一件在過去需要大自然花幾十億年才能做到的事：設計出自然界中不存在的全新蛋白質。他們的 AI 模型模擬了蛋白質在自然選擇壓力下的演化過程，但把時間從數十億年壓縮到了幾秒鐘。

從預測到創造

2020 年，DeepMind 的 AlphaFold 震驚了科學界——它能根據胺基酸序列準確預測蛋白質的三維結構，解決了一個困擾結構生物學家超過 50 年的問題。AlphaFold 2 在 2021 年預測了超過 2 億種已知蛋白質的結構，被《Nature》評為「將改變生物學」的突破。

但 AlphaFold 做的是「讀書」——理解已經存在的蛋白質。這項新研究做的是「寫書」——創造自然界從未產生過的蛋白質。

研究者訓練了一個 AI 模型來模擬蛋白質在演化壓力下的變異和篩選過程。在自然界中，這個過程需要隨機突變 → 自然選擇 → 存活下來的變異被保留 → 再突變 → 再篩選，循環數十億年。AI 模型把這整個過程數位化了——在虛擬環境中讓蛋白質「突變」和「競爭」，幾秒鐘內就跑完了數十億年的演化。

為什麼這很重要？

蛋白質是生命的「分子機器」——從消化食物的酶、到搬運氧氣的血紅蛋白、到對抗病毒的抗體，幾乎所有的生物功能都由蛋白質執行。

如果我們能可靠地設計出具有特定功能的蛋白質（而不是只能使用自然界已有的），影響將是革命性的。藥物開發——目前從發現一個候選藥物分子到完成臨床試驗平均需要 10 到 15 年。如果能直接設計出與疾病靶點完美結合的蛋白質藥物，開發週期可能大幅縮短。材料科學——蜘蛛絲是自然界最強韌的纖維之一，但量產困難。設計出具有類似特性但更容易生產的合成蛋白質材料，可能改變從防彈衣到外科縫線的產業。環境工程——設計能高效分解塑膠或固定碳排的蛋白質酶，是應對環境危機的潛在工具。

還有多遠的路？

AI 設計的蛋白質目前已能在實驗室中被合成和驗證——也就是說，AI 「想像」出來的蛋白質確實能在真實世界中摺疊成預測的結構。但從「結構正確」到「功能可用」之間還有距離。一個蛋白質的形狀對了不代表它就能執行預期的功能——這需要更精細的設計和大量的實驗驗證。

根據研究者的預估，AI 蛋白質設計從學術研究走向商業應用——例如生成第一個基於 AI 設計蛋白質的臨床候選藥物——可能需要 3 到 5 年。

但方向是清楚的：自然花了 40 億年用隨機突變和自然選擇來優化蛋白質。AI 正在學會用幾秒鐘做同樣的事——而且不受「隨機」的限制。

📰 本文資料來源

  • Live Science:〈AI compressed billions of years of evolution into seconds to design new proteins〉
  • 背景參考：DeepMind AlphaFold 2 (2021)；蛋白質工程研究進展