AlphaFold 初露锋芒：AI 开始啃生物学的硬骨头
// TL;DR
- AlphaFold 在 CASP13 的自由建模组拿下第一，精度明显领先传统方法。
- 用深度学习从氨基酸序列预测残基间距离分布，再据此推三维结构。
- 这是 AI 解决重大科学问题的早期信号，序幕而非高潮。
蛋白质折叠问题
蛋白质由氨基酸链构成，但决定它功能的是折叠成的三维结构。从一维序列预测三维结构——“蛋白质折叠问题”——困扰了生物学界半个世纪，是诺奖级别的难题。CASP 是这个领域两年一度的“世界杯”，匿名盲测各家方法。今年 CASP13，DeepMind 的 AlphaFold 在最难的自由建模组夺冠，而且不是险胜，是断层领先。
它怎么做的
这一代 AlphaFold 的核心，是用深度网络从序列（及其进化同源信息）预测氨基酸残基两两之间的距离分布和扭转角，把这些约束转化成一个能量函数，再用梯度下降找到满足约束的三维结构。还不是后来那个端到端的版本，但思路已经成型。
为什么这件事比赢围棋大
围棋赢了，改变的是围棋。蛋白质结构预测如果被攻克，改变的是药物研发、酶设计、疾病机理研究——一整条生命科学的上游。Hassabis 当年说 DeepMind 的终极目标是“用 AI 解决智能，再用智能解决一切”，CASP13 是这句话第一次落到实处。
我得克制一点：这只是初代，精度离“实验级可用”还有距离，离“干翻整个结构生物学”更远。但方向被点亮了——AI 不只是赢游戏、推荐广告，它可以成为基础科学的引擎。这条线，我会持续重点跟。（剧透一下：两年后的 CASP14 会更炸。）