David Baker：从头设计蛋白的“上帝之手 ”

2020年11月，第14届CASP大赛的研讨会气氛有些不同寻常。会前几个小时，主办方公布了一张参赛队伍预测蛋白质结果评分的图片，显示有一个团队以惊人的成绩超越了其它所有参赛选手。会议还没开始，这张图片已经让网络炸开了锅，整个领域的人都在热烈议论到底是哪个团队做到的。

图：左侧最高成绩为AlphaFold2,第二名为Rosetta。图源：参考文献9

会议开始后，主持人在大家迫不及待的目光中展示了比赛结果：DeepMind公司带来的AlphaFold2，正是这次比赛中的明星。在多个蛋白的预测中，AlphaFold2以惊人的准确性碾压了其它所有团队，包括第二名Baker团队带来的Rosetta。主办方宣布，AlphaFold 2成功解决了一个开放了50年的挑战：开发一种能够准确、普遍和有竞争力地通过序列预测蛋白质结构的新方法。

AlphaFold2遥遥领先的蛋白结构预测能力震惊了整个学术界。与此同时，很多该领域的科学家开始担忧，AlphaFold2来源于商业公司，他们能否自由使用AlphaFold2并在此基础上继续发展新的算法。

Baker后来回忆说，“所有人都惊呆了，先是有很多媒体报道，然后基本上就没有消息了。你处在一个很奇怪的境地，你的领域取得了重大进展，但你却不能在此基础上继续发展。”DeepMind公司的科学家在CASP14发表了一个半小时的演讲，阐述了AlphaFold2的工作机制。和Rosetta、I-TASSER等模型不同，AlphaFold模型使用了深度学习的方法，并引入了基于注意力的神经网络，学习了蛋白数据银行（Protein Data Bank）所有的蛋白结构数据，这些数据是全球结构生物学家数十年积累的结果。学习后的模型可以根据序列来预测氨基酸之间的距离和夹角并进一步推测蛋白的结构。这是深度学习方法第一次在蛋白质结构预测领域展露头角，也为这个领域指明了新的方向。

虽然当时DeepMind还未公开AlphaFold2的源代码，但Baker和他的博士后Minkyung Baek已经从这次演讲中找到了具体的方向。他们和实验室的其他成员一起全力工作了数月，发布了使用深度学习技术的新软件平台RoseTTAFold。在神经网络构建中，RoseTTAFold借鉴了AlphaFold 2的多轨网络技术，将蛋白质结构信息的不同方面分离成多个独立的轨道，不同轨道之间相互反馈一些信息，这种架构会让神经网络学习到更丰富的特征。

为了验证RoseTTAFold的能力，Baker联系了他的博士后导师大卫·阿加德教授。阿加德教授正好有一个困扰其实验室两年的问题，他想得到一种细菌在受到病毒感染后产生的蛋白质的结构。阿加德把蛋白的序列发给了Baker，实验室的人员用RoseTTAFold运算了6个小时。预测的结果完美解决了阿加德的问题。阿加德说，解决了这个瓶颈后，他们终于可以继续研究这个蛋白的功能了。

是时候把RoseTTAFold公开了。Baker知道，虽然当时它的能力离AlphaFold2还稍有距离，但已经能解决很多生物学家的问题。

2021年6月15日，Baker实验室发布了RoseTTAFold的在线版本，让所有人都能在线使用这个工具，同时还公布了详细介绍RoseTTAFold技术路线论文的预印本。三天后，DeepMind首席执行官Demis Hassabis在推特上表示，他们将公布AlphaFold2的论文和源代码，并透露论文正在审稿中。7月15日，《科学》和《自然》两大期刊在同一天分别发表了RoseTTAFold和AlphaFold2的技术论文，这场学术界和商业公司的竞赛在这天得到了一个完美的结果。

David Baker后来在一次校园活动中表示：我真的从一开始就认为我们应该分享我们所做的一切。那些代码真的传播到了全世界，基本上每个人都在使用它。

正如人类基因组计划中，学术界和以克雷格•文特尔（Craig Venter）为代表的商业公司的竞争，最终也以在两大顶刊同时发表论文落幕。两次竞争的过程都激烈而精彩，伴随的产物是科学的快速进步以及新技术的使用平权。

著名物理学家理查德·费曼（Richard Feynman）有一句名言：“我无法创造的东西，我便无法理解。”目前人类在利用的所有蛋白质都是自然界进化了数十亿年的产物，其中的很多蛋白，人类早已解析其结构并理解了工作原理，但根据现有知识创造出全新结构和功能的蛋白质，还从来没有实现过。生物学家通过定向进化等手段,可以在一定程度优化现有的蛋白，但离主动创造相距甚远。

蛋白质仅靠20种氨基酸的排列组合，就形成了生物学上不可思议的多样性和高效性，支撑起了整个生物界。既然算法可以从蛋白的序列预测出结构了，那反过来是不是可以通过功能来设计对应的结构，再用逆向算法把结构推导回序列呢？这种方式被科学家称为蛋白质的“从头设计”（De novo design），也就是在没有模板参照的情况下设计出自然界中不存在的蛋白，并完成特定功能。如果说蛋白质结构预测是为了理解自然，那么蛋白质设计就是创造自然了。

早在2003年，Baker团队里的Brian Kuhlman和Gautam Dantas就设计了一个含有93个氨基酸残基的α/β蛋白，具有全新的拓扑结构，能够自动折叠成球状并非常稳定。这个蛋白被命名为Top7，这是人类第一次获得了非自然界来源的全新蛋白质，代表着人类在从头设计蛋白领域迈出了一大步。David Baker也因此被一些媒体称为“上帝之手”。

Top7虽然惊艳了科学界，但它只是基于特定结构的设计，并没有任何功能。从头设计出有实际功能的全新蛋白质对科学界而言依然是极具挑战性的工作。

2023年发表的一篇研究，试图把AlphaFold蛋白结构预测的神经网络反转来实现从结构到序列的推导，但结果很不理想。蛋白质的复杂性和多样性意味着即使是微小的变化,也可能对功能产生重大影响。此外，蛋白质与生物体内其他分子的相互作用也是一个需要考虑的重要因素。设计出的蛋白质必须能够在复杂的生物环境中稳定存在，并且与目标分子有效互动。

David Baker的团队尝试了各种计算方法，包括计算蛋白质能量的函数、多种骨架和侧链采样方法以及一些全局优化算法,如蒙特卡洛模拟和连续优化方法。随着生成式AI和其它机器学习方法的发展，设计出具备特定生物功能的全新蛋白质正逐渐成为可能。