科學家新視野－「預測蛋白質結構」獲諾貝爾獎：巨大突破重塑醫療與科技未來

2024年諾貝爾獎化學獎於臺灣時間下午5時45分公佈，由華盛頓大學醫學院蛋白質設計研究所所長貝克（David Baker）、Google旗下DeepMind人工智慧AlphaFold蛋白質結構資料庫開發人員哈薩比斯（Demis Hassabis）與強普（John Jumper）共享殊榮。圖／諾貝爾委員會

今年諾貝爾化學獎頒給「預測蛋白質結構」研究，不僅大幅縮短解密蛋白質結構的時間，還開創了設計蛋白質的新時代，未來不僅有助於醫藥產業，也將帶來環境保護和其他科學領域的創新可能。

蛋白質是人體的基本元件，由一系列更小的分子所組成，瞭解蛋白質的三維立體結構，是深入理解人體生理運作的關鍵。截至幾年前，雖然科學家們已知上億筆組成蛋白質的序列，卻僅能得知少量的蛋白質立體結構（約20萬筆），因爲測量蛋白質結構的傳統實驗方法耗時且昂貴，再加上確認每一個蛋白質的立體形狀，往往需要將近十年的時間。這造成設計與瞭解蛋白質功能，以及藥物與疫苗等領域的極大挑戰。

人工智慧公司「Google DeepMind」的哈薩比斯（Demis Hassabis）和瓊珀（John M. Jumper）領導的團隊，發明了預測蛋白質結構的程式「AlphaFold」，運用人工智慧（AI）在預測蛋白質結構的比賽中展現出驚人能力，突破過去科學家僅能依賴特定計算方法才能精確預測某一種蛋白質結構的限制，可迅速利用蛋白質序列預測出幾億筆蛋白質立體結構，比起先前數十年才能得知幾十萬個蛋白質結構，節省大量時間。雖然預測結果仍須微調，但也已非常接近真實結構，是科學界的一大進展，能幫助我們更瞭解蛋白質如何在體內運作，也是哈薩比斯和瓊珀獲得今年諾貝爾化學獎的主因。

另一半的諾貝爾化學獎由華盛頓大學的貝克（David Baker）教授獨得。貝克30多年來帶領的團隊是蛋白質結構研究的先驅，不斷翻新多項預測蛋白質結構的工具，其中最爲知名的是RoseTTAfold，讓科學家們能夠快速而準確地從蛋白質序列預測三維結構，徹底改變我們對生命科學的認知。貝克的團隊更進一步運用AI技術，能夠反向從蛋白質的三維結構，推估組成的序列，這一技術讓科學家不僅能預測蛋白質結構、從結構得知蛋白質的組成，還可設計自然界不存在的蛋白質，以及創造出具有全新功能的蛋白質，開啓全新的科學應用，涵蓋抗體藥物、開發疫苗、環境保護及材料科學等領域。

我們的團隊在20多年來與結構計算領域一同成長，並運用AI技術致力於新藥開發，臺大衍生的新創公司思捷優達就是其中的成果之一。思捷優達透過AI開發新藥且成功進入臨牀試驗，結合學術界、醫界與產業界的資源，快速推動治療多重系統退化症的候選新藥。短短一兩年內，該新藥已獲得美國食品藥物管理局（FDA）鼓勵與支持藥廠研發治療罕見疾病的「孤兒藥」資格，完成臨牀一期試驗，並進入多國、多個試驗中心的第二期臨牀試驗。這顯示運用AI計算技術能大幅縮短傳統需要大量時間與經費的研發過程，讓臺灣在全球生技產業的競賽中擁有更多機會，並更快爲病患帶來治療的希望。