就在剛剛，瑞典皇家科學院已決定將 2024 年諾貝爾化學獎授予大衛·貝克（David Baker），“以表彰在計算蛋白質設計方面的貢獻”；另一半則是共同授予德米斯·哈薩比斯（Demis Hassabis）和約翰·M·詹珀（John M. Jumper），“以表彰他們在蛋白質結構預測方面的成就”。
David Baker 出生于1962 年 10 月 6 日，美國生物化學家、計算生物學家。被譽為蛋白質設計領域的“開創者”，在DeepMind之前就提出了預測和設計蛋白質三維結構的方法。他開創的設計蛋白質和預測其三維結構方法，通過準確預測蛋白質的空間結構，幫助科學家理解其功能，并設計出更有效的藥物分子或改造酶以提高其催化效率，在藥物設計、酶工程等領域具有重要應用價值。除此之外，他還聯合創辦了十幾家生物技術公司，并入選《時代》雜志 2024 年首屆健康領域 100 名最具影響力人物名單。
與其一同獲獎的 Demis Hassabis 和 John Jumper 都是 Google 的員工。其中 Demis Hassabis 是 DeepMind 的聯合創始人和首席執行官，1976 年 7 月 27 日出生于英國，計算機科學家、人工智能研究員。Hassabis曾是一名視頻游戲人工智能程序員和設計師，以及一名棋盤游戲專家。他是英國皇家學會會員，并因其在AlphaFold方面的工作而獲得了許多著名獎項，包括突破獎、加拿大蓋爾德納國際獎和拉斯克獎。 2017年，他被任命為CBE ，并入選《時代》100位最具影響力人物名單。
而 John Jumper 則是 Google 的高級研究科學家，主要參與蛋白質結構預測的研究工作。在加入 DeepMind 之前，Jumper 曾在 D.E. Shaw Research 從事蛋白質動態和超冷液體的分子動力學模擬工作。來到 DeepMind 之后，他領導開發了 AlphaFold，這個系統在 2020 年被認可為解決了長達 50 年的科學難題，并且已被用于預測超過 2 億種蛋白質的結構。他們還建立了 AlphaFold 蛋白質結構數據庫，使全球研究人員能夠免費訪問這些預測結果。
而讓 AI 大佬們獲獎的蛋白質預測項目 AlphaFold，在相關論文中對它的解釋是：“一個創新的計算方法”，其實就是結合了生物和物理知識，通過分析氨基酸序列與其三維結構之間的關系，使用神經網絡進行預測。蛋白質結構對理解其功能至關重要，然而目前已知的蛋白質結構僅占已知蛋白質序列的極小一部分。傳統的實驗方法耗時且效率低下，因此需要準確的計算方法來填補這一空白。
AlphaFold是第一個能夠在大多數情況下以接近實驗精度預測蛋白質結構的計算方法。這個模型在第14屆蛋白質結構預測關鍵評估（CASP14）中表現出色，其骨架準確度達到0.96 Å，顯著優于其他方法。最終 AlphaFold 在 CASP14 中的表現證明了其高準確性，并且其預測結果在多個新提交的PDB結構中得到了驗證。
順帶一提，Baker 的 RFDiffusion 才出來一年，這次的發獎時間比ICML時間檢驗獎要快太多了，這是發的最快的諾獎了吧…
有位網友則表示理解，認為頒布化學獎可比物理獎合適多了，用人工智能來研究蛋白質聽上去確實靠譜得多。
