早在年11月，DeepMind的AlphaFold就成功地预测出蛋白质的三维结构，迈出了解决生物领域重大基础问题的第一步。如今，距离这一成就仅仅过去不到两年，华盛顿大学DavidBaker教授团队在《细胞》杂志上发表论文，利用AI精准地从头设计出了能够穿过细胞膜的大环多肽分子，开辟了设计全新口服药物的新途径。
AlphaFold预测的蛋白质结构（蓝色）与实际结构（绿色）对比（图片来源：AlphaFold）
目前，不但几乎所有蛋白质的结构都可以通过AI智能平台来进行预测，根据所需结构让AI推算分子序列的逆向过程也获得了实质性进展。不知不觉间，传统的药物开发方式将可能因此而被颠覆，利用AI直接计算出药物分子结构将不是遥远的梦想。
在这篇文章中，我们来看看AI制药是如何实现的！
从蛋白质结构到开发药物，要走多远的路？
绝大多数疾病的病因都与蛋白质的功能异常密切相关。例如肿瘤发生的原因，往往可以归结到蛋白质的异常合成。具体来说，体内负责调控蛋白质合成的机制失效（往往由基因突变造成），导致蛋白质合成发生“暴走”，产生出一系列无用乃至有害的蛋白质，最终形成肿瘤。
而阿尔茨海默症、帕金森综合征、亨廷顿综合征等神经系统病变则与蛋白质的结构异常有关。这些疾病会导致人体内合成的某些蛋白质出现错误的折叠，令它们失去本该拥有的功能。此外，很多过敏原都是蛋白质，比如螨虫和花生等等。
蛋白质的四级结构（左）及蛋白质数据库中多样化的蛋白质（右），（图片来源：维基百科）
既然如此多的疾病都因蛋白质而起，那么只要我们能够阻止蛋白质发生变性或者异常合成，不就可以解决问题了吗？这个思路当然没错，但是蛋白质异常往往来自基因突变等更加深层的原因，从根源解决问题并不简单。不过，假如可以利用药物持续地中和出现问题的蛋白质，就可以通过坚持服药的方法，让很多目前的不治之症变成像高血压或者糖尿病一样可控的慢性疾病。
事实上，这样的思路已经诞生了若干成功案例。例如，丙肝是一种由病毒引起的传染性肝炎，根据世界卫生组织的说法，年，全球共有29万人死于丙肝，其中大部分是肝癌和肝硬化所导致。
但近年来，最新开发的抗病毒药物可使接近%的丙肝感染者得到治愈，从而降低肝癌和肝硬化的死亡危险。这类药物直接作用于丙肝病毒的三个靶点，这三个靶点本质上均为蛋白质，它们是病毒生存不可或缺的关键。丙肝药物进入病毒体内后，和相应的靶点蛋白质结合，让它们失去原本具有的功能，从而达到杀灭并彻底从体内肃清丙肝病毒的效果。
看完了上面的案例，相信大家对于作用于蛋白质的药物开发已经有了一定的感性认识。原则上来说，只要能够找到一些物质去修正致病因子中蛋白质的功能，就有希望缓解乃至彻底治愈相应疾病。不过，问题在于这类物质需要至少满足有效性和精准性两个基本要求。有效性是指其和相应蛋白质的结合应该是高效的，否则即便摄入量非常大，也可能起不到治疗效果。而精准性则是指这类物质应该能够与相应蛋白质实现“特异的”结合，如果它们和无关蛋白质同样发生反应，则反而可能导致严重副作用的发生。
想要确保高效而精准的结合，首先要弄清蛋白质的结构。这就好比只有了解了锁的构造，才能制造出相应的钥匙，进而实现开锁过程的高效性和精确性。之前，我们已经在蛋白质结构解析方面取得了突破性进展，可以在较短时间内有效地破解各种“锁”的结构。目前，我们也把一部分
