9月21日，生理學和醫學領域的頂級大獎拉斯克（The Lasker Awards）獎揭曉了！

拉斯克獎設有四個不同的獎項：基礎醫學研究獎、臨床醫學研究獎、公共服務獎以及醫學科學特別成就獎。

今年的拉斯克獎的基礎醫學研究獎授予了來自Google DeepMind的Demis Hassabis和John Jumper，他們發明的AlphaFold在蛋白質三維結構預測方面做出了革命性的貢獻。

拉斯克獎可謂是諾貝爾獎的「風向標」，自1945年獎項成立以來，有86位拉斯克獎獲得者同時也獲得了諾貝爾獎。

中國首位諾貝爾生理學或醫學獎得主屠呦呦也曾在獲諾獎的四年前獲拉斯克獎。

AlphaFold帶來的蛋白質生物學革命

基于人工智能系統的AlphaFold解決了生理物理學（biophysics）中長達六十年的重大挑戰：僅基于主要的氨基酸序列（1D）預測蛋白質結構（3D）。

Jumper和Hassabis領導的AlphaFold團隊融合了不同的背景和學科，2021年7月，AlphaFold向公眾開放后，眾多研究人員已經采用這個平臺來回答各種生物學問題。

從這以后，生物學研究的格局被徹底改變了。

AlphaFold預測的蛋白質結構圖

蛋白質的重要性是不言而喻的，它是細胞中的主要功能分子，幾乎涉及了每個生物學過程。

但在之前，即使是測定單一的蛋白質結構也非常困難。

幾十年來，科學家們一直嚴重依賴X射線晶體學來進行蛋白質鑒定研究，但研究人員可能要花費數年時間才能將蛋白質晶體化。

后來，低溫電子顯微鏡（cryo-EM）的發明讓人們對蛋白質難以捉摸的結構有了一些了解，但顯微鏡圖像的分辨率往往很低。

低溫電子顯微鏡經過多年的緩慢發展，到2019年，科學家利用低溫電子顯微鏡確定了蛋白質數據庫（PDB）中15萬個條目中近4000個蛋白質的結構。

而這只是預計的數千萬個蛋白質序列中的一小部分。

自動化蛋白質結構預測

面對巨大數量的蛋白質結構，單靠人力已難以為繼。

為了擴大預測的范圍、提高效率，研究人員轉向了人工智能。

1994年，馬里蘭大學的計算生物學家John Moult和Krzysztof Fidelis創辦了結構預測關鍵評估（CASP），這是一項兩年一度的測試，旨在讓參賽小組預測幾種已通過實驗驗證但尚未公開發布的蛋白質的三維結構。

最早用計算機預測蛋白質結構的方法之一是由華盛頓大學的生物化學家和計算生物學家David Baker開發的。

他使用PDB中的短片段來預測蛋白質結構，Baker和他的團隊利用名為Rosetta的模型進行了多次迭代，不斷提高程序在2000年代初CASP競賽中的表現。

但之后，CASP的進展卻停滯不前。

DeepMind是Hassabis在2010年合伙創立的一家人工智能公司，它成功設計出了能在國際象棋和更具挑戰性的圍棋中擊敗人類棋手的人工智能AlphaGo。

在Hassabis觀看AlphaGo的比賽時，他想起了Baker在2008年發布的在線游戲《FoldIt》，玩家可以在游戲中探索并創建精確的蛋白質結構模型。

2016年，AlphaGo取得成功后不久，DeepMind便瞄準了下一個挑戰：蛋白質折疊。

DeepMind團隊創建了一個蛋白質預測系統，將機器學習作為該系統的核心組成部分。

在2018年，AlphaFold1在CASP競賽中首次亮相，拿下了當年的冠軍。

AlphaFold1為43個建模領域中的24個創建了高精度結構，給人留下了深刻的印象，第二名僅創建了14個。

但AlphaFold1的潛力還遠沒有被開發。

于是不久之后，Jumper率領著一個由生物學家、化學家和生物物理學家組成的跨學科團隊重新設計了AlphaFold算法。

Hassabis、Jumper和AlphaFold團隊集思廣益，對算法進行了微調，以確保AlphaFold2能高效地學習。

在2020年舉行的下一屆CASP競賽中，AlphaFold2以驚人的精確度震驚了與會者：

AlphaFold2在所有目標的總分中位數達到92.4 GDT。

這種精確度可與實驗技術相媲美，平均誤差僅相當于一個原子的寬度。

隨后在2021年，DeepMind與歐洲分子生物學實驗室的歐洲生物信息學研究所合作，公布了AlphaFold的源代碼及其令人印象深刻的35萬個蛋白質數據庫。

現在，該數據庫中的蛋白質結構數量已增至2億多個。

Hassabis、Jumper和他們的團隊解決了一個困擾科學家半個世紀的難題。

AlphaFold這一人工智能工具，開創了研究蛋白質以了解生物功能和指導藥物開發的新時代。

人工智能技術的進步從根本上改變了科學家解決問題的方式。

拉斯克獎的其他獲獎者

今年的拉斯克獎設立了3個獎項：基礎醫學研究獎、臨床醫學研究獎，以及醫學科學特別成就獎

臨床醫學研究獎

授予來自麻省理工學院James G. Fujimoto和Eric A. Swanson，以俄勒岡健康與科學大學Casey眼科研究所及David Huang。

他們發明的光學相干層析成像（optical coherence tomography, OCT）技術能夠快速檢測并治療損害視力的視網膜疾病，徹底改變了眼科學。

甚至，在馬老板的Neuralink推出的腦機接口的植入機器人R1中，也采用了OCT技術。

OCT機器的起源始于詹姆斯·藤本博士(James Fujimoto)的實驗室，他受到高速攝影和激光技術進步的啟發，開始開發潛在的方法，使醫生能夠更好地了解人體內部發生的情況。

20世紀80年代末，藤本實驗室一位名叫David Huang的博士研究生開始研究這個問題。他成功地在一頭牛的眼組織中進行了一些測量，但這個過程的效率還不足以滿足醫生的需求。

因此，兩位科學家求助于埃里克·斯旺森，他當時正在開發激光通信和光纖網絡技術，看看這些技術能否應用到他們的成像想法中。

1991年，三人發表了第一篇論文，描述了他們發明的這項技術。

自第一篇論文發表以來，OCT已經成長為一個近20億美元的市場。醫生們現在經常使用這項技術來診斷青光眼、糖尿病相關的視力障礙甚至冠狀動脈疾病等疾病。

藤本說:「對公眾健康的影響可能非常大?！埂咐纾绻茏尣∪吮３忠暳Γ∪丝梢岳^續開車，這是生活方式的重大改變，也會對生活質量產生影響?！?/span>

醫學科學特別成就獎

授予來自阿姆斯特丹荷蘭癌癥研究所的Piet Borst，以表彰他50年來在多個領域卓越的科學發現、教育、領導事業。

在20世紀60年代，他和他的合作者發現了一些基因，這些基因對于理解寄生蟲如何在昏睡病等疾病中逃避免疫系統至關重要。

在20世紀80年代，Borst開始研究人們對某些化療產生耐藥性的遺傳原因，這些化療抑制了向患者輸送癌癥藥物的能力。他在這一領域的發現幫助研究人員弄清楚如何更有效地確保化療對某些癌癥有效。

這些研究反過來又使人們更好地理解了一種叫做彈性假黃花瘤(PXE)的遺傳疾病背后的生物化學原理，這項工作可能有助于開發這種疾病的潛在治療方法。

除了他的科學工作外，拉斯克獎還表彰了Borst在分子病理學研究所、瑞士實驗癌癥研究所和荷蘭癌癥研究所中數十年的領導工作。