诺贝尔奖获得者教复旦本科生

近日，诺贝尔化学奖获得者、复旦大学复杂系统与多尺度研究所名誉院长迈克尔莱维特走进复旦大学光华楼，给本科生上了两节课。这门选修课叫“定量生物物理学前沿导论”，由莱维特、马等5位教授讲授。定量生物物理学，也叫计算生物学，是一门交叉性很强的学科，生物学、物理学、化学、数学、药学和计算机科学专业的年轻人都可以学习。

记者发现，选修这门课的本科生来自很多理工科专业，很多研究生也来上课。“‘alpha fold’对蛋白质结构的精确预测将计算生物学从一门辅助学科升级为一门主导学科，其科学和应用价值非常大。”莱维特的话在复旦学生的脑海中播下了前沿基础研究的种子。

蛋白质结构预测的突破。

莱维特是世界顶尖科学家协会的副主席。2013年，他因“为复杂化学系统创建多尺度模型”而与另外两位计算生物学先驱分享了诺贝尔化学奖。当年的获奖标志着计算机软件生物化学的研究方向得到了科学界的高度认可。2020年，“Alpha Fold 2”诞生，标志着计算生物学在蛋白质结构预测、药物研发等领域具有实用价值。

这位诺贝尔奖获得者告诉学生，蛋白质是由氨基酸折叠而成的，氨基酸长链如何自发折叠成蛋白质的三维结构，是分子生物学的“皇冠上的明珠”。对于科学家来说，确定氨基酸序列相对容易，但分析蛋白质结构却非常困难，因为蛋白质结构依赖于成千上万个氨基酸原子之间的相互作用。我们能开发具有强大算法的计算机软件来精确预测蛋白质结构吗？莱维特研究这个问题已经有55年了。

随着深度学习等人工智能技术的成熟，蛋白质的结构预测迎来了突破。去年11月，谷歌子公司DeepMind开发的“Alpha Folding 2”在国际蛋白质结构预测大赛中夺冠，其预测精度非常接近实验测量水平。这一事件在科学界引起轰动，超越了阿尔法戈击败柯洁和李世石，被美国杂志《科学》评为“2020年十大科学突破”之一。

与大学生共享科研命运。

如何建立庞大的计算生物学团队？人才培养是第一要务。复旦大学复杂系统与多尺度研究研究院院长马表示，为了培养青年人才，本学期研究院率先开设了“定量生物物理前沿导论”课程。除了莱维特和他，数学科学学院、化学系、生物医学学院、生命科学学院的三位教授也将授课，让本科生感受前沿交叉学科的魅力。

作为最大的教授，莱维特的讲课往往是宏观的、深思熟虑的。除了计算生物学和蛋白质折叠史，他还分享了自己获得诺贝尔奖的成功经验和培养诺贝尔奖级人才的环境条件。在回答学生“如何找到自己的科研兴趣”的问题时，他说了一句话——秒遗憾。他用自己的人生经历，解释了什么是科研道路上的“命运”。

20世纪60年代，看了诺贝尔奖获得者约翰肯德鲁赠送的电视节目《生命之线：分子生物学导论》后，莱维特写信给在剑桥大学工作的陈德鲁，希望成为他的博士生。然而，Chendru回答说博士生人数已满。莱维特的一个朋友告诉他：“在生意场上，当有人对你说‘不’的时候，你必须给他另一个选择来说‘是’。”于是，他又给Chendru写了一封信：“如果你明年不能成为你的博士生，你以后还能做吗？”看到这个年轻人如此执着，陈德鲁邀请他去剑桥面试，并推荐他去魏茨曼科学研究所学习计算生物学。在研究所，莱维特遇到了46年后与他分享诺贝尔奖的阿里赫瓦尔谢尔。“那是意外之喜。你必须对自己的职业充满热情，坚持不懈，善于创新，做一个善良的人。”

如何加快计算生物学的发展？

据了解，莱维特今年3月来到上海后的主要工作是指导复旦团队学习计算生物学。目前，复旦大学多尺度复杂系统研究所开发的“OPUS-Fold”软件在蛋白质侧链结构预测精度上已经超越“Alpha Fold 2”，相关论文将在英国《生物信息学简报》发表。马介绍，靶向蛋白质的药物分子大多与侧链相互作用，只有获得高精度的侧链结构才能设计药物分子，因此这一突破对新药研发具有重要意义。

但从整个系统来看，《阿尔法折叠2》仍处于世界领先地位。Deep Thinking CEO戴密斯哈萨比斯近日宣布，公司与欧洲生物信息学研究所合作建立蛋白质结构数据库，为超过35万个蛋白质结构提供数据访问权限。深度思考计划将数据库扩展到1亿多种蛋白质结构，几乎涵盖了人类已知的所有蛋白质。

“Alpha Folding 2”将计算生物学推向了快车道，很多科研团队都在开发这类软件。今年7月，华盛顿大学团队在《科学》杂志上发表论文，介绍了开源软件RoseTTAFold，它不仅可以预测蛋白质的结构，还可以预测各种蛋白质的结合形式。8月，斯坦福大学团队发表了《科学》封面论文，介绍了人工智能算法在预测RNA三维结构方面的突破性进展。

许多科学家认为，对蛋白质结构的准确预测是一场科技革命，将导致生物医药、新材料等行业的变革。上海交通大学Med-X研究院副院长尹伟海表示：“从预测蛋白质结构、寻找药物靶点到药物分子设计，再到临床试验设计，人工智能正在全面进入医药行业，并发挥关键作用。”科学家还可以利用人工智能软件开发新材料，比如设计自然界中不存在的蛋白质材料，这些材料可以用于化工、能源和环保等行业。