2026年，用人工智能研究生物智能已成為生命科學(xué)領(lǐng)域的熱門(mén)方向。但在半個(gè)世紀(jì)前，當(dāng)計(jì)算機(jī)還是龐然大物、算力遠(yuǎn)不及如今一塊智能手表時(shí)，用計(jì)算機(jī)研究蛋白質(zhì)和DNA，還是一件極其前衛(wèi)的事。

而在那個(gè)年代，一位年輕的科學(xué)家做出了大膽的選擇。Michael Levitt是最早一批用計(jì)算機(jī)探索蛋白質(zhì)世界的拓荒者之一。2013年，Michael Levitt因“為復(fù)雜化學(xué)系統(tǒng)創(chuàng)造了多尺度模型”獲諾貝爾化學(xué)獎(jiǎng)。

2018年，這位諾獎(jiǎng)得主與計(jì)算生物學(xué)家馬劍鵬教授在復(fù)旦大學(xué)共同建立復(fù)雜體系多尺度研究院，并聯(lián)合創(chuàng)立奧泊生科OPUSBio，試圖在干濕結(jié)合的閉環(huán)中，還原生物智能的底層邏輯，挖掘人類(lèi)健康新的可能。

他們的共同目標(biāo)，是用AI計(jì)算的方式設(shè)計(jì)出改變生命的蛋白質(zhì)，讓更多人活得更長(zhǎng)壽、更健康。

從生物到AI，人類(lèi)如何理解自己？

在過(guò)去，人們對(duì)生命科學(xué)的探索常常受困于“數(shù)據(jù)孤島”?；蚪M學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)各自積累海量數(shù)據(jù)，卻難以形成統(tǒng)一圖景。我們?nèi)狈Φ牟皇菙?shù)據(jù)，而是理解數(shù)據(jù)的方式。

AI時(shí)代賦予我們的全新可能，是將生物學(xué)研究從“簡(jiǎn)化論”推向“系統(tǒng)論”——不再滿(mǎn)足于拆解生命的零件，而是試圖理解零件之間如何協(xié)同、如何演化、如何涌現(xiàn)出整體功能。

Q：您曾經(jīng)提出過(guò)關(guān)于“多種智能”的概念，能跟我們分享一下嗎？

Michael Levitt：我將人工智能（artificial intelligence）稱(chēng)為AI，生物智能（biological intelligence）稱(chēng)為BI，文化智能（cultural intelligence）稱(chēng)為CI，因?yàn)槿祟?lèi)的智慧不僅依賴(lài)于我們頭腦內(nèi)部的東西，也依賴(lài)于我們從文化、書(shū)籍、交談中獲得的一切。第四種我稱(chēng)之為“個(gè)人智能”（personal intelligence），因?yàn)槲覀兌际仟?dú)立的人。這四者確實(shí)協(xié)同工作。

Q：在這四種智能中，生物智能似乎最為古老，也最為神秘。它究竟特別在哪里？

Michael Levitt：生物學(xué)創(chuàng)造了手、蛋白質(zhì)、DNA、皮膚、大腦、眼睛……但它們都不是由外部機(jī)器制造的。一個(gè)嬰兒，始于兩個(gè)細(xì)胞結(jié)合，之后的一切都來(lái)自?xún)?nèi)部。而筆、鞋子之類(lèi)的物品，是由外部機(jī)器制造的。想象一下，你搖晃一些液體，一雙鞋就從那液體里出來(lái)了。這就是生物學(xué)正在做的事情。

自然界是自我組裝的，它來(lái)自?xún)?nèi)部，而計(jì)算機(jī)是由外部制造的。它們不是憑空長(zhǎng)出來(lái)的，所以我認(rèn)為生物智能的奇妙之處就在于此。

AI時(shí)代，從“工具的革命”到“革命的工具”

2024年諾貝爾化學(xué)獎(jiǎng)授予了AI蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)領(lǐng)域的研究，這被學(xué)界視為AI for Science深入人心的標(biāo)志性時(shí)刻。從2018年AlphaFold首次亮相，到如今AI能夠以前所未有的精度預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)，不過(guò)短短數(shù)年。

馬劍鵬教授用一句話(huà)形容這種轉(zhuǎn)變，這是從“工具的革命”，到“革命的工具”。當(dāng)AI本身足夠強(qiáng)大，它就不再只是輔助人類(lèi)計(jì)算的工具，而是能夠重塑整個(gè)研究范式的主導(dǎo)力量。

Q：在您的研究中，AI帶來(lái)了哪些過(guò)去難以想象的突破？

Michael Levitt：我真正感興趣的不僅僅是細(xì)胞和結(jié)構(gòu)生物學(xué)，還有無(wú)處不在的復(fù)雜系統(tǒng)?，F(xiàn)代人工智能，像大語(yǔ)言模型這類(lèi)東西，實(shí)際上只是在過(guò)去五年才出現(xiàn)的，它們對(duì)于處理復(fù)雜系統(tǒng)非常有效。

改變真正開(kāi)始于2022年11月底發(fā)布的ChatGPT 3.5。我開(kāi)始用它來(lái)做所有事情，它非常強(qiáng)大。

現(xiàn)在，我相信生物智能將極大地受益于人工智能。一個(gè)細(xì)胞里，有數(shù)百種蛋白質(zhì)相互作用。你可以問(wèn)人工智能“這里有一些詞，預(yù)測(cè)下一個(gè)詞是什么”，那么就可以用同樣的方式問(wèn)“這個(gè)循環(huán)中有這些蛋白質(zhì)，下一個(gè)蛋白質(zhì)是什么”。馬劍鵬：我們現(xiàn)在能做的事情和正在做的事情，10年前連想都不敢想。我們最近在抗體設(shè)計(jì)上基本做到了“指哪打哪”，速度非?？?。

我們?cè)?jīng)用Michael早年改造過(guò)的一種抗乳腺癌抗體Herceptin做過(guò)測(cè)試。這是歷史上第一個(gè)通過(guò)計(jì)算方法改造的抗體。當(dāng)時(shí)受限于技術(shù)條件，已經(jīng)是一個(gè)很了不起的結(jié)果。我們后來(lái)用AI算法重新設(shè)計(jì)這個(gè)抗體，改造后的性能有明顯提升。真正有用的，并不是AI單獨(dú)發(fā)揮作用，而是計(jì)算設(shè)計(jì)和實(shí)驗(yàn)驗(yàn)證之間形成了一個(gè)正向循環(huán)。閉環(huán)的價(jià)值就在這里，它讓設(shè)計(jì)、驗(yàn)證和改進(jìn)能夠持續(xù)發(fā)生。

現(xiàn)在的AI，讓“瞎子摸象”四個(gè)字變得無(wú)比有用。有了AI以后，首先還是要“摸象”，數(shù)據(jù)要足夠大，測(cè)量要足夠多次，但是可以不完備。然后把這個(gè)數(shù)據(jù)給AI，現(xiàn)在的AI真的能建起一個(gè)模型，拿著這個(gè)模型繼續(xù)測(cè)量，它的模型會(huì)越來(lái)越好。你可以拿這個(gè)很像、但又不完備的模型，直接去做藥物設(shè)計(jì)或藥物測(cè)試。

Q：那么，AI會(huì)成為真正的“AI科學(xué)家”嗎？

Michael Levitt：我不知道，我認(rèn)為坦承自己的未知至關(guān)重要，因?yàn)槲覀兇_實(shí)知之甚少。但我認(rèn)為，在未來(lái)的二三十年里，我們必須思考的重要問(wèn)題是：人工智能獨(dú)立運(yùn)作更好，還是人類(lèi)獨(dú)自決策更好，又或者是人類(lèi)與人工智能攜手共進(jìn)更好？我堅(jiān)信，人類(lèi)與人工智能的結(jié)合，必將勝過(guò)任何一方的單打獨(dú)斗。更進(jìn)一步說(shuō)，我認(rèn)為真正好的，是一群人能夠與一群人工智能協(xié)同合作。

在正確的位置，看見(jiàn)正確的細(xì)節(jié)

2018年10月16日，復(fù)旦大學(xué)復(fù)雜體系多尺度研究院正式揭牌成立。這個(gè)名字直接來(lái)源于Michael Levitt的諾貝爾獎(jiǎng)工作：“為復(fù)雜化學(xué)系統(tǒng)創(chuàng)造了多尺度模型”。

“多尺度”這一概念，正是理解生命復(fù)雜性的鑰匙。從原子到分子，從細(xì)胞到組織，從個(gè)體到生態(tài)系統(tǒng)——生命在不同尺度上展現(xiàn)出不同的規(guī)律。而研究者需要做的，是在正確的位置，選擇正確的細(xì)節(jié)層次。

Q：你們共同建立了復(fù)旦大學(xué)復(fù)雜體系多尺度研究院，這個(gè)名字背后的含義是什么？

Michael Levitt：“多尺度”實(shí)際上是一個(gè)我從未用過(guò)的術(shù)語(yǔ)，直到聽(tīng)聞諾貝爾獎(jiǎng)授予多尺度研究時(shí)，我才意識(shí)到這正是我們過(guò)去所做的貢獻(xiàn)。這個(gè)概念真正的意思是，每個(gè)問(wèn)題都有適當(dāng)?shù)募?xì)節(jié)層次。

正如愛(ài)因斯坦所言，一切事物都應(yīng)盡可能簡(jiǎn)化，但不能過(guò)度簡(jiǎn)化。我們追求簡(jiǎn)化的初衷，既是為了便于自身理解，也是為了能夠進(jìn)行計(jì)算。因此，我們始終致力于構(gòu)建足夠簡(jiǎn)潔的計(jì)算模型，但又不能簡(jiǎn)單到讓計(jì)算變得毫無(wú)意義。

多尺度意味著打破單一研究范式的局限。它融合了人工智能、數(shù)值計(jì)算、理論建模、經(jīng)典方法、（量子）方法等多元維度。其智慧之處在于知道如何結(jié)合，而人工智能非常擅長(zhǎng)決定如何結(jié)合。

展望未來(lái)，我認(rèn)為人工智能將貫通化學(xué)、物理學(xué)、生物學(xué)與數(shù)學(xué)等學(xué)科領(lǐng)域，這既是對(duì)問(wèn)題的回應(yīng)，也是必然的發(fā)展趨勢(shì)。

馬劍鵬：“多尺度”實(shí)際上主要包括空間尺度和時(shí)間尺度兩個(gè)方面。

在空間尺度上，生物分子的構(gòu)成可從單個(gè)原子或原子基團(tuán)逐步擴(kuò)展至完整分子結(jié)構(gòu)，進(jìn)而由分子集群形成亞細(xì)胞器，細(xì)胞群體組合為組織，最終經(jīng)由器官、個(gè)體生物，延伸至生物群體乃至全球生態(tài)系統(tǒng)。時(shí)間尺度也一樣，從飛秒級(jí)的電子躍遷，延展至個(gè)體數(shù)十年的生命周期，乃至宏闊的生命演化長(zhǎng)河。

任一尺度的失衡都可能導(dǎo)致病理狀態(tài)。研究對(duì)象是多尺度，那么研究手段也要多尺度。這就是我們研究院名字的由來(lái)。

Q：這種多尺度的思維，如何改變了蛋白質(zhì)研究？

馬劍鵬：我們最近有一篇論文正在審稿，系統(tǒng)地分析了AlphaFold預(yù)測(cè)的準(zhǔn)確性。AlphaFold很牛，獲得了諾貝爾獎(jiǎng)，但如果真的分析每一個(gè)原子、化學(xué)鍵，其實(shí)誤差還很大。

蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)不是藝術(shù)創(chuàng)作，在有些場(chǎng)景下，一個(gè)原子都不能偏，偏一點(diǎn)藥物分子就“飛走”了。這種應(yīng)用場(chǎng)景，AlphaFold顯然不夠。但如果配上濕實(shí)驗(yàn)，AI可以把搜索空間從成千上萬(wàn)縮小到100個(gè)，做100次實(shí)驗(yàn)，有10%的成功率，就已經(jīng)很了不起了。正是基于這種認(rèn)識(shí)，研究院團(tuán)隊(duì)自主研發(fā)了OPUS系列算法。

從科學(xué)家到創(chuàng)業(yè)者，干濕結(jié)合推動(dòng)成果轉(zhuǎn)化

如果說(shuō)研究院是基礎(chǔ)研究的引擎，那么公司就是成果轉(zhuǎn)化的加速器。Michael Levitt和馬劍鵬深知這種生態(tài)的力量?！拔覀?cè)趶?fù)旦的互動(dòng)非常富有成效，我希望這里也能生長(zhǎng)出像硅谷那樣的生態(tài)?！?/p>

研究院成立七年，積累了具有國(guó)際競(jìng)爭(zhēng)力的科研成果；AI技術(shù)全面爆發(fā)，為成果轉(zhuǎn)化提供了技術(shù)基礎(chǔ)。于是，OpusBio應(yīng)運(yùn)而生。

Q：為什么要成立奧泊生科OpusBio？從科學(xué)家到創(chuàng)業(yè)者，這個(gè)轉(zhuǎn)變意味著什么？

馬劍鵬：我跟Michael Levitt教授一起創(chuàng)立的這家公司，初衷是探索蛋白質(zhì)設(shè)計(jì)，其應(yīng)用主要體現(xiàn)在，一是蛋白質(zhì)的藥物研發(fā)，二是工業(yè)酶的改造優(yōu)化，可廣泛應(yīng)用在各種的領(lǐng)域。

我們公司最大的優(yōu)勢(shì)是干濕結(jié)合，在人工智能算法方面，我們已具備與國(guó)際頂尖水平相當(dāng)甚至有所超越的能力。

科學(xué)家創(chuàng)業(yè)的特有挑戰(zhàn)之一，就是容易把企業(yè)運(yùn)營(yíng)當(dāng)成科研來(lái)做。做科研的時(shí)候，往往傾向于攻克最難的問(wèn)題，但商業(yè)轉(zhuǎn)化的邏輯截然不同——你可以花費(fèi)25年時(shí)間打磨一項(xiàng)諾獎(jiǎng)級(jí)成果，但臨床病患等待不起。所以要去找應(yīng)用科學(xué)和基礎(chǔ)科學(xué)的區(qū)別。

Q：您提到干濕結(jié)合，這種研究方式相較于單純依賴(lài)計(jì)算或?qū)嶒?yàn)，優(yōu)勢(shì)體現(xiàn)在哪里？

馬劍鵬：傳統(tǒng)生物學(xué)研究一直以濕實(shí)驗(yàn)為中心。做一款藥，常常需要數(shù)十年花費(fèi)數(shù)十億美元，速度非常慢。計(jì)算方法興起確實(shí)提高了效率，但也帶來(lái)新的問(wèn)題。計(jì)算結(jié)果到底靠不靠譜，很難判斷。藥物研發(fā)關(guān)系到人的生命，不可能只憑算法來(lái)決定對(duì)錯(cuò)。

干濕結(jié)合并不是選邊站，而是把兩種方法放在同一個(gè)流程里，各自做最擅長(zhǎng)的事?；具壿嬙谟?，計(jì)算設(shè)計(jì)在前，實(shí)驗(yàn)驗(yàn)證在后，再根據(jù)實(shí)驗(yàn)結(jié)果持續(xù)優(yōu)化算法，進(jìn)而啟動(dòng)新一輪設(shè)計(jì)循環(huán)。具體而言，AI先生成候選分子，實(shí)驗(yàn)隨即進(jìn)行驗(yàn)證，驗(yàn)證結(jié)果再反饋至模型參數(shù)的修正之中。

當(dāng)百歲老人滿(mǎn)街，當(dāng)疾病不再是威脅

從斯坦福到復(fù)旦，從諾獎(jiǎng)殿堂到創(chuàng)業(yè)公司，這場(chǎng)關(guān)于生命、智能與未來(lái)的探索，仍在繼續(xù)。技術(shù)的最終目的，是惠及每一個(gè)人。未來(lái)我們或許會(huì)回望這個(gè)時(shí)刻，兩位科學(xué)家和他們的團(tuán)隊(duì)，用AI解碼生命的語(yǔ)言，還原生物智能的奇跡。

Q：這項(xiàng)事業(yè)的終極理想是什么？

Michael Levitt：我認(rèn)為，最關(guān)乎全人類(lèi)福祉的議題當(dāng)屬人類(lèi)健康。其復(fù)雜性在于，它既關(guān)乎糧食與農(nóng)業(yè)，又與氣候變遷緊密相連，還涉及生物學(xué)、蛋白質(zhì)、藥物等諸多領(lǐng)域。這本質(zhì)上是一個(gè)“多尺度”問(wèn)題，意味著可以在不同層面尋求解決方案。我們的目標(biāo)，是讓更多人享有健康長(zhǎng)壽的人生，而我相信我們能做到。

Q：如果把時(shí)間拉到未來(lái)5到10年，您最看好的變化會(huì)出現(xiàn)在哪些地方？

馬劍鵬：首先，面向老齡化的護(hù)理與康復(fù)場(chǎng)景，會(huì)更快看到技術(shù)落地，尤其是護(hù)理機(jī)器人這類(lèi)方向。它們解決的并不是醫(yī)學(xué)上的終極難題，而是非常現(xiàn)實(shí)的需求，如日常照護(hù)、康復(fù)支持以及降低因跌倒等意外帶來(lái)的后續(xù)健康風(fēng)險(xiǎn)等。

第二，在壽命問(wèn)題上，我更傾向于將其理解為一種具有生物學(xué)邊界的有限性問(wèn)題，而非無(wú)限延長(zhǎng)的過(guò)程。人類(lèi)壽命在生物學(xué)上存在上限，這一點(diǎn)可以從不同物種的生命周期規(guī)律中得到啟發(fā)。科研的意義不在于追求永生，而是在既定生命尺度內(nèi)，讓更多人活得更健康、更有質(zhì)量。

第三，在重大疾病領(lǐng)域，我認(rèn)為會(huì)看到明顯進(jìn)展。這未必意味著徹底攻克，但將會(huì)涌現(xiàn)出更多有效的治療方案，且治療的個(gè)性化特征將愈發(fā)顯著。Michael Levitt：人們會(huì)說(shuō)公共衛(wèi)生遠(yuǎn)沒(méi)有宇宙學(xué)那樣引人入勝，但對(duì)我來(lái)說(shuō)，它很有趣。通過(guò)馬教授，我得以見(jiàn)證前沿進(jìn)展并真正參與其中，這是一個(gè)極好的組合。

七年時(shí)間，一個(gè)從基礎(chǔ)研究到成果轉(zhuǎn)化的閉環(huán)正在形成?？茖W(xué)家們?cè)噲D回答一個(gè)根本問(wèn)題：我們能否真正理解生命，并在此基礎(chǔ)上干預(yù)生命？

答案或許就藏在“多尺度”三個(gè)字里。在A(yíng)I的輔助下，看見(jiàn)那些過(guò)去無(wú)法看見(jiàn)的規(guī)律；在干濕結(jié)合的閉環(huán)中，將理論發(fā)現(xiàn)轉(zhuǎn)化為臨床應(yīng)用。這不是一個(gè)人的事業(yè)，而是一群人的接力。