AlphaFold 3，再掀醫學革命

曾文仁

AI的應用非常多元，不但能支持文案、圖片生成，其強大的運算、預測能力亦有望揭示蛋白質和其他生命分子如DNA、核酸之間互相依賴的關系。算力強大的AI模型，為生物醫學帶來突破，并為人類的生命和健康作出貢獻。

近日，谷歌母公司Alphabet旗下的AI研究公司DeepMind與Isomorphic Labs，發表可預測所有生命分子的結構與相互作用的AlphaFold 3模型。AlphaFold 3模型在預測蛋白質和其他分子的相互作用中，準確率能較現有的AlphaFold 2模型提高50%。

要知道，AlphaFold 2聚焦蛋白質結構預測，全球至今已有數百萬名學者利用它來發現瘧疾疫苗或癌癥治療方式，在多個學術期刊上被引用超過兩萬次。

這次發布的新模型AlphaFold 3，將預測能力由蛋白質擴大至廣泛的生物分子，成果已登上國際知名的《自然》科學期刊。

DeepMind強調，AlphaFold 3能更準確預測所有生命分子的結構及相互作用，例如預測普通感冒病毒中的刺突蛋白與抗體及單糖相互作用的結構，提高對免疫系統過程的了解—該過程可讓科學家加深對冠狀病毒的了解，有助于防治與新冠相近的疫病。

DeepMind更推出免費工具AlphaFold Server平臺，讓研究人員在進行實際測試前，先憑借模型用以測試其假設。這有助及早修正其實驗方向，減低動物乃至臨床試驗失敗的概率和成本，讓研究人員能更快速驗證其醫藥創新發明，加快生物醫學的研究進程。

一般讀者與其深究涉及大量專業術語的前沿生物醫學議題，倒不如關注AlphaFold類似AI模型，在便利科研人員實驗方面的作用。這更有助我們全面準確理解科技進步的要訣。

生物醫學AI降低試驗成本

長久以來，生物醫學被認為是尖端且困難重重的領域，原因之一在于我們對人體以及細胞的了解有限，需要進行更多基礎研究。

然而，科學研究涉及經費考量，不太能容許所有研究人員不計成本地進行試驗。運營實驗室、研究人員高昂的薪水、尋找實驗動物以至招募臨床志愿者，都是極度燒錢的事物。

若投資方或管理層長期看不到研究成果甚至經濟利益，研究人員將面臨經費中斷的困境。這無形中為研究人員帶來壓力，不能無止境地試錯。若某項實驗能進入臨床試驗階段，研究人員更需顧及倫理的問題，不能理所當然地拿活生生的人命來實驗。

現時，地球已知的蛋白已超過2億個，數字每年還在增加。每種蛋白的三維結構都不同，各分子構成獨特。人類科學家不可能全部熟悉，在有限的科研生涯更不可能了解上億個蛋白的相互作用。如何決定哪些假設能夠成為實驗方案，依靠的是科學家的估計，但這樣的成功率，與賭徒和莊家對賭相差無幾。

然而，AlphaFold 3卻能夠發揮AI的運算和機器學習潛力，分析和預測眾多蛋白和其他分子彼此間的變化。這種算力讓研究人員能在極短時間內，計算多種試驗藥物對各類細胞的影響，促進醫藥研究的發展。

該過程可讓科學家加深對冠狀病毒的了解，有助于防治與新冠相近的疫病。

研究人員先在模型中運算和論證其假設，不但可以降低成本和減少失誤，更能全面了解藥物對各類蛋白所產生的影響，及早檢測可能產生的或意料之外的后果。這種研究涉及非常多種的可能性和概率，各類相互作用都是極為復雜的運算，自然不能依賴人手實驗或電腦運算，而需要AI輔助研究。

AlphaFold 3生成的蛋白質模型

新冠疫苗的幕后功臣

盡管一般生物醫學研究的議題非常專業，與公眾的生活很遙遠，但有一項科研我們一定記憶猶新，那就是新冠疫苗的研發。

2020年暴發的新冠疫情，和2003年的非典型病毒（SARS）都屬于冠狀病毒，但科學家在SARS結束十多年以來，對這病毒的認識未有突破性進展。在新冠疫情的初期，全球專家幾近束手無策。新冠疫苗的研發面臨巨大的社會期待和時間壓力，但其研發速度卻突破過往的想象，背后反映人類在生物醫學研究的進步。

與2003年通過隔離措施消滅SARS疫情不同，新冠很大程度是通過疫苗的研發來結束的，而疫苗的研發與藥物和蛋白的反應有莫大的關系。

在全球面對疫情威脅時，多國生物醫藥公司如輝瑞、莫德納、阿斯利康（AZ）、強生（J&J）、科興、國藥也能在極短時間內，完成疫苗所需的三期試驗，成功研發能抵御新冠原始病毒株、變種病毒德爾塔和奧密克戎的疫苗加強劑。

多種疫苗更在極短時間內取得多國監管機構的緊急使用授權（EUA），將全新的疫苗打進全球數十億人的體內。與1918年的西班牙流感相比，憑借疫苗，人類面對傳染病的抵抗力，已有顯著進步。

其中一項著名的創新，在于輝瑞、莫德納等疫苗采用的mRNA（信使核糖核酸）技術。疫苗的mRNA能教導細胞如何復制刺突蛋白，人體日后若接觸到真正的病毒，身體能識別并懂得如何抵抗。

mRNA技術在新冠疫情前，一直被視為異想天開、只是理論上的技術，與主流疫苗格格不入。新冠疫情的壓力下，一向被視作紙上談兵的mRNA技術被付諸實踐，一躍成為最能抵御新冠變種病毒的技術，在多個研究中展現對冠狀病毒更強的防御力。

能否將致命病毒打進健康人身體，是另一個甚具爭議的實驗倫理議題。

從mRNA技術，我們可以一窺對蛋白質研究的潛力—若能通過AI加深對蛋白質與DNA等分子的認識，產生的技術突破可能遠超我們今日能想象的。畢竟在2020年3月世界衛生組織發布全球疫情大流行警報那一刻，沒有人能預測到，mRNA會是拯救人類的關鍵技術。

大眾看到的，是成功研制出的疫苗。我們可以想象，有大量失敗的疫苗方案，在電腦模擬運算階段已被淘汰掉，因此才可能讓多個成功概率較高的方案進入臨床試驗。

成就新冠疫苗百花齊放的幕后功臣，正是與AlphaFold 3相似的生物醫學用AI模型。在未來若不幸遇上如同新冠的疫情時，更為先進的AI模型可讓研究人員將成功機會較高的方案付諸實驗，最起碼能在研發道路上少走冤枉路。

AI，不止是ChatGPT

同樣重要的是，AI實驗能大幅降低科學倫理帶來的困難。

在AI的運算下，研究人員只是輸入參數讓AI以運算結果，不是拿真實的生命來做不知后果的實驗。研究人員更能提出各種偏離社會主流想法的大膽假設，并在AI模型論證后，才進行動物及臨床試驗。

這能避免過分輕視激進實驗對生命的戮害，也可讓更多不為大眾接受的假設得以進入實驗階段。

要說明生物醫學實驗與社會倫理的潛在矛盾，我們不妨回看18世紀末的初代牛痘天花疫苗的研發過程。1796年，英國醫生愛德華·詹納發現人體感染相對溫和的牛痘病毒，可對致命的天花病毒產生免疫力。

英國醫生愛德華·詹納

當時英國鄉間流行一個民間傳說，認為一個人只要曾經染上牛痘，便不會再染上天花。詹納發現擠牛奶的女工多數都曾染牛痘，很少患上天花，繼而察覺到，牛痘與天花有關。詹納因此進行了牛痘實驗，為一名8歲男孩接種牛痘，驗證染上牛痘能否預防天花。

這牛痘實驗是拿人體作實驗，屬于倫理要求更高的臨床試驗。實驗是將動物的病毒打進人體，實驗對象更是尚未成年的男童，可非議之處不少。

若以今天的實驗倫理標準而言，這簡直是草菅人命的變態實驗。若詹納醫生穿越至今天做相同的實驗，恐怕等待他的是把牢底坐穿的刑期。

不過，我們從歷史書里知道，該名男孩染上牛痘后在6星期內康復。詹納再替男孩接種天花病毒，發現男孩完全沒有受感染，從而證明了牛痘能令人對天花產生免疫—可是，能否將致命病毒打進健康人身體，是另一個甚具爭議的實驗倫理議題。

這樣的實驗成功是典型的“幸存者偏差”。更多不為人知的，恐怕是實驗失敗且被視為殘害人命的科學怪人。

若穿越到今天的詹納能使用AI模型，先論證牛痘與天花在數據上的關聯，更有可能找到愿意投入臨床志愿者，不至于把不懂事的小孩作實驗對象。這就是AI模型在解決倫理難題、為推動科研進步所能給予的重大貢獻。

現時社會上對AI的討論，大多聚焦在特定技術的實際應用如何能改善日常生活上，例如ChatGPT能完成什么工作、能節省多少人手工作量等。對較不清楚實際效用和理論研究的范疇，卻經常興趣缺缺。這都不是科普或大眾科學，甚至作為公民常識層次STEM教育應發展的路徑。

或許，我們應該在求知的道路中，同時兼顧基礎研究與技術應用。AlphaFold模型的持續更新，反映AI能在推進基礎研究及研究方法上有所突破。AI能幫助研究人員以更便宜、簡單的科研方式，和更大膽的假設、更小心的求證，為研究開啟更多可能性。在對科研的貢獻上，AI模型所推進的，不比AI在商業案例上的應用低。

責任編輯吳陽煜 wyy@nfcmag.com