計算生物學(xué)從邊緣到龍頭

陳冰

邁克爾·萊維特作為浦江科學(xué)大師講壇的首位演講嘉賓，金句迭出。

“地球上最具智慧的是什么？是電腦嗎？是某個人嗎？是諾貝爾獎得主嗎？”

“如果沒有失敗，恰恰可能意味著你的研究并沒有太大難度?！?/p>

“生物進化中不是最適者生存，而是最具多樣性者生存，多樣性使人們變得聰明?！?/p>

“基礎(chǔ)科學(xué)研究就像買‘彩票’，你無法預(yù)測結(jié)果，但你可以多買幾張‘彩票’，這更有助于獲得一流的發(fā)現(xiàn)?！?/p>

11月15日，2013年諾貝爾化學(xué)獎得主、復(fù)旦大學(xué)復(fù)雜體系多尺度研究院榮譽院長邁克爾·萊維特（Michael Levitt），作為浦江科學(xué)大師講壇的首位演講嘉賓，金句迭出。

他用幽默風(fēng)趣的語言講述了計算生物學(xué)如何從一個現(xiàn)代生命科學(xué)中的“邊緣”學(xué)科一躍成為引領(lǐng)性的龍頭學(xué)科的過程，討論了“無用”的基礎(chǔ)科學(xué)和“有用”的應(yīng)用科學(xué)之間的深層依存關(guān)系，啟發(fā)人們重新思考和認識這二者的有機結(jié)合方式，在從事科學(xué)研究時該如何選擇深入鉆研的方向。

地球上什么最聰明？

從數(shù)學(xué)、計算機科學(xué)，到物理、化學(xué)，再到生物、醫(yī)學(xué)，世界頂尖科學(xué)家邁克爾·萊維特的研究涉及多個學(xué)科領(lǐng)域。他首創(chuàng)了蛋白質(zhì)和DNA的分子動力學(xué)模擬方法，并一直致力于蛋白質(zhì)結(jié)構(gòu)預(yù)測技術(shù)的關(guān)鍵評估，研究蛋白質(zhì)結(jié)構(gòu)的折疊和包裝，開發(fā)用于大規(guī)模序列結(jié)構(gòu)比較的評分系統(tǒng)。

“地球上最具智慧的是什么？是計算機嗎？是人嗎？是聰明的人嗎，還是諾貝爾獎獲得者？其實都不是，最聰明的其實是生物。因為生物（biology）創(chuàng)造了我們?nèi)祟?，生物界可以折疊蛋白質(zhì)，生物界可以做任何事。”在他看來，沒有哪位化學(xué)家能制作出令人難以置信的接近生物的化學(xué)分子，也沒有任何一個材料科學(xué)家能制作出皮膚或者大腦。生物學(xué)與人類智能及人工智能關(guān)系緊密。

我們的生命離不開蛋白質(zhì)。蛋白質(zhì)是一切生命活動的基礎(chǔ)物質(zhì)，它是運輸氧氣的載體，是幫助抵御病毒的抗體，也是消化食物的酶。蛋白質(zhì)之所以能夠承擔(dān)多種多樣的功能，很大程度上是因為它們具有豐富而復(fù)雜的空間結(jié)構(gòu)?？墒牵鞍踪|(zhì)如何折疊成這些獨特的形狀呢？

幾十年來，科學(xué)家們一直在努力解決生物學(xué)最大的挑戰(zhàn)之一——預(yù)測由氨基酸組合折疊而成的蛋白質(zhì)的三維結(jié)構(gòu)。萊維特說，蛋白質(zhì)折疊分子其中每個原子都有精確的定位，可能直徑連一納米的1/10都不到。蛋白質(zhì)的折疊可以說是生命得以產(chǎn)生、得以延續(xù)一個非常重要的奧秘。

每一個生命體的功能或組織中，都是由各種類型的蛋白質(zhì)進行折疊以后的結(jié)果。蛋白質(zhì)進行折疊以后，自動形成了各種各樣的形狀，就像搭房子一樣，可以把所有的形狀放在一起，自動就形成了一套房子的樣子?！叭缤磮D一樣拼接起來，就形成了生命體的千姿百態(tài)、多種多樣。所以，自然是非常聰明的一個‘建筑師’，我們可以從自然學(xué)到很多的經(jīng)驗。人工智能發(fā)展的背后就有生物學(xué)。1943年一位神經(jīng)生物學(xué)家的模型推動了人工智能的發(fā)展。感知器，就是一個單層的人神經(jīng)網(wǎng)絡(luò)，機器學(xué)習(xí)中用的神經(jīng)網(wǎng)絡(luò)其實就是在模仿生物的學(xué)習(xí)過程。這樣一種結(jié)構(gòu)，對學(xué)習(xí)而言是效率比較高的?！?/p>

以“根植上海、聚焦前沿，傳播科學(xué)思想，助力具有全球影響力的科技創(chuàng)新中心建設(shè)”為主題，邀請全球頂尖科學(xué)家作前沿研究學(xué)術(shù)報告，力爭以最高的學(xué)術(shù)水準(zhǔn)、最新的前沿信息、最具傳播力的大師思想，形成最受關(guān)注的科學(xué)講壇。

講壇以復(fù)旦大學(xué)相輝堂為永久會址，原則上一年舉辦6期，每期邀請一名頂尖科學(xué)家作主報告。講壇以線下報告與面向全球線上直播相結(jié)合的方式進行。

在報告人遴選方面，“浦江科學(xué)大師講壇”組委會下設(shè)講壇學(xué)術(shù)委員會，由中國科學(xué)院院士、復(fù)旦大學(xué)校長金力擔(dān)任學(xué)術(shù)委員會主任，邁克爾·萊維特（Michael Levitt）等十多名頂尖科學(xué)家擔(dān)任成員。講壇學(xué)術(shù)委員會將從諾貝爾獎、圖靈獎等具有全球影響力獎項的獲獎?wù)咧?，遴選出100名科學(xué)家，形成動態(tài)大師庫，并由講壇組委會從大師庫中遴選確定每期講壇的具體報告人選。

在萊維特看來，細菌的后代就是細菌自身的一個拷貝或復(fù)制。所以如果這個細菌非常適合（生存），它的后代跟它的基因是完全一樣的。所以，“適者生存”對細菌來說，似乎是說得過去的。現(xiàn)在的細菌跟30億年前的細菌沒有什么不一樣，但自然界需要發(fā)明新的東西。因此，來自父母的細胞結(jié)合到一起，然后后代有一個隨機混合的基因。其中不一定把父親最好的基因和母親最好的基因結(jié)合到子代中，只是隨機把父親和母親的基因結(jié)合到一起，生成了后代。

“為什么自然做出這樣的選擇？可能自然認識到，未來是未知的，為了未來的生存權(quán)，需要多樣性，需要各種不同的行為模式，才能生存下來。如果要建立一個偉大的生命或偉大的社會，我們需要多樣性，這樣才能生存。這就是為什么人類發(fā)展出了智商，智商是多元化的一個東西，我們可以用智力做各種事情、創(chuàng)造各種文明。所以，在某種程度上，多樣性帶來了智慧。”

究竟什么是科學(xué)？在拉丁語中，“科學(xué)”意味著知識、專業(yè)或是經(jīng)驗?！靶碌闹R，是做事的一種新配方。這是我所喜歡的關(guān)于科學(xué)的定義?！比R維特說，他經(jīng)常思考什么是知識，有一天，他忽然意識到，其實知識就是文明的DNA。

“DNA就像一本書，它描述了創(chuàng)造一個人的‘配方’，而各種各樣的知識就相當(dāng)于文明的DNA，告訴我們?nèi)绾谓ㄔ於Y堂、制造攝像機等等。我們把信息融入到了DNA當(dāng)中，DNA可以得到復(fù)制，因此信息也可以得到復(fù)制。我們慢慢地從DNA逐步演化到了固態(tài)硬盤這樣的東西，然而世界上DNA的數(shù)量比我們現(xiàn)在計算機里存儲的所有的信息總量都多，可以達到1E25個TB，而且每個細胞都有自己的DNA?！?/p>

我們應(yīng)該如何用系統(tǒng)的方式來思考科學(xué)的問題？也許核心要義就是要允許犯錯?！爱?dāng)你做一件非常困難的事情，非常重要的一點就是出錯。有人會說我從來沒錯過，這意味著你可能從來沒做過任何困難的事情。看看孩子是怎么學(xué)會走路的，他會不斷摔跤。如果你要解決一個非常困難的科學(xué)問題的話，必須要做好準(zhǔn)備，要接受自己可能會錯誤。我認為我們需要某種教育，要讓人們出錯。比如考試由隨機分數(shù)來評分。犯錯誤是很正常的事情，你錯得越多，證明你做了更多困難的工作?！?/p>

他認為，理論研究是用一種簡單易懂的模型來解釋觀測現(xiàn)象，而實驗則是嘗試獲得額外的觀測來證明或否定模型，兩者需要不同的高級技能，也需要彼此之間的溝通交流。無論從理論還是實驗科學(xué)而言，我們都不可能讓單一的科學(xué)解決所有的問題。

也正因為此，萊維特呼吁促進跨學(xué)科研究，打破學(xué)科的壁壘，“跨學(xué)科的研究極其重要，因為它體現(xiàn)出的是多樣性、多元性的一種美感。在這種多元化的環(huán)境中工作，就像父本和母本締造了子本，那子一代就會展現(xiàn)出比父本和母本更加優(yōu)秀的一種特征，這對產(chǎn)生前沿科技成果是非常重要的”。

蛋白質(zhì)是一切生命活動的基礎(chǔ)物質(zhì)，它是運輸氧氣的載體，是幫助抵御病毒的抗體，也是消化食物的酶。蛋白質(zhì)之所以能夠承擔(dān)多種多樣的功能，很大程度上是因為它們具有豐富而復(fù)雜的空間結(jié)構(gòu)。

每一個生命體的功能或組織中，都是由各種類型的蛋白質(zhì)進行折疊以后的結(jié)果。蛋白質(zhì)進行折疊以后，自動形成了各種各樣的形狀。如同拼圖一樣拼接起來，就形成了生命體的千姿百態(tài)、多種多樣。蛋白質(zhì)的折疊可以說是生命得以產(chǎn)生、得以延續(xù)一個非常重要的奧秘。

基礎(chǔ)科學(xué)重要嗎？“如果沒有對科學(xué)領(lǐng)域的深入了解，很難評估基礎(chǔ)科學(xué)的價值。比如，載人登月的任務(wù)目標(biāo)非常明確，但基礎(chǔ)科學(xué)研究很難有具體目標(biāo)?！比R維特認為，所謂基礎(chǔ)科學(xué)就是還沒有被應(yīng)用的科學(xué)，一開始有一些科學(xué)發(fā)現(xiàn)之后，我們會覺得它毫無用處，但是實際上任何的科學(xué)知識都是有用的。一些非?；镜臄?shù)學(xué)問題，可能成為我們現(xiàn)代所使用的非常復(fù)雜的密碼系統(tǒng)的基礎(chǔ)，當(dāng)時這些數(shù)學(xué)理論被發(fā)現(xiàn)的時候沒有人想到它有什么用處，但實際上它的價值極其巨大。

“基礎(chǔ)科學(xué)研究就像買彩票，你無法預(yù)測結(jié)果，但你可以多買幾張‘彩票’，這更有助于得到一流的發(fā)現(xiàn)?！痹谌R維特看來，基礎(chǔ)科學(xué)研究就像螞蟻尋找隱藏起來的食物一樣，存在許多不確定性，因此遇到困難與失敗在所難免?！叭绻麤]有失敗，恰恰可能意味著你的研究并沒有太大難度?！?/p>

“我曾經(jīng)工作過的劍橋醫(yī)學(xué)研究委員會分子生物學(xué)實驗室，是一個不大的研究所，但卻出了28位諾獎得主?！比R維特在演講中說到。

如何才能獲得諾獎？在他看來，需要具備“五要素”，即具有充足的研究經(jīng)費，如每個團隊每年160萬美元；不存在明顯的官僚主義；以小型團隊（5人左右）為宜；來自同儕的強大壓力，“只有你的下一篇論文優(yōu)秀，你才算優(yōu)秀”；沒有等級觀念，學(xué)生們和諾獎得主一樣充滿自信。

“事實上，很多諾獎成果都是科學(xué)家最富創(chuàng)造力的青年時期完成的，但科學(xué)界對年輕人卻存在著偏見?！比R維特說，1980年時，美國把3%的科研經(jīng)費給了60歲以上的課題組長。到了2014年，3%的科研經(jīng)費給了70歲以上的課題組長。當(dāng)50至70歲的課題組長獲得科研資金的比例增加時，研究部門會讓他們繼續(xù)留任。而40歲以下的課題組長獲得科研資金的比例減少時，研究部門將雇用更少的青年課題組長。

演講現(xiàn)場吸引了許多觀眾。

“我們鼓勵實驗室的年輕科學(xué)家相互合作，而非圍繞特定個體，即某個資深科學(xué)家的想法來工作。我們希望他們做更多創(chuàng)新性的工作。”萊維特說，在他的團隊工作的科研人員，也可以去其他團隊工作。

28歲時，萊維特就和同事撰寫了如何計算蛋白質(zhì)折疊的論文，這在當(dāng)時是非常前瞻的研究。而今75歲，如何繼續(xù)在研究中保持前瞻性？萊維特說，直到現(xiàn)在，他依然對很多問題感到好奇，這讓他不斷地有動力去嘗試新事物。“就像在大海中夜游一樣，在科學(xué)中怡然自得?！?/p>

游走于世界各國，萊維特覺得自己更像一個世界公民，僅憑借一部手機，就可以產(chǎn)生與世界的緊密連接?！坝腥擞弥形慕o我寫信，有人用希伯來語給我寫信，我能夠閱讀中文報紙雜志，因為我有自動翻譯機，可以對語言進行轉(zhuǎn)換，從而在很大程度上克服語言的障礙?！?/p>

面向未來，萊維特建議可以打造一個真正的全球虛擬全球?qū)嶒炇摇Ｔ谶@個實驗室當(dāng)中，來自于全球各國的頂尖科學(xué)家共同合作，他們在不同的地點作出不同的研究，通過遠程交互、虛擬現(xiàn)實等技術(shù)提升相互之間溝通的效率、效果?！澳憧梢砸幻腌娭畠?nèi)進入我的實驗室，我也可以加入你的實驗室。我們的確會在短短的幾秒鐘之內(nèi)就完成了很多信息和理念的互通和交流。”萊維特說，虛擬全球?qū)嶒炇易鳛橐粋€全新概念，將結(jié)合真實和虛擬互動，使全球影響力最大化，利用計算生物學(xué)和人工智能輔助的“健康技術(shù)”改善人類健康。

新冠疫情的大流行讓萊維特意識到，在危機中可以產(chǎn)生新的科學(xué)研究方向?！拔C科學(xué)”將會是科學(xué)面向未來的一個學(xué)科。對新冠疫情的預(yù)測、對氣候變化的預(yù)測，都是危機科學(xué)的重要研究內(nèi)容。比如我們可以通過AI模擬出斯坦福大學(xué)胡佛塔被大火吞沒的照片，可以模擬出英國劍橋大學(xué)被洪水湮沒了、特拉維夫市中心被沙塵暴所湮沒、上海天際線被洪水臺風(fēng)所湮沒產(chǎn)生的嚴重后果……這些預(yù)警將有助于人類從危機中學(xué)到科學(xué)。

而在AI的加持之下，所有的預(yù)測將變得越來越精準(zhǔn)?！暗鞍踪|(zhì)折疊”這一困擾科學(xué)家們近50年的難題，在2021年基本得到了破解。英國DeepMind公司研究人員創(chuàng)建的人工智能系統(tǒng)AlphaFold將蛋白質(zhì)結(jié)構(gòu)預(yù)測的準(zhǔn)確度提高到了原子水平，這比許多科學(xué)家的預(yù)期要早了幾十年，顯示出AI 對解決重大科學(xué)問題的潛力。

僅僅過了一年時間，DeepMind就進一步破解了幾乎所有已知的蛋白質(zhì)結(jié)構(gòu)，其AlphaFold算法構(gòu)建的數(shù)據(jù)庫中如今包含了超過2億種已知蛋白質(zhì)結(jié)構(gòu)，讓人們在查找蛋白質(zhì)的3D結(jié)構(gòu)時幾乎就像在谷歌搜索關(guān)鍵字一樣容易。而此前，科學(xué)家們只破譯了科學(xué)界已知的2億種蛋白質(zhì)中的一小部分。

在萊維特看來，人工智能最有趣的應(yīng)用不是蛋白質(zhì)折疊，而是風(fēng)險預(yù)測。“也許十年以后，我們可以跟手機說話，能不能告訴我，我是不是應(yīng)該因為這件事情而感到恐慌？在那種情況下，人類會變得更理性，會成為真正的智人，而不是愚人?！?/p>