开场：一座不存在的"蛋白质城市"

想象你是一个建筑师，但你的建筑材料不是砖块和水泥，而是 20 种氨基酸。你可以用这些氨基酸拼出任何形状——纳米级的笼子、分子级的马达、能自我组装的积木。唯一的限制是你的想象力。

2023 年，华盛顿大学的 David Baker 团队用 AI 设计了一种全新的蛋白质——它能在细胞膜上打孔，精确地让特定离子通过。这种"人工离子通道"在自然界中不存在，它的结构是 AI 从零开始设计的，氨基酸序列和已知的任何天然蛋白质都不相似。

Nature 的编辑在评论中写道：“这不是蛋白质工程，这是蛋白质创造。”

2024 年，David Baker 和 Demis Hassabis、John Jumper 共同获得了诺贝尔化学奖。诺贝尔奖委员会给出了一句耐人寻味的评语：“他们找到了蛋白质的’密码’，并用它来设计全新的蛋白质。”

从"改造"到"创造"

蛋白质设计的历史可以分为三个阶段：

阶段一：定向进化（1990s-2010s）。 人类不设计蛋白质，而是模拟自然选择。你在实验室中对天然蛋白质的基因随机引入突变，然后筛选出"更好"的版本。Frances Arnold 凭借这项技术获得了 2018 年诺贝尔化学奖。但这种方法只是"改造"已有蛋白质，不能"创造"新蛋白质。

阶段二：理性设计（2000s-2020s）。 人类基于物理化学原理，设计具有特定结构的蛋白质。方法是计算哪个氨基酸序列能折叠成目标结构。但成功率很低——设计的蛋白质要么折叠不了，要么折叠成别的形状。

阶段三：AI 从头设计（2020s-至今）。 AI 直接从"功能需求"生成"氨基酸序列"。你说"我要一个能结合新冠刺突蛋白的蛋白质"，AI 输出一个氨基酸序列，它在实验室中真的能折叠成预期形状，并且真的能结合目标。

2025 年的三个里程碑

里程碑一：蛋白质"乐高"。 David Baker 团队在 2025 年发布了一个名为"ProteinMPNN Pro"的 AI 工具，它可以把蛋白质看作"乐高积木"——你可以设计各种形状的蛋白质组件，它们会自动组装成复杂的纳米结构。一个团队用这个工具设计了一个蛋白质"笼子"，内部可以精确封装一个量子点。这个纳米级的"快递盒"在未来可能用于靶向药物递送。

里程碑二：蛋白质分子马达。 2025 年，日本理化学研究所（RIKEN）的团队用 AI 设计了一个蛋白质"马达"。这个蛋白质在 ATP 的驱动下，可以像鞭毛一样旋转。它的旋转速度是自然界最接近的蛋白质马达的 3 倍。虽然它目前只是在试管里转，但这是一个概念验证：AI 可以设计出比自然进化更高效的功能蛋白。

里程碑三：蛋白质逻辑门。 2025 年，MIT 的团队用 AI 设计了一系列蛋白质"逻辑门"——AND、OR、NOT 门，但它们不是用硅做的，而是用蛋白质做的。这些蛋白质逻辑门可以在细胞内对多种信号做出响应，比如"如果有炎症信号 AND 癌细胞标记物，就释放药物"。这为"智能药物"提供了基础。

如果 AI 能设计一切蛋白质，生物学会变成什么样？

这是一个哲学问题，但它有非常实际的后果。

药物研发： 目前，大多数药物是小分子（化学合成的）或抗体（从动物免疫系统中提取的）。AI 蛋白质设计开启了"蛋白质药物"的新时代——你可以设计一个蛋白质，精确地结合到疾病靶点上，同时避免所有副作用。2025 年，已经有 3 种 AI 设计的蛋白质药物进入了临床试验。

工业催化： 酶是蛋白质催化剂，在洗衣粉、生物燃料、食品加工中无处不在。AI 可以设计出比天然酶更高效、更稳定的工业酶。2025 年，Novozymes 发布了第一款 AI 设计的工业酶，能在 80°C 和 pH 12 的条件下工作——天然酶在这种条件下 5 秒就变性了。

生物材料： 蜘蛛丝、蚕丝、贝壳——这些天然生物材料有着惊人的性能。AI 可以设计出比蜘蛛丝更强韧的蛋白质纤维。2025 年，Bolt Threads 公司用 AI 设计的蛋白纤维，强度是蜘蛛丝的 1.5 倍，可生物降解。

结尾：创造还是僭越？

AI 蛋白质设计提出了一些不寻常的问题：

如果 AI 设计了一个蛋白质，它在自然界中从未存在，但功能完美——这个蛋白质算"人工"还是"自然"？ 毕竟，它也是由氨基酸组成的，遵循同样的物理化学规律。

如果 AI 设计了一个能杀死所有人类细胞的蛋白质，这个"设计"本身是否应该被禁止发表？ 科学界在 2025 年已经开始讨论"AI 蛋白质设计的双用途研究"（Dual-use research of concern）——研究成果可能被用于恶意目的。

如果 AI 设计出了一个比人类蛋白质更高效的版本，我们应该用 AI 设计来"升级"人类吗？ 这听起来像科幻，但技术上的可行性正在增加。

AI 蛋白质设计是一扇门。门后的世界，是生物学从未抵达的领域。要不要走进去，是一个需要所有人一起回答的问题。

推荐阅读：David Baker ProteinMPNN Pro 论文 (Science, 2025)；RIKEN 蛋白质马达研究 (Nature Nanotechnology, 2025)；MIT 蛋白质逻辑门论文 (Nature Biotechnology, 2025)