DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 对谈：AlphaFold 并没有真正解决蛋白质折叠问题
来源Latent Space查看原文
速览
- AlphaFold 2 只复现了 PDB 中已解析的结构，不等于解决了蛋白质折叠问题。
- 蛋白质的无序性、动力学与设计仍是未解难题，需要持续投入。
- 低质量元基因组数据也能提升蛋白质语言模型的表现。
- 蛋白质语言模型内部蕴含功能与运动信息，尚未被充分挖掘。
- 单纯扩大算力和数据不足以解决生物学问题，先定义问题更重要。
- AlphaFold 2 的不确定性校准比内部可解释性更关键。
- 未来更大的前沿模型或许比人类更能解释 AlphaFold 2 的行为。
- AI 已用于药物发现各环节，但 10x 加速仍需生物学建模突破。
- Biohub 的「治愈所有疾病」目标需要 10x 级别的突破思维。
- 建模者、数据生成者与领域专家需协同工作才能找到正确的 scaling law。
在 Latent Space 的一场对谈中，Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 讨论了 AI 驱动生物学研究的现状与瓶颈。Kohli 指出，AlphaFold 2 在 CASP 数据集上的 GDT 分数约为 90，但它做的只是复现 PDB 中已有人解析并提交的蛋白质结构，并不等于理解了蛋白质动力学与无序性，因此「蛋白质折叠已被解决」的说法并不成立。Candido 则表示，蛋白质语言模型在元基因组序列（其中很多并非完整真实蛋白质）上训练后，反而能提升真实蛋白质设计与理解的表现，说明低质量数据也有价值；同时这些模型内部蕴含的功能与运动信息远未被挖掘。两人都认为，单纯扩大算力和数据不足以解决生物学问题，关键在于先定义问题、找到正确的 scaling law，并让建模者、数据生成者与领域专家协同工作。Kohli 还提到，AlphaFold 2 的不确定性校准（pLDDT）比内部可解释性更重要，而未来更大的前沿模型或许比人类更能解释 AlphaFold 2 的行为。
关键事实
- Pushmeet Kohli 是 Google DeepMind 研究员，Sal Candido 来自 Biohub，对谈由 Brandon Anderson 主持。
- Kohli 透露 AlphaFold 2 在当时测试集上的 GDT 分数约为 90。
- Kohli 表示 AlphaFold 2 的目标是复现 PDB 中已有人解析并提交的结构，而非理解蛋白质真实的基态或结构分布。
- Candido 称在元基因组序列上训练蛋白质语言模型能提升真实蛋白质设计与理解的表现，尽管这些数据中很多并非完整真实蛋白质。
- Candido 表示蛋白质语言模型的表征中不仅包含结构信息，还包含功能与运动信息。
- Kohli 认为 AlphaFold 2 对无序蛋白质的预测能力是在发布权重后才被外界发现的，说明其具备泛化能力。
本站视角
这场对谈对中文 AI 与生物医药领域的从业者有几点具体启示。第一，对于国内做 AI for Science 的团队，尤其是蛋白质设计与药物发现方向的创业公司和实验室，Kohli 和 Candido 的判断意味着「结构预测已解决」的叙事可能误导资源分配——如果只盯着 AlphaFold 类模型的精度提升，而忽视动力学、无序性和更宏观的细胞系统建模，很可能在下一阶段的竞争中落后。第二，对于使用蛋白质语言模型（如 ESM 系列）的开发者，Candido 提到的「低质量元基因组数据也能提升模型表现」以及「模型内部蕴含功能与运动信息」值得跟进，这可能意味着在数据稀缺的细分领域，挖掘现有模型表征比从头训练更有性价比。第三，Kohli 关于「可解释性是相对于谁而言」的观点值得国内做 AI 安全与可解释性的团队思考：与其追求人类可读的完整解释，不如先做好不确定性校准和行为边界刻画，这在医疗等高风险场景中更为务实。需要指出的是，这场对谈是两位业内人士的观点分享，并非经过同行评议的研究结论，其中关于「未来前沿模型可能比人类更能解释 AlphaFold 2」的说法属于推测，尚无实证支持。此外，对谈中提到的 GDT 分数约为 90 是 Kohli 的回忆性表述，未给出具体测试集名称，读者不宜将其作为精确基准。总体而言，这场对谈的价值在于提醒行业：AI 在生物学中的真正突破，可能不来自更大的模型，而来自对问题本身的重新定义和跨学科的数据生成协作。
背景与影响
AlphaFold 2 于 2020 年 CASP14 上发布，被视为蛋白质结构预测的里程碑，此后「蛋白质折叠已被解决」的说法在媒体和部分学术界流传。但正如这场对谈所揭示的，AlphaFold 2 的训练与评估依赖于 PDB（蛋白质数据库）中由人类科学家通过 X 射线晶体学、冷冻电镜（cryo-EM）等方法解析并提交的结构，它学习的是复现这些已解析结构，而非从物理第一性原理理解蛋白质。蛋白质在真实细胞环境中往往是无序的、动态的，其构象会随上下文变化，这些信息在静态结构预测中大量丢失。Kohli 提到自己曾尝试直接在 cryo-EM 显微图像上训练模型以提取动力学与分布信息，但难度很大。Candido 则用「辐条-车轮-自行车」的比喻说明，当前模型只建模了单个蛋白质（辐条），而人们真正想理解的是整个生物系统（自行车）。这场对谈发生在 Biohub 宣布相关研究计划的场合，两人都强调需要跨学科协作和新的数据集来构建虚拟细胞等更大尺度的模型。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
