颜宁回应混不下去回国了言论 科普下AlphaFold，到底能不能替代科研人员和冷冻电镜的活？

我对AlphaGo很熟悉，很多人看下棋也大致知道是在干啥。AlphaFold就专业多了，绝大部分人不知道怎么回事。AlphaFold是DeepMind开发的，根据蛋白质氨基酸序列预测其三维结构，得了2024年诺贝尔奖，是AI4S（AI for Science）的标志性成果。这是一般性理解，还是不知道干啥。

就以颜宁刚发的这个《科学》文章《Structural N- and O-glycans revealed by high-resolution cryo-EM analysis of tubular mastigonemes》为例。这是一篇糖质（glycan）结构生物学文章，讲的就是“结构”，和AlphaFold预测的“三维结构”，研究的一个东西。

糖质与蛋白质、核酸、脂类并列为四大基本生物大分子，但结构解析长期进展不佳。聚糖分子很复杂，分支多、异构体、修饰多样，传统手段搞不出高分辨率结构。糖质被学界称为细胞中的"暗物质" 。

颜宁研究的“管状纤绒毛”（tubular mastigoneme）是金藻鞭毛表面的毛发状附属结构，参与机械感觉和细胞运动。颜宁团队用“冷冻电镜+糖蛋白质组学+AI建模”的三大招组合，取得了结构突破。

冷冻电镜的作用是，首次将天然糖质复合物推进至2Å的近原子分辨率，直接可视化单糖环、共价修饰甚至水分子。糖蛋白质组学的作用是，整合靶向质谱与结构生物学研究，实现糖链组成与蛋白质骨架的精准对应，发现新型糖基化基序。颜宁实验室自研的AI模型EModelG的作用是，推动糖质结构解析从"依赖间接片段信息推断"向高精度直接建模转变，为大规模糖质结构研究提供方法学支撑。

AlphaFold能不能如某些人幻想的，“一步到位”把这些活全干了？显然是不能的。要不然这文章也发不了《科学》

AlphaFold的输入要求很严格，是以FASTA格式提交的氨基酸序列，输出蛋白质主链和侧链的三维坐标预测。它本质上是一个蛋白质结构预测器。中间细节不管，输入和输出很清楚。输入是给定的序列，输出是三维坐标。

在输入层面，AlphaFold只接受"蛋白质的氨基酸序列"，"糖"的不收。颜宁团队解析的对象包含两类AlphaFold完全无法处理的东西，纯糖纤维（TLP-0）糖蛋白复合物，这两东西不含任何蛋白质。AlphaFold的输入界面根本没有"糖链序列"这个选项，它连门都进不了 。

功能上，AlphaFold预测"蛋白折叠"，不预测"糖质组装"。颜宁团队需要自己开发AI模型去预测。

在实证层面上，即使AI模型给出了预测，也需要冷冻电镜给出原子级的数据、确认预测成功。

看看这些，就知道拿一个AlphaFold，不可能替代科研人员和冷冻电镜，只能在某些蛋白质序列任务上，加快提升效率。还有其它一些AI模型也在起这样的作用，AI也不能包打天下，要冷冻电镜。