AI学科教育

Meta的ESMFold和DeepMind的AlphaFold都是蛋白质结构预测大模型，前者开发用于细菌、病毒等微生物约6亿种蛋白质结构预测，速度比AlphaFold2快；后者使用AI解决了50年难题，通过神经网络预测三维结构。ESMFold基于语言学习模型，不依赖显式同源序列，端到端运行，显著提高了预测效率。Meta的这项研究在蛋白质结构预测领域取得了重要突破，缩短了蛋白质结构解析的时间，激发了深度学习应用的热情。

天壤XLab近期上线了xCREATOR和自主研发的蛋白质扩散模型，面向高校师生免费开放，已有数百用户使用。这些工具基于AI技术，通过输入参数自动生成符合要求的蛋白质三维结构，显著提高了蛋白质设计效率，有望降低生物医药领域的研发门槛，并对解决重大疾病如癌症等提供新可能。

两位计算生物学家利用GPT-3人工智能助手改进研究论文，助手在审稿中发现并修正错误，该实验提高了研究人员效率。ChatGPT因其广泛潜力在生物技术领域展现应用前景，如蛋白质生成和基因测序。Profluent公司使用AI成功开发新型抗菌蛋白，而Nvidia期待人工智能加速基因组分析。然而，ChatGPT的全能性引发质疑，其准确度和避免偏见的问题需要解决，相关规范和法规建设也尤为重要。科技企业正在努力完善和培训聊天机器人以满足专业需求。

《理解未来》科学讲座聚焦AI for Science，研讨者关注ChatGPT在生物医药领域的应用及潜在影响。加拿大专家唐建指出，人工智能已在生物制药领域探索GeoDiff等技术，并期待构建类似模型。中国科学院院士鄂维南强调AI将重塑传统科研，催生新产业并推动“平台科研”和社区建设。讲座还设前瞻对话，讨论了AI对生命科学、促进合作以及数据质量的重要性。