诺贝尔化学奖得主年龄是多少_游戏天才 哲学学士 70年中最年轻获奖者——今年诺贝尔化学奖非同寻常，难以置信

　　来源：学术经纬▎药明康德内容团队编辑10月9日，诺贝尔基金会宣布授予DeepMind公司的Demis Hassabis博士和John Jumper博士，以及华盛顿大学的David Baker教授诺贝尔化学奖。

这三位科学家分别出生于60、70和80年代，他们通过各自独特的路径，分别在利用人工智能预测蛋白质结构和计算蛋白质设计方面做出了造福全人类的突破性研究在今天的文章中，我们将一起探讨他们的故事

Demis Hassabis：从游戏天才到诺贝尔奖得主天才少年：年轻时的辉煌Demis Hassabis出生于英国伦敦一个多元文化背景的家庭，拥有希腊和中国血统由于父亲生意的原因，他频繁搬家，这在无形中培养了他的商业和研究冒险精神。

Hassabis从小就展现出了超凡的才能四岁时，他在看到父亲和叔叔下棋后便学会了下棋，并且很快就击败了他们八岁时，他在个人的第一台电脑上编写了棋盘游戏奥赛罗（Othello）到十三岁时，他已经成为了国际象棋大师，在那个年龄段排名世界第二。

在享受象棋带来的智力挑战的同时，他也决定将这种天赋应用于更广泛的领域十七岁时，他加入了电脑游戏公司牛蛙制作（Bullfrog Productions），并参与设计了战略游戏《极道枭雄》（Syndicate。

）随后，他成为影响深远的游戏《主题公园》（Theme Park）的首席程序员这款游戏的成功催生了一系列管理模拟游戏游戏高手的目标是创立人工智能公司1997年，Hassabis以计算机科学专业最高荣誉毕业于剑桥大学，并在次年成立了自己的游戏公司Elixir Studios。

在经营Elixir期间，他继续参加各种游戏比赛，从1998年到2003年连续五年获得Pentamind国际象棋锦标赛冠军此外，他还在世界扑克系列赛的多个赛季中获胜然而，尽管赢得了无数游戏和智力竞赛，他始终无法摆脱那些困扰他的问题：“大脑是如何掌握复杂任务的？”、“电脑能实现同样的能力吗？”

在2015年的一次采访中，他提到：“事实上，我的整个职业生涯，包括开发游戏时，都是为了最终成立一家人工智能公司少年时我就决定，人工智能将是最有意思和最重要的事业”神经学博士　　为了回答这些问题，28岁的他在2005年重返校园，开始在伦敦大学学院（UCL）攻读认知神经科学的博士学位，并于2009年毕业。

他的博士研究集中在自传体记忆和失忆症领域在这一主题上，他参与发表了多篇发表在《自然》、《科学》和PNAS的论文他在PNAS上的论文首次证实，大脑海马区受损（导致失忆症）也会损害患者想象其他情景的能力Hassabis证明了想象能力和情景记忆之间的神经学联系——两者都需要在脑海中构建场景的能力，这一发现被《科学》杂志评为“年度十大科学突破”之一。

DeepMind的诞生及谷歌的收购　　2011年，Hassabis创立了人工智能公司DeepMind Technologies他将公司的目标定为解决“智能问题”，然后利用人工智能“解决其他所有问题”Hassabis将神经科学和机器学习的见解与计算机硬件的最新进展相结合，寻求构建一种通用的学习机制——“

通用人工智能”（AGI）　　Hassabis和他的DeepMind团队最初专注于创建学习算法来掌握游戏到2013年，他们开发了一种名为Deep Q-Network（DQN）的算法，能够以超越人类的水平玩电脑游戏。

除了屏幕上可见的像素外没有其他输入，除了“获得最高分”外没有其他指示测试结果显示，DQN在引入游戏30分钟内就成为了游戏太空侵略者（Space Invaders）的世界顶尖玩家DeepMind的研究也引起了谷歌的注意，。

谷歌于2014年以超过6.5亿美元的价格收购了DeepMind，而Hassabis仍然担任DeepMind的首席执行官谷歌对DeepMind的收购很快被证明是一项明智之举谷歌在2016年发布声明称，DeepMind开发的AI算法已经帮助降低了谷歌数据中心用于冷却的电费达40%。

这可能为谷歌节省了数亿美元。

▲DeepMind开发的AI算法显著减少了谷歌的用电量（图片来源：参考资料[6]）AlphaFold：蛋白质结构预测的革命　　然而，DeepMind团队并未止步于此他们开发了能够以近原子级别的精度预测蛋白质形状的AI算法AlphaFold。

2018年12月，在第13届国际蛋白质结构预测竞赛（CASP）中，AlphaFold在总体排名中位列第一尽管取得了成功，但DeepMind的研究人员并不满足：他们希望开发出一种对实验人员更友好的工具，误差小于1埃米（原子大小）。

经过多次调整和集思广益，DeepMind的研究团队在原有算法的基础上成功构建出了AlphaFold2在2020年的CASP上，DeepMind的AlphaFold2系统表现卓越，在近100个蛋白质靶点中，AlphaFold2对三分之二的蛋白质靶点给出的预测结构与实验方法获得的结构几乎没有差异。

有些情况下，已经难以区分两者的差别是因为AlphaFold2的预测错误还是实验方法造成的假象这项成就被公认为解决了50年的“蛋白质折叠问题”2021年7月，DeepMind发表了该系统工作原理的详细描述，并向全球免费发布了源代码。

同时，它还与欧洲生物信息学研究所合作，建立了公共数据库，该数据库正在用人工智能预测的新蛋白质结构填充新征途：人工智能进入生物医学　　2021年11月，Hassabis宣布，在担任DeepMind领导职务的同时，还将担任初创公司Isomorphic Labs的首席执行官。

Isomorphic Labs是Alphabet旗下的新姐妹公司，专注于将人工智能应用于生物技术和医学领域2022年7月，DeepMind人工智能实验室的研究人员表示，他们已经预测了几乎所有已知蛋白质的结构，这是生物学上的重大进步，将加速药物发现并帮助解决可持续性和食品安全等问题。

他们还扩展了AlphaFold数据库，包含2.14亿种预测蛋白质，几乎涵盖了科学已知的所有蛋白质这包括人体内的所有蛋白质，以及动物、植物、细菌和其他生物体内的蛋白质最新版本的AlphaFold3进一步扩展了其功能，包括对DNA和RNA相互作用进行建模，这标志着对分子生物学的理解有了重大飞跃。

▲AlphaFold 3预测的7R6R-DNA结合蛋白（蓝色）与DNA双螺旋（粉色）结合的分子复合物结构与通过实验发现的真实分子结构（灰色）几乎完全一致（图片来源：参考资料[9]）　　尽管人工智能无疑已经在生物医学领域带来了显著的突破，但在接受诺贝尔奖采访时，Hassabis仍强调了人类科学家的重要性。

他表示至少在未来几年内，这些人工智能算法可以让单个科学家做更多的事情然而，因为这些系统是工具，它们非常适合分析数据并在数据中寻找模式和结构但是它们无法弄清楚应该问什么正确的问题，正确的假设或正确的猜想所有这些都必须来自人类科学家。

“最好的科学家与这些工具合作将能够做出惊人的科学成就，甚至可以在更小的团队中做到这一点，因为他们可以依靠这些工具来完成许多基础工作”Hassabis说John Jumper：超过70年来最年轻的诺贝尔化学奖得主。

　　在提到AlphaFold在蛋白质结构预测方面的重大突破时，不得不提及与Hassabis一同获得今年诺贝尔化学奖的John Jumper博士他是DeepMind公司AlphaFold项目的首席高级研究员。

他和Hassabis共同主导开发了AlphaFold及其后续的AlphaFold2然而，如同Hassabis多变的职业生涯一样，Jumper最初对蛋白质结构并不感兴趣，相反，他立志成为一名理论物理学家...。

物理学家的跨足　　Jumper在2007年从范德堡大学获得物理和数学双学位后，打算成为一名理论物理学家他获得了著名的马歇尔奖学金，并被剑桥大学的博士课程录取然而，他很快意识到，研究量子力学的计算方法并不适合他，因此他在获得硕士学位后返回美国。

随后，他在D.E. Shaw Research找到了一份工作，负责开发用于蛋白质模拟的超级计算机，这段经历开启了他的生物化学之路三年后，他回到芝加哥大学，在Karl Freed与Tobin Sosnick教授的指导下完成理论化学博士学位。

Jumper的博士研究方向是蛋白质模拟的统计和机器学习方法，随后他加入DeepMind从事蛋白质结构预测工作　　Jumper作为AlphaFold项目的负责人，他的角色是多方面的除了进行研究外，他还积极促进他与团队成员及其他DeepMind团队之间的研究讨论。

想要游戏更轻松、更高效吗？试试【星界云手机】吧！云端托管手游，搭配挂机脚本，让你无需手动操作，轻松完成日常任务，释放你的双手，尽情享受游戏的快乐！

他发现，在团队环境中，为了共同的目标而努力，研究会更加有趣他特别喜欢机器学习的快速发展，他说：“在不同的时间，新的想法和结果来得如此之快，以至于我觉得我们每周都在重新评估我们解决问题的方法”　　Jumper曾指出，对于深度学习系统如何工作的直觉和理解对于开发模型至关重要，而使用直觉来评估结果和发现错误的重要性，是他在范德堡大学接受教育时学到的重要一课。

他对当前科学家的建议是找到“好问题”来研究，并指出“好问题需要重要性和可操作性的完美结合”博士毕业7年后荣获诺贝尔奖　　值得一提的是，Jumper是超过70年以来最年轻的诺贝尔化学奖得主，自他2017年获得博士学位以来，在大约7年的时间里便荣获了诺贝尔奖。

然而，当他接受诺贝尔奖得主采访时，他表示自己之前认为有10%的机会获奖，这让他有些沮丧，这好像自己有10%的机会中彩票，但有90%的机会会失望因此，他的计划是在颁奖当天睡个懒觉，等到醒来时再看是否获奖，但这个计划并没有实现，因为他那天没能睡那么久。

　　在采访中，Jumper也表示他很高兴计算生物学很快获得了认可“我喜欢这一切的原因是，我们可以清楚地看到，我们所做的工作与改善人类健康之间有着直接的联系”他说David Baker：从解决蛋白质折叠难题到设计全新蛋白质。

　　在接受诺贝尔奖委员会采访时，David Baker教授表示，蛋白质折叠的难题始终具有两面性：一方面已知蛋白质的氨基酸序列，如何基于序列预测蛋白质的三维结构；另一方面，如果已知预期的蛋白质结构，能否设计出氨基酸序列来折叠成这样的结构。

今年的诺贝尔化学奖完美地表彰了这两个方向的研究从哲学和社会学转向蛋白质结构研究　　1962年，David Baker出生于美国西雅图，父亲是一名物理学家，母亲研究天体物理学和大气科学但从小在科学家庭中长大的Baker最初对科学并不感兴趣。

在哈佛大学读本科时，他主修哲学和社会学，想了解人类的大脑如何做出决定直到最后一年上发育生物学课程时，一本名为《细胞分子生物学》的教科书让他对生物学产生了兴趣Baker回忆说，他曾有一次需要写论文，他询问教授能否写关于蛋白质结构的课题，但教授告诉他，“没人明白其中的机理”。

没想到的是多年之后，他却解答了这个问题

最初对大脑感兴趣，却被蛋白质折叠吸引　　因为对大脑的兴趣，David Baker在攻读博士时认为自己会研究神经生物学或发育生物学他加入了加州大学伯克利分校细胞生物学家Randy Schekman教授的实验室研究细胞的构成（Schekman教授在2013年获得诺贝尔生理学或医学奖）。

获得博士学位后，他加入结构生物学家David Agard教授的实验室，原本计划花一年时间学习结构生物学，帮助自己建立独立实验室时进行的细胞生物学研究　　然而，结构生物学的魅力深深吸引了他Baker教授回忆道：“我当时觉得。

蛋白质结构是生物自我组装最简明的例子”因此，当他回到华盛顿大学建立自己的实验室时，解决蛋白质折叠的结构生物学成为了主要研究方向让普通人也能参与蛋白质折叠研究　　上世纪90年代，Baker教授的实验室开发出名为Rosetta的程序软件，基于蛋白质的生物物理特性，根据氨基酸序列预测蛋白质的三维结构。

然而，预测蛋白质三维结构需要大量的计算力和时间，Baker教授在哲学和社会学方面的经验让他想到利用集体力量来解决这个问题“我的理想是全球各地的人都可以共同努力，为科学和全球健康做出重要贡献”Baker教授说。

在2004年，他的实验室开发了一款名为Rosetta@home的软件，任何人都可以在自己家的计算机上下载这款软件，为解析某些蛋白质结构的运算出一份力截至2008年，近20万志愿者在自己的计算机上安装了这款软件。

　　在2008年，Baker教授与合作者又推出了蛋白质折叠游戏Foldit，让大众以游戏的方式解决蛋白质折叠问题值得一提的是，在2011年，Foldit的玩家帮助成功破解了一种逆转录病毒蛋白酶的晶体结构，成果发表在《自然》杂志子刊上。

竞争对手是重要的启发者　　2000年，DeepMind公司开发的AlphaFold2在国际蛋白质结构预测竞赛（CASP）上大放异彩，不但击败了所有其他参赛选手，而且基于氨基酸序列预测的蛋白质三维结构可以与使用冷冻电子显微镜（CryoEM）、核磁共振或X射线晶体学等实验技术解析的三维结构媲美。

Baker教授的实验室开发的Rosetta软件也是CASP比赛的常客并一直名列前茅，表面上看，DeepMind是他的实验室的竞争对手，AlphaFold2也在比赛中超越了Rosetta然而，Baker教授并不这样看，在接受诺贝尔委员会的采访时，Baker教授表示，AlphaFold2的出现让他真正意识到了深度学习的威力。

Baker教授的实验室也迅速将AlphaFold2的深度学习策略应用到Rosetta软件上，开发出的RoseTTAFold系统在预测蛋白质结构上达到了与AlphaFold2相当的水平“与其说是竞争对手，我真心认为他们是启发我认识到深度学习威力的人。

”Baker教授说从预测蛋白质结构到设计全新蛋白质　　早在使用最初的Rosetta软件预测蛋白质三维结构后不久，Baker教授就意识到解决蛋白质折叠问题的两面性：不仅可以基于氨基酸序列预测蛋白质的三维结构，还可以基于预期的三维结构设计氨基酸序列。

利用Rosetta软件，他的实验室在2003年设计出第一个在自然界中不存在的蛋白质，名为Top7

▲用Baker教授团队设计的软件Rosetta开发出的蛋白质（图片来源：诺贝尔委员会官网）基于在蛋白质设计领域的丰富经验和深度学习算法带来的计算模式革新，Baker实验室近年来在蛋白质设计领域的突破可以用日新月异来形容。

从开发出秒速设计全新蛋白质的工具，到设计靶向任何蛋白质的抗体，他的团队一次又一次地颠覆蛋白质设计的规则这些基础科学研究的突破也正在通过初创公司的创立改变新药发现和开发的模式Baker教授参与创建了超过10家生物技术公司，其中今年崭露头角的。

Xaira Therapeutics公司由ARCH Venture Partners和Foresite Labs共同孵化，获得启动资金超过10亿美元　　诺贝尔委员会在发布的新闻稿中表示，David Baker、Demis Hassabis和John M. Jumper博士解开了蛋白质结构的密码。

虽然这三位获奖者的人生轨迹各不相同，但他们殊途同归，共同解决了让科学家困惑了半个世纪的蛋白质结构预测难题　　参考资料：　　[1] HHMI Investigator David Baker Awarded 2024 Nobel Prize in Chemistry. Retrieved October 9, 2024, from https://www.hhmi.org/hhmi-david-baker-wins-2024-nobel-chemistry

　　[2] Harvard Alumnus Wins Chemistry Nobel. Retrieved October 9, 2024, from https://www.harvardmagazine.com/2024/10/harvard-alumnus-wins-2024-chemistry-nobel

　　[3] David Baker Interview. Retrieved October 9, 2024, from https://www.nobelprize.org/prizes/chemistry/2024/baker/interview/

　　[4] Protein wrangler, serial entrepreneur, and community builder: Inside David Baker’s brain. Retrieved October 9, 2024, from https://cen.acs.org/biological-chemistry/biochemistry/Protein-wrangler-serial-entrepreneur-community-builder-Inside-David-Baker-brain/97/i30

　　[5] Demis Hassabis. Retrieved October 9, 2024, from https://achievement.org/achiever/demis-hassabis-ph-d/ 

　　[6] DeepMind AI Reduces Google Data Centre Cooling Bill by 40%. Retrieved October 9, 2024 from https://deepmind.google/discover/blog/deepmind-ai-reduces-google-data-centre-cooling-bill-by-40/

　　[7] Commodore Alum brings DeepMind to AlphaFold. Retrieved October 9, 2024 from https://www.vanderbilt.edu/csb/2021/11/05/commodore-alum-brings-deepmind-to-alphafold/

　　[8] John M. Jumper. Interview. Retrieved October 9, 2024 from https://www.nobelprize.org/prizes/chemistry/2024/jumper/interview/

　　[9] AlphaFold 3 predicts the structure and interactions of all of life’s molecules. Retrieved May 8, 2024 from https://www.isomorphiclabs.com/articles/alphafold-3-predicts-the-structure-and-interactions-of-all-of-lifes-molecules

释放你的双手，开启全新的游戏方式！【星界云手机】让你轻松体验云端托管手游的乐趣，搭配挂机脚本，24小时不间断游戏，让你尽情享受游戏的刺激与乐趣！