AI科学家雅典娜独立发现全新酶结构：蛋白质折叠研究进入自主时代

AI科学家雅典娜独立发现全新酶结构：蛋白质折叠研究进入自主时代

2028年2月16日，DeepMind在《自然》杂志发表论文，披露旗下AI科学家系统「雅典娜」在完全无人干预的条件下，独立发现了一种全新的酶催化结构——三元协同折叠体（Ternary Cooperative Fold）。这是人类历史上首次由AI系统自主完成从假设提出、计算验证到实验确认的完整科学发现闭环。

DeepMind首席科学官Demis Hassabis在论文发布会上表示：「雅典娜不是工具，而是合作者。它提出的问题比我们预想的更有深度。」

从预测到发现的跨越

雅典娜系统基于DeepMind第四代科学推理架构构建，不同于AlphaFold的「已知序列-预测结构」模式，雅典娜采用了「目标功能-逆向设计」的范式。系统首先分析了超过2亿种已知蛋白质结构的功能分布图谱，识别出一个理论可行但从未在自然界中被观察到的折叠模式。

随后，雅典娜自主设计了验证实验方案，委托位于剑桥的自动化实验室SynthBio Lab完成湿实验。实验结果显示，人工合成的雅典娜-1号酶在催化效率上比同功能天然酶高出340%，热稳定性提升至原来的2.7倍。

工业应用前景

工业生物催化领域对该发现反应积极。巴斯夫生物催化剂部门负责人Maria Klein表示：「三元协同折叠体的发现打开了全新的催化剂设计空间，我们已经在评估将其应用于丙烯酸生产流程的可行性。」

然而，科学界对AI自主发现的伦理边界存在分歧。牛津大学科学哲学教授James Wilson指出：「当AI开始提出人类从未想过的问题时，我们需要重新定义科学发现的归属权。」

技术细节

雅典娜的核心创新在于其「假设生成器」模块。该模块基于因果推理引擎，能够从海量蛋白质数据中识别统计异常，并将其转化为可检验的科学假设。DeepMind论文披露，雅典娜在此次发现过程中共提出了1,247个假设，其中89个通过了计算验证，最终1个通过了实验验证。

该成功率（0.08%）看似极低，但DeepMind强调，雅典娜提出假设的速度是人类科学家的10万倍，且每个假设都附带完整的推理链和验证方案。

行业影响评估

麦肯锡全球研究院预测，到2030年，AI自主发现系统将在材料科学、药物研发和能源技术领域创造超过2,000亿美元的经济价值。但同时，约15%的基础研究岗位可能面临转型压力。

DeepMind宣布将在2028年第二季度向学术机构开放雅典娜的「观察模式」，允许研究人员追踪AI的推理过程，但不提供修改能力。Hassabis表示：「透明度是建立信任的第一步。」