不知道大伙們聽說沒，百度他……登上 Nature 了。

就在幾天前，《 Nature 》正刊發表了一篇名叫《 Algorithm for Optimized mRNA Design Improves Stability and Immunogenicity 》的論文，論文里提出 mRNA 序列優化 AI 算法—— LinearDesign 。

說實話，第一時間看到這么多復雜的術語，再加上平常被“突破性成果們”給整得麻木了，差點就讓這選題溜過去了。

(資料圖)

但在我連夜肝完了論文，并咨詢了百度的老哥后，只想說：你厲害，我給你大拇哥。

因為憑借這篇論文，百度不僅成為了首個以第一完成單位的身份，正式登上《 Nature 》的中國科技公司，而且 Nature 的專家組們考慮“論文對新冠病毒的研究可能有重大突破”，還給了它頂級論文的待遇，直接就進 VIP 通道了。（被獲準成為 Accelerated Article Preview 加速發表論文。）

這讓日常擔任“百度小黑子”的網友們直呼：這怎么噴啊？

不過，話又說回來了，這樣一個優化 mRNA 序列的 AI 算法，怎么就為全人類做出重大貢獻了呢？

一切都還得從 mRNA 的最新發展說起。

在這次猝不及防的新冠疫情中， mRNA 可謂是臨危受命，大顯身手。

由于量產迅速、使用安全等特點， mRNA 疫苗被公認為是遏制 COVID-19 這種突發性病毒的可行工具之一。

但在為全球抗疫立下汗馬功勞的同時， mRNA 疫苗卻因為受限于 mRNA 分子本身的穩定性問題，飽受非議。

簡單來說，新冠的mRNA疫苗在體外、體內都呆不長。

這就意味著，不僅運輸過程中需要超低溫冷鏈技術，防止疫苗報廢；而且打完針之后也不敢保證長時間有效，為了安全，一年得打好幾次。

本來研發、運輸成本就高，對人體的保護時間還短，這樣的綜合成本對于很多國家來說，顯然不好接受。

不過一個新技術，出問題是正常的。那我們把 mRNA 優化一下，行不行呢？

答案是，非常困難。

mRNA疫苗優化問題的最大問題其實是：算不過來。

mRNA 這個東西非常特別。它是由堿基組成的，但是其中的有些堿基，叫做同義密碼子。

簡單來說，這些堿基發生變化，并不影響 mRNA 的功能。

所以一個 mRNA ，會有無數個兄弟姐妹，甲乙丙丁。

雖然功能一樣，但因為同義密碼子的差異，它們的“體質”也大不相同。

這一大家子中，就只有那么幾個mRNA不容易分解，是制作疫苗的“好苗子”。

就拿新冠病毒刺狀蛋白的mRNA 疫苗來說吧。

為了找到這些疫苗中的“尖子生”，科學家們可能得找 10⁸³²次，才能找到穩定性最好的新冠 mRNA 疫苗。

這種計算量，即使從宇宙誕生開始，每秒計算一個序列，到現在 138 億年了，可能還沒解決億萬分之一。

為了解決這個問題，不少機構都做出了努力。比如斯坦福大學就搭建了一個疫苗設計競賽平臺，讓人類設計者以參與游戲的方式設計穩定的 mRNA 序列。

德國科隆大學的研究人員也曾提出過一種對 mRNA 進行雙重化學修飾的策略。

可惜，效果都不是十分顯著。（相對這一次的成果而言）

但這一回，百度的科學家們脫穎而出，從簡便算法和高效工具這兩個點上，解決了這個超級難題。

在這多年的研究中，百度的科學家們發現了一個很神奇的現象，“尋找 mRNA 最優序列”的過程其實和“語音轉文字”很相近——兩者都是在排列組合。

找到最佳的 mRNA 序列，其實是 mRNA 中 4 種堿基的排列組合問題。

而語音轉文字，是拼音和對應讀音的文字一一配對的過程。

比如說， wo ai ni ，的每個拼音會對應不同的多音字。

wo 可以是：沃、我、窩……由此產生了窩矮膩、沃埃膩、我愛你等一系列的排列組合。

這就我們需要通過語法、邏輯等去判斷生成的文字準不準確；而 mRNA 的序列也有一些語法規則——就像某些特定的序列組合會具備什么樣的功能一樣。

所以語音轉文字的技術和 mRNA 尋找最佳序列的技術本質上是共通的。

巧了么， AI 已經把語音轉文字做得很好了，那么經過適配，自然也能無縫銜接到 mRNA 的計算中。

這也使得，科學家們可以將語音轉文字領域常用的“動態規劃算法”，用在 mRNA 的研究過程中以計算效率。

結果就是，好的計算工具—— AI ，加上高效的計算方法——動態規劃算法，雙管齊下之后，計算新冠疫苗最優 mRNA 序列的時間直接從無窮大縮短到最少 11 分鐘。

這么一來，工作量大大減少，即使個人的電腦都可以運行。簡直是苦逼生物研究員的福音。

而且，百度這次能登上頂刊，順便蹭上了加急通道的根源還在于，它是一個能立竿見影幫助我們研發新冠疫苗的成果。

和之前的各種停留在實驗室的成果不同，百度的這篇論文，不是一個概念上的突破，而是短時間內就能落地的成果。

并且，它不止能針對新冠，對于其他的 mRNA 疫苗的研發，也有很大幫助。

至于效果么，已經在新冠疫苗的研制中得到印證了。

在新冠 mRNA 疫苗的對照實驗中，對比市場上的新冠 mRNA 疫苗， LinearDesign 設計的疫苗序列的穩定性（存在的時間）最多提升 5 倍，蛋白質表達水平（在 48 小時內）最多提升 3 倍，抗體反應最多提升 128 倍。

前段時間，百度更是和全球四大疫苗巨頭之一的賽諾菲簽訂協議，將 LinearDesign 用于優化 mRNA 疫苗的設計研發。

而且根據百度專家的說法，這算法在普通的傳染性疫苗研制，甚至是癌癥相關藥物的研發中，也能起到一定的作用。

加速研發過程、降低成本，可以說對整個藥物研發圈兒，都是很有意義的一件事兒。

當然更重要的是，除了疫苗領域之外，這篇論文還讓人看到了一種趨勢，那就是：AI 和多學科的結合，正在大大拓展科學的邊界。

無論是用 AI 發現超級抗生素 Halicin ，還是用 AlphaFold 預測蛋白質結構，或者是這次百度的 LinearDesign 。

都像這次論文的主要作者張鶴所說的那樣：一座意想不到的橋梁，將兩個乍一看沒有明顯相似之處的研究領域聯系起來。

那些科技圈兒的難題、目前無法到達的禁地，在未來可能也會一一用類似的方式被解決，被一座座橋梁所打通。

所以建議是繼續吃瓜等著吧，因為類似的“爆炸性成果”在不久未來，可能會像家常便飯那樣，越來越多。