【教發中心提供】中山大學辦理諾貝爾獎系列科普講座，邀請各界專家分享今年諾貝爾諾貝爾生醫學、物理學、化學、文學、經濟學、及和平獎之獲獎主題，讓學生們對學術界的最新發現能有更多理解。中山大學理學院邀請國立臺灣大學化學系名譽教授、中研院院士牟中原分享「人工智慧蛋白質設計與癌症治療：2024 諾貝爾化學獎的啟示」，聚焦諾貝爾獎化學領域，剖析人工智慧的發展進程，解說AlphaFold與RoseTTAFold人工智慧模型如何建構、改良並成功預測蛋白質三維結構，成為生物功能機制、藥物開發等研究的重要助力，現場吸引170名師生到場聆聽。

牟中原以人工智慧發展的歷史和概念為開場，由解決蛋白質結構預測難題而舉辦的CASP（Critical Assessment of Techniques for Protein Structure Prediction）競賽，帶出2020年CASP14獲獎的AlphaFold模型，以及2021年CASP15獲獎之RoseTTAFold模型。接著，介紹2024諾貝爾化學獎的三位得主，分別為研發AlphaFold模型的John M. Jumper、Demis Hassabis，以及研發RoseTTAFold模型的David Baker。

牟中原深入淺出地說明John M. Jumper及Demis Hassabis如何運用AlphaFold的人工智慧技術取得目標蛋白的完整胺基酸序列，進而與同源蛋白的比對序列（aligned sequence）組成多重比對序列（multiple sequence alignment, MSA），並以此序列直接預測蛋白質的整體結構，突破過去的知識與技術門檻。同時，他亦分析華盛頓大學David Baker團隊開發的RoseTTAFold模型，講解該模型運作模式，比對分析與AlphaFold模型之間的相似與相異之處，點出人工智慧模型在蛋白質結構預測的革命性發展及未來可能的延伸方向。

他接續舉AI技術融合醫學領域的案例，並回溯70年代開始在熱力學方面的蛋白質折疊研究，指出複雜深厚的經典蛋白質折疊問題。牟中原提出，在生命科學研究進入「後AlphaFold時代」的現在，AI科技已經能夠應用結晶法或冷凍電顯（CryoEM）取得結構圖譜資訊，深入揭示細胞內影響蛋白質折疊的因素，進而探索蛋白質折疊背後的物理化學原理，並重新審視細胞結構，更有效地治療和蛋白質折疊異常相關的疾病，AI科技的導入著實成為醫療科技領域研究的一大突破。

本次講座回顧了AI與生命科學交叉的歷史脈絡，並展望未來應用場景，為現場師生提供了從學術理論到實務應用的全景式視野，深化了與會者對AI與蛋白質研究的認識。牟中原提出AI目前的技術挑戰，激勵新一代學子肩負起解決科學難題的使命，並以AI科技為輔助，開拓生命科學與醫療研究的新局面。他也鼓勵學生以多元視角探索科學未知，結合自身學識與AI科技，推動未來研究發展。

（公共事務組編修）