不知道大伙们听说没，百度他……登上 Nature 了。

就在几天前，《 Nature 》正刊发表了一篇名叫《 Algorithm for Optimized mRNA Design Improves Stability and Immunogenicity 》的论文，论文里提出 mRNA 序列优化 AI 算法—— LinearDesign 。

说实话，第一时间看到这么多复杂的术语，再加上平常被“突破性成果们”给整得麻木了，差点就让这选题溜过去了。

(相关资料图)

但在我连夜肝完了论文，并咨询了百度的老哥后，只想说：你厉害，我给你大拇哥。

因为凭借这篇论文，百度不仅成为了首个以第一完成单位的身份，正式登上《 Nature 》的中国科技公司，而且 Nature 的专家组们考虑“论文对新冠病毒的研究可能有重大突破”，还给了它顶级论文的待遇，直接就进 VIP 通道了。（被获准成为 Accelerated Article Preview 加速发表论文。）

这让日常担任“百度小黑子”的网友们直呼：这怎么喷啊？

不过，话又说回来了，这样一个优化 mRNA 序列的 AI 算法，怎么就为全人类做出重大贡献了呢？

一切都还得从 mRNA 的最新发展说起。

在这次猝不及防的新冠疫情中， mRNA 可谓是临危受命，大显身手。

由于量产迅速、使用安全等特点， mRNA 疫苗被公认为是遏制 COVID-19 这种突发性病毒的可行工具之一。

但在为全球抗疫立下汗马功劳的同时， mRNA 疫苗却因为受限于 mRNA 分子本身的稳定性问题，饱受非议。

简单来说，新冠的mRNA疫苗在体外、体内都呆不长。

这就意味着，不仅运输过程中需要超低温冷链技术，防止疫苗报废；而且打完针之后也不敢保证长时间有效，为了安全，一年得打好几次。

本来研发、运输成本就高，对人体的保护时间还短，这样的综合成本对于很多国家来说，显然不好接受。

不过一个新技术，出问题是正常的。那我们把 mRNA 优化一下，行不行呢？

答案是，非常困难。

mRNA疫苗优化问题的最大问题其实是：算不过来。

mRNA 这个东西非常特别。它是由碱基组成的，但是其中的有些碱基，叫做同义密码子。

简单来说，这些碱基发生变化，并不影响 mRNA 的功能。

所以一个 mRNA ，会有无数个兄弟姐妹，甲乙丙丁。

虽然功能一样，但因为同义密码子的差异，它们的“体质”也大不相同。

这一大家子中，就只有那么几个mRNA不容易分解，是制作疫苗的“好苗子”。

就拿新冠病毒刺状蛋白的mRNA 疫苗来说吧。

为了找到这些疫苗中的“尖子生”，科学家们可能得找 10⁸³²次，才能找到稳定性最好的新冠 mRNA 疫苗。

这种计算量，即使从宇宙诞生开始，每秒计算一个序列，到现在 138 亿年了，可能还没解决亿万分之一。

为了解决这个问题，不少机构都做出了努力。比如斯坦福大学就搭建了一个疫苗设计竞赛平台，让人类设计者以参与游戏的方式设计稳定的 mRNA 序列。

德国科隆大学的研究人员也曾提出过一种对 mRNA 进行双重化学修饰的策略。

可惜，效果都不是十分显著。（相对这一次的成果而言）

但这一回，百度的科学家们脱颖而出，从简便算法和高效工具这两个点上，解决了这个超级难题。

在这多年的研究中，百度的科学家们发现了一个很神奇的现象，“寻找 mRNA 最优序列”的过程其实和“语音转文字”很相近——两者都是在排列组合。

找到最佳的 mRNA 序列，其实是 mRNA 中 4 种碱基的排列组合问题。

而语音转文字，是拼音和对应读音的文字一一配对的过程。

比如说， wo ai ni ，的每个拼音会对应不同的多音字。

wo 可以是：沃、我、窝……由此产生了窝矮腻、沃埃腻、我爱你等一系列的排列组合。

这就我们需要通过语法、逻辑等去判断生成的文字准不准确；而 mRNA 的序列也有一些语法规则——就像某些特定的序列组合会具备什么样的功能一样。

所以语音转文字的技术和 mRNA 寻找最佳序列的技术本质上是共通的。

巧了么， AI 已经把语音转文字做得很好了，那么经过适配，自然也能无缝衔接到 mRNA 的计算中。

这也使得，科学家们可以将语音转文字领域常用的“动态规划算法”，用在 mRNA 的研究过程中以计算效率。

结果就是，好的计算工具—— AI ，加上高效的计算方法——动态规划算法，双管齐下之后，计算新冠疫苗最优 mRNA 序列的时间直接从无穷大缩短到最少 11 分钟。

这么一来，工作量大大减少，即使个人的电脑都可以运行。简直是苦逼生物研究员的福音。

而且，百度这次能登上顶刊，顺便蹭上了加急通道的根源还在于，它是一个能立竿见影帮助我们研发新冠疫苗的成果。

和之前的各种停留在实验室的成果不同，百度的这篇论文，不是一个概念上的突破，而是短时间内就能落地的成果。

并且，它不止能针对新冠，对于其他的 mRNA 疫苗的研发，也有很大帮助。

至于效果么，已经在新冠疫苗的研制中得到印证了。

在新冠 mRNA 疫苗的对照实验中，对比市场上的新冠 mRNA 疫苗， LinearDesign 设计的疫苗序列的稳定性（存在的时间）最多提升 5 倍，蛋白质表达水平（在 48 小时内）最多提升 3 倍，抗体反应最多提升 128 倍。

前段时间，百度更是和全球四大疫苗巨头之一的赛诺菲签订协议，将 LinearDesign 用于优化 mRNA 疫苗的设计研发。

而且根据百度专家的说法，这算法在普通的传染性疫苗研制，甚至是癌症相关药物的研发中，也能起到一定的作用。

加速研发过程、降低成本，可以说对整个药物研发圈儿，都是很有意义的一件事儿。

当然更重要的是，除了疫苗领域之外，这篇论文还让人看到了一种趋势，那就是：AI 和多学科的结合，正在大大拓展科学的边界。

无论是用 AI 发现超级抗生素 Halicin ，还是用 AlphaFold 预测蛋白质结构，或者是这次百度的 LinearDesign 。

都像这次论文的主要作者张鹤所说的那样：一座意想不到的桥梁，将两个乍一看没有明显相似之处的研究领域联系起来。

那些科技圈儿的难题、目前无法到达的禁地，在未来可能也会一一用类似的方式被解决，被一座座桥梁所打通。

所以建议是继续吃瓜等着吧，因为类似的“爆炸性成果”在不久未来，可能会像家常便饭那样，越来越多。