Janice
N-1 Life创始人：
AlphaFold2出现就一骑绝尘，把其他对手都甩在了后面。我觉得对大家是一种彻底震惊的感觉，完全没有想到AlphaFold2已经可以达到这样一个高度。
John Jumper
DeepMind人工智能实验室总监：
十年后，AlphaFold将被视为打开机器学习洪流的时刻，它将真正改变我们对结构生物学和更广泛的生物学问题的思考方式。
车兴
YDS Pharmatech创始人兼CEO：
所有AI在制药领域应用的最大障碍，还是对实验需求和对科学问题的理解。
因为我们领域没有开发自己新的架构，这些LM、Transformer、 Diffusion 其实都是NLP、 CV等领域开发出来的，最终应用取决于我们要在实验上达到的目标，再去配合合适的技术来实现。
Demis Hassabis
谷歌DeepMind首席执行官：
我认为AlphaFold是我们迄今为止构建的最复杂且可能最有意义的系统，我们建立AlphaGo和Alpha Zero的初衷，就是为通用学习系统奠定基础，并将其应用于现实世界的挑战，我热衷于科学挑战，比如蛋白质折叠，而AlphaFold当然是我们在这方面的第一个重要成果。
Randy Schekman
2013年诺贝尔生理学或医学奖得主：
它会对传统研究产生颠覆性的影响，但进步的本质就是颠覆，所以这并不可怕。相反，我们需要拥抱这种创新。
AlphaFold的影响是巨大的，唯一的限制就在于人的想象力——如何实现它、如何部署它。
但我并不认为从此我们就不需要做实验，实验仍然是推动科学进步的基础，但AlphaFold肯定会帮助我们更好地所有生成的数据。
Janice
N-1 Life创始人：
ESMFold在早期的时候有非常多的优点，比如计算速度比较快。另外，它的数据库早期非常开源。
车兴
YDS Pharmatech创始人兼CEO：
David Baker组之前出过很多Diffusion做蛋白设计的，对于计算领域来说特别ground breaking（开创性的）。
因为以前计算领域没有这些工具，现在不但有了，还能有一定的成功率，所以我们都认为非常好。
Randy Schekman
2013年诺贝尔生理学或医学奖得主：
这尤其体现在David Baker取得进展的领域：他正在使用人工智能设计自然界中从未存在过的蛋白质，通过设计它们来催化制药行业。
之前，但这些反应通常效率低下且涉及有毒物质，而通过设计蛋白质来催化这些反应，或者设计用于疫苗研发的新分子，或应用于药物开发的新药分子。
这种基于人工智能算法的设计原则，在生产蛋白质或其他分子中的应用，无疑是未来的发展方向，其重要性将不断提高。
Janice
N-1 Life创始人：
因为David Baker团队是科学家而非工程师出身，所以模型里面融入的生物学的理解和对于结构的理解是更深入的。
这是独一无二的，而且可能是全世界最好的。
Janice
N-1 Life创始人：
RoseTTAFold甚至可以在普通的GPU上进行计算，但是AlphaFold必须用最好的A100来做。
Janice
N-1 Life创始人：
现在在斯坦福的一些实验室里面还保留着当时的计算机——特别大，而且都是本地的计算机，实验室里有谁需要用这个工具，都只能去那个特定的计算机去尝试。所以是当时那个时代非常先进的成果。
Janice
N-1 Life创始人：
AlphaFold出现是一个很重要、划时代的分水岭，这个时候大家就开始把所有很相对成熟很多的这些 AI 的工具用到生物医药里面。
它不仅仅是堆叠各种数据，尝试在数据里面去找到它的规律，而更多的是有预测性的功能，所以从2020年开始一直到现在，其实时间并不长，但是现在模型迭代非常快，进入了AI助力生命医学和药物发现的新时代。
Janice
N-1 Life创始人：
这时候人就已经跟不上机器的速度。对于科学家来讲，现在我们要尝试去理解并不是每个环节都要有结论，因为就算有结论也不一定是正确的，在化学生物界很难去证实，大家都是在不断的证伪，产生了很多假设。
这些假设将引导我们走向不同的研究方向，但有时设计的药物、采取的途径可能并不正确，这也是生物医药领域之所以困难的原因之一。
在这种情况下，AI可以不用管中间的过程、直接为我们提供一个结果，而且准确率正不断提升，所以我觉得完全是一个新时代。
Janice
N-1 Life创始人：
Alphafold 1的时候，用的还是传统的解题思路，但是AlphaFold 2就跳过了这一块，直接去用深度神经网络预测了蛋白质的结构。
在蛋白质预测领域，除了谷歌外还有其他公司也在构建类似的大型模型。例如Meta的ESM Fold、David Baker团队的Rosetta Fold都是竞争对手。
然而到了AlphaFold 3的时代，其准确度已经远远超过了其他模型，所以谷歌给到的那么多资源支持，确实让他们在领域内领先了。
车兴
YDS Pharmatech创始人兼CEO：
在ChatGPT出来前，我们探索了纯用RL和基于图的方法，发现成功率较低，且计算成本比较高。
后来ChatGPT太成功了，吸引了大家的注意。加上我们之前尝试的其他技术路径，都存在一些不尽如人意的地方。
我们的AI案例主要关注自然语言处理（NLP），在了解ChatGPT的方法后，我们就能够更好地应用它，这也是我们技术传承和积累的结果。
Randy Schekman
2013年诺贝尔生理学或医学奖得主：
AI正被用于评估当前生成的大量数据，这还只是开始，因此其中蕴藏着许多机会。
张璐
Fusion Fund创始合伙人：
人类社会产生的数据大约30%是与医疗保健相关的，在这30%的数据中，目前只有5%得到了有价值的分析。
这就像一个尚未开发的金矿，我们还没挖掘出它的真正价值。现在，人们终于开始尝试学习并应用新技术，吸引最优秀的人才和资源，推动不同的创新，这些创新会涉及到计算生物学、数字生物学和合成生物学。
| 通信人家园 (https://www.txrjy.com/) | Powered by C114 |