AI医疗设计蛋白质的发展历程中，GPT大模型碾压人类的关键拐点，是上海交大洪亮团队利用GPT大模型成功设计出耐高温蛋白。这一成果标志着以GPT为代表的大模型在蛋白质设计领域完全超越了人类专家，成为AI医疗发展史上的里程碑。
蛋白质设计的进化之路
蛋白质设计早期依赖物理力场模拟（如Rosetta），通过计算分子间的能量来预测蛋白质结构，但效率低、成功率有限。2021年，AlphaFold 2解决了蛋白质结构预测问题，精度与实验相当，但主要用于“预测”而非“设计”。真正改变游戏规则的是GPT类大模型，它们将蛋白质设计从“预测”推向“生成式创造”。
GPT大模型如何实现碾压
上海交大洪亮团队利用深海蛋白（耐高温）数据训练大模型，AI能轻松设计出具备耐高温的目标蛋白。关键在于，AI的蛋白质设计逻辑与人类完全不同：人类经验总结的是低维特征，往往只有相关性而无因果性；而GPT大模型提取高维向量，能抓住更本质的因素。例如，AI找到的某些优化点位违背人类直觉，却仍能显著提高蛋白质稳定性。这种反直觉能力，正是大模型碾压人类的体现。
常见问题
为什么说这是关键拐点而非AlphaFold 2？
AlphaFold 2解决了“预测结构”问题，但GPT大模型实现了“生成式设计”——直接从序列出发创造自然界不存在的、具备特定功能的蛋白质。后者才是真正意义上的蛋白质工程突破，且成本更低、精度更高。
AI设计的蛋白质与天然蛋白质有何不同？
AI可以创造**与自然界蛋白质序列相似度低于30%**的新蛋白，但具备类似功能。这在工业或医药应用（如耐高温、高稳定性）中极具价值，天然蛋白质经过自然选择已优化，但未必适合人工环境。
其他AI制药领域也达到这一水平吗？
目前AI在药物发现上的作用仍局限于速度和成本，而非决策质量。蛋白质设计之所以率先突破，是因为该领域数据积累更充分、反馈更直接，而小分子药物研发受制于生物系统的复杂性和漫长的临床验证周期。