【2026 Science x AI Summit 系列演讲切片第九期—兰迪·谢克曼（Randy Schekman）】

在2026 Science x AI Summit上，2013年诺贝尔生理学或医学奖得主兰迪·谢克曼（Randy Schekman）系统阐述了蛋白质折叠研究从实验科学迈向AI驱动的历史路径。

他指出：没有经过严格实验验证的高质量数据，任何AI模型都无法产生可靠的结构预测，而AI的突破性进展，本质上是数十年实验数据积累的必然结果。

谢克曼回顾了结构生物学的关键里程碑：1950年代Frederick Sanger完成胰岛素测序，1960年Max Peruz与John Kendrew利用X射线晶体学解出血红蛋白三维结构，以及Levinthal悖论对随机搜索无效性的理论揭示。这些工作共同确立了“实验验证优先”的基本原则。

此后数十年，全球科学家通过X射线晶体学、核磁共振和冷冻电镜，逐一解析数万种蛋白质结构，汇聚成蛋白质数据库（PDB）。两年一度的CASP竞赛为算法提供了公平、严格的验证平台。

转折点出现在2020年：DeepMind开发的AlphaFold2在CASP中预测精度接近实验分辨率，2021年更发布了超过两亿五千万个蛋白质的预测结构。谢克曼强调，这一成就完全依赖于数十年积累的公开实验数据库。没有验证，就没有预测。

与此同时，David Baker团队利用Rosetta及RF Diffusion算法，不仅预测天然结构，更能从头设计自然界不存在的新型蛋白质，应用于高亲和力抗体与超高效催化酶等领域。2024年，诺贝尔化学奖授予了Baker，以表彰他在蛋白质计算设计与结构预测方面的开创性贡献。

谢克曼最后指出：无论是数学定理的形式化证明，还是蛋白质结构的实验解析，可信智能的基础永远是“可验证的事实”。

这一理念与SAIR基金会“验证优先”的使命高度契合，无论是数学定理的形式化证明，还是蛋白质结构的实验解析，科学进步的根基都在于可追溯、可重复的验证体系。

“蛋白质结构的预测不取决于算力的堆砌，而取决于每一个原子位置能否被实验验证所校准。”——SAIR，与思考者同行。

#AI##AIforscience##SAIR##AG##人工智能 ##AGI ##SAIRFoundation##科学##科研##诺贝尔奖# http://t.cn/AXXYoGn3