五戰蛋白質結構預測風向標CASP，南開大學鄭偉：競爭性與難度提升，關注實際生物問題

生物信息學的特點是入門很快，但中間的積累過程漫長

原標題：五戰蛋白質結構預測風向標CASP，南開大學鄭偉：競爭性與難度提升，關注實際生物問題
文章來源：HyperAI超神經
內容字數：10674字

南開大學鄭偉教授：解讀CASP賽事與AI for Science發展趨勢

本文總結了南開大學鄭偉教授在蛋白質結構預測領域，特別是關于CASP國際大賽的經驗和對AI for Science發展趨勢的解讀。文章基于HyperAI超神經對鄭偉教授的深度訪談，內容涵蓋了其參賽歷程、對AlphaFold系列算法的評價，以及對CASP賽事發展趨勢和AI for Science人才培養的思考。

1. CASP賽事參與及AlphaFold的沖擊

   鄭偉教授先后五次參加CASP競賽，從最初的結構優化到后來的結構預測，見證了AlphaFold的崛起。他回憶道，AlphaFold 2的出現遠超預期，其成功在于整合了學術界成果并投入大量資源進行模型訓練。CASP15被認為是“后AlphaFold 2時代”的開端，參賽隊伍數量大幅增加，競爭更加激烈。

2. CASP16：難度升級與團隊策略

   CASP16的競爭更加激烈，參賽隊伍數量創歷史新高，題目設置也更貼近實際生物學問題，難度有所提升。鄭偉教授團隊在多個賽道中取得優異成績，值得注意的是，他們選擇“堅守本源”，沒有使用AlphaFold 3，最終在多個賽道中取得了領先地位，展現了團隊實力和自信。

3. CASP賽事反映的行業趨勢

   鄭偉教授指出，CASP賽題的設計并非隨意決定，而是反映了計算結構生物學領域的熱點問題和亟待解決的挑戰。近年來，CASP賽事的難度不斷提升，題目類型更加廣泛，這與蛋白質結構預測精度提升以及行業需求更加清晰有關。CASP賽事推動了蛋白質結構預測領域從單體結構預測向蛋白質復合物、蛋白質變構等更復雜問題的研究轉變。

4. AI for Science人才培養與發展

   鄭偉教授分享了AI for Science領域人才的成長路徑，強調“厚積薄發”的重要性。他認為生物信息學入門容易，但需要長期積累。AI for Science需要跨學科背景，既要理解研究領域的痛點，也要掌握AI技術。他提倡“干濕結合”，即AI研究人員與生物學家合作，互相提供信息，才能更好地解決實際問題。

5. 團隊合作與未來展望

   鄭偉教授團隊在CASP16中采用分散式策略，參與多個賽道，體現了團隊合作精神。他強調需要更多賽道和方向，讓團隊成員結合興趣點進行合作，才能促進領域發展。未來，他們將繼續在生物信息學領域深耕，期待取得更大突破。

聯系作者

文章來源：HyperAI超神經
作者微信：
作者簡介：解構技術先進性與普適性，報道更前沿的 AIforScience 案例