生命的基本构件是串在线上的珠子，而不是整条蛋白质

Lex Fridman 开场就引用了高中课本的口号：蛋白质，以及构成蛋白质的氨基酸，是生命的基本构件。Dmitry Korkin 是伍斯特理工学院的生物信息学和计算生物学教授，他的回答是对，也不全对。蛋白质是承担细胞重要功能的生物单位。不过，如果把不同物种、不同界的蛋白质放在一起比较，它们就不再像单个的小球了。他把这种情况称为模块化的复杂性。

一条普通的蛋白质由好几个结构单元串在一起。他让你想象一串珠子：每一颗珠子都是一个蛋白质域。他说，过去二十年里，科学家越来越相信，真正干活的单位是蛋白质域。许多蛋白质有不止一种功能，而这些功能往往正是由这些珠子承担的。进化会打乱这些珠子的顺序，项链的样子只是它们碰巧被串成的方式。

流行文化几乎从不这样讲，Korkin 认为原因在于历史惯性。早期的结构多来自小蛋白质，而小蛋白质往往只有一个结构域，于是“蛋白质”就等同于球状分子。X 射线晶体学和核磁共振光谱把这幅图景固定了下来。直到电子显微镜能够分辨大得多的分子机器，组装起来的真相才变得显而易见。Fridman 开了一个“乌龟垫到底”的玩笑；Korkin 仍然认为，最干净的层级式模块，是那种可以重新组合成复杂功能的单元，而这个单元就是蛋白质域。

最早的一批 SARS-CoV-2 实验结构之一，是刺突蛋白的冷冻电镜图，由于成像技术刚刚取得飞跃，解析速度异常之快。复杂性并不止于单条链。刺突蛋白在发挥功能前必须形成三聚体，也就是三个相同的蛋白质拷贝耦合在一起。Korkin 说，从顶部看，它是一个完美的三角形。相比之下，血红蛋白是一种更混合的复合体：四个亚基，两两相似，这暗示它可能曾经是四个相同的拷贝，后来分化出了不同的功能。

他的实验室一直在试图解码病毒蛋白质组中的每一种蛋白质，而刺突蛋白是“极其具有挑战性的蛋白质”。冷冻电镜大约能重建其中三分之二。其余部分埋在病毒包膜里，被不稳定的结构包围，并与它所附着的东西在化学上纠缠在一起。真正起作用的一端是受体结合域（RBD），它需要打开，才能与人体的 ACE2 受体结合。三个拷贝并不同步运动。通常，只有一条臂会抬起来，做好准备。

与 Korkin 合作的马萨诸塞大学医学院的一个团队，由 Jeremy Luban 领导，他们解析了一种突变的刺突蛋白，发现不止一条臂会打开，两条臂同时抬起的频率大幅上升。Fridman 笑说，要是拿恋爱来打比方，这还只是第一次约会。两条臂意味着两次结合的机会。与 ACE2 的第一次抓握是整个进入过程的触发点，这也是为什么单个抬起结构域的力学机制，位于疫苗和药物设计的起点。

抗体和新闻标题都盯着刺突蛋白。Korkin 却一直指向包膜。一个病毒颗粒由四种结构蛋白组成。刺突是三聚体，每个颗粒大约有 50 到 90 个拷贝。包膜蛋白（E）是五聚体，每个颗粒或许有两三个复合体。M 蛋白即膜蛋白，形成二聚体和格子结构；每个颗粒大约有上千个这样的二聚体，它们构成了外壳的大部分。N 蛋白即核衣壳蛋白，位于内部，像屏障一样包裹着 RNA。他说，直到最近低分辨率的电子显微镜出现之前，人们几乎不知道内部核心是怎样组织的。

他的团队在之前六个月里一直在模拟 M 二聚体如何自组装成网格。一个椭球形外壳不会从完全随机的堆叠中生长出来。必须有某种规律，某种二聚体相互连接的定向方式，而这套规则目前还没有完全弄清楚。“如果你能摧毁外壳，实际上就等于摧毁了病毒颗粒本身。”在他看来，能够结合 M 二聚体并破坏这种格子结构的小分子，是一个有前景的方向，因为它们攻击的是颗粒本身，而不是它的某一扇门；这并不是因为它们时髦。

Fridman 借用了网络安全的类比：外壳是不是最好的攻击入口？Korkin 说，有希望，但仍有大量研究要做，攻击面也更大。进化上的论证更清晰。从他们的分析看，M 比刺突更稳定。稳定意味着它是更静止的靶标，不会发生剧烈的演化。刺突是显眼的门，守卫森严，而且变化很快；M 则更像承重墙。进化上保守的靶标，病毒就更难通过突变摆脱它。

在 Korkin 看来，来自英国和南非的新闻，只是病毒进化的常规过程。突变正是这些病毒跨物种跳跃的方式。这种冠状病毒此前已经出现过从人传到狗、再从狗传回来的情况。每一次跳跃都会因为新宿主的环境而积累突变，而没有人知道，一旦病毒回到人身上，这些变化究竟是中性的，还是更糟。变化总是让人有点不安。他并不特别担心疫苗接种已经在引发军备竞赛。到 2021 年初，几乎没有证据显示疫苗周围出现了剧烈的突变，不过季节性流感提醒我们，这类竞赛确实存在。

他想做的研究计划是进化性的：研究物种跳跃、疫苗抗性、耐药性的机制，希望能预测这些痕迹。Fridman 提出一个直白的工程学问题：如果通过突变强化这种冠状病毒的某个部件，哪个部件会让它更擅长自己的工作？Korkin 的简短回答是，我们还不知道。变得更高效的能力是真实存在的。

他把病毒看作一台执行许多功能的机器，其中大多数功能接近完美，但没有一个是十全十美的。刺突与受体的结合就是一个明显的例子。这种病毒是否已经达到了那次“握手”的效率，还是存在某个尚未发现的突变，可以让这种抓握更牢固？每种蛋白质都有其存在的理由。有些突变会增强某种功能，有些则会破坏它。这个开放的优化空间，正是一台接近完美的机器仍然拥有的余地。

Fridman 把镜头拉远，提到 2010 年发表在《自然》上的一篇论文，论文讨论的是“蛋白质宇宙的持续扩张”：从一个共同祖先出发，历经 35 亿年，数百万种蛋白质仍在演化。如果 Korkin 要为这个故事选一个关键词，那就是模块化。蛋白质不再只是一串字母。它们具有层级式的复杂性，这种复杂性一直可以追溯到基因和核苷酸序列。蛋白质域不仅是功能上的构件，也是进化上的构件。一旦发现结构稳定、功能清晰的蛋白质域，它往往就会被保留下来。

这就是为什么跨蛋白质的比较会点亮相似的片段，也就是各个结构域家族。突变仍然会在一个家族内部使功能多样化。而很少见到的情况是，进化把一个蛋白质域一分为二。把蛋白质域拆开，就会抵消甚至破坏它的功能，这对细胞来说是一笔糟糕的买卖。结构域之间是连接子（linker），也就是柔性的片段，而它们的研究要少得多。短的连接子把两个结构域牢牢钉在一起；长的连接子则让它们能在空间中重新排列。由于连接子能适应多种形状，它是蛋白质与蛋白质相互作用的好界面，而且它按照不同的规则演化：它不必保持特定的折叠。

在这之上，是他的实验室十年来一直着迷的东西：可变剪接（alternative splicing）。教科书上的公式“一个基因，一种蛋白质”，在复杂的真核生物中失效了。一个基因由外显子（exon）被内含子（intron）隔开组成；内含子被切掉，外显子被拼接在一起，有时某个外显子会被丢弃或替换。这样产生的是功能不同、且有活性的蛋白质。这个过程并不是随机的。RNA 测序和单细胞测序显示，剪接是对疾病或发育阶段的动态反应。外显子的边界常常与蛋白质域的边界重合。基因机器和蛋白质机器是耦合在一起的。Korkin 说，如果它们不是这样，那才奇怪呢。

Fridman 绕到计算机科学上，谈到 Quine（一种只负责打印自己源代码的程序），这个名字是 Douglas Hofstadter 起的。Korkin 笑着说，这曾是信息学奥林匹克竞赛中的一道门槛：你不会写一个 Quine，就算不上认真。后来竞赛变成了比谁的代码更短，于是人们就去 Code Golf 这样的网站上，看别人用古怪的语言解一道天气相关的题目。Fridman 想要的是更大的版本：真正的程序相遇、突变、复制，形成一个生态，它们不只是把进化算法当作搜索工具。这样的生态，你没法像关掉今天的机器学习任务那样把它关掉。

Korkin 没有回避。他认为没有理由说这种事不可能发生。这将是智能体（agent）研究的自然演化，即独立的代码片段，它们运行、相互作用、交换信息。Fridman 觉得这种可能性既强大又可怕：机器人在社交网络的大海里与人类一起演化，先从数字空间开始。他还喜欢实体版本，比如哈佛和宾大的机器人实验室，其根本任务是：给一个机器人额外的材料，它就能造出自己的副本；或者让机器人用彼此的副本搭建一座桥。

把突变加进这种自组装里，精神上就与蛋白质早已走过的那条路相同：从一个起始的基本单元，走向奇异的复杂性。Korkin 说，算法的零部件已经有了，尽管通常的目标仍然是优化搜索：重组用来实现全局跳跃，突变用来做精细调整。他推荐黏菌算法（slime mold algorithm），由一个日本研究团队提出，能解决一些相当困难的问题。神经网络只是对自然的一种非常粗糙的借用。免疫系统，以及它与大脑之间的相互作用，是我们几乎还没放进模型里的调味料。

Fridman 刚刚给德雷克方程（Drake equation）中“生命在适居行星上出现”这一项估了一个 1% 的数字，他想听听 Korkin 的直觉。Korkin 提到 2018 年《自然》上的一篇论文：在彗星尘埃中发现了甘氨酸（glycine），它是构成蛋白质的二十种氨基酸之一。生命的原料并不稀缺，这很令人兴奋。但这并不能说明外星生命是否也由蛋白质构成。RNA 病毒本身就是一类已经得到充分确认的分子机器。原材料并不等于能自我复制的系统。

直觉上，他会把这个概率估得低于 1%，但他也提醒，自己并不是做这类估算的合适人选。地球在很多方面都做对了，却并不完美。他提出稀有地球假说（Rare Earth hypothesis）作为对德雷克方程的反驳：地球的条件，比如对小行星的屏蔽、与太阳的距离、水和陆地的平衡，可能特殊到在银河系中独一无二，甚至在整个宇宙中都接近独一无二，而且这些条件可能都是必不可少的。要在别处重建这些条件，会非常困难。

他的科学习惯是警惕两个极端。现实几乎从来不会落在两极。“我们大概处于两者之间。所以不算独一无二，也不算到处都是，不过机会依然相当小。”Fridman 提出另一个极端：生命极其普遍，我们就像蚂蚁，却坚信自己的蚁群就是整个宇宙，无法识别那些看起来不像我们的形态。Korkin 仍希望能找到些什么：比如金星大气中可能存在的迹象、火星上已灭绝的生命、木卫二冰层下的海洋。即使只是一个单细胞，如果它在某些根本方面与我们不同，也会是一个转折点。那将是一个有力的论断，说明生命无处不在。

这段个人经历始于 2000 年，当时 Korkin 还是加拿大的博士生，正在构建一种用于符号机器学习的语言，并想把它用在化学信息学和计算机辅助药物设计上。他受过应用数学家的训练。化学对他来说是一片新领域，于是他泡在 CCL（Computational Chemistry List，计算化学列表）上，那是 Facebook 出现之前的一个公告板，他在上面提出了很多问题，其中不少很傻。一天夜里，他发了一条类似求助的帖子，请一位化学家给些建议，解释了他的形式体系和计划中的应用，然后就去睡觉了。

第二天早上，他的导师打来电话：你绝对猜不到是谁回复了。Joshua Lederberg。Korkin 的第一反应是：谁？Lederberg 在 33 岁时，凭借证明细菌可以交配并交换基因，获得了 1958 年的诺贝尔生理学或医学奖。他还帮助 NASA 思考火星上的生命问题。1960 年代，他领导了 DENDRAL，这是一个专家系统，它接收质谱碎片和一个可能分子的库，尝试重构整个分子，最终给出一份候选列表，供化学家判断。最初的雄心是把整个循环都自动化。Lederberg 的回复说，这些想法在概念上很相似，你去查一下。后来，Korkin 去洛克菲勒大学做博后，部分原因就是想见他一面，他确实见到了，只是在研究园区和高楼之间的一座小桥上短暂地聊了几句。Lederberg 于 2008 年去世。

为什么专家系统会淡出，尤其是在一个充满人类专业知识的领域？Korkin 在最初的两堂课上讲了 AI 的历史，并给出了两种标准说法。一种是：它们没有达到预期，于是被取代了。另一种是他更喜欢的：它们太好用了，变得家喻户晓，并不断转化，直到名字消失了，而东西还留着。现代机器学习仍在回响着它们的声音。包括 AlphaFold 在内的成功算法，都是通过在方法中内置所研究领域的知识来起作用的。把专家经验编码进方法里，是同一个想法，只是换了个名字。

DeepMind 刚刚宣布，AlphaFold 2 在引号中“解决”了蛋白质折叠问题。Korkin 称这是一项非常令人兴奋的成就，然后把它放回了正确的记分牌上。生物信息学也有自己的奥运会。最初的赛事是 CASP（蛋白质结构预测关键评估）：实验学家解析结构，把它们从蛋白质数据库（Protein Data Bank）中隐藏起来，只公布序列，然后社区根据隐藏的答案预测坐标。其他项目涵盖功能、突变效应和相互作用。历史上，领先的团队融合了先进的生物物理学、生物信息学和数据挖掘，而不是机器学习。同源建模是较容易的情况，即已经存在一个近亲的结构；而没有近亲时的从头预测（de novo）则是难题。

AlphaFold 首次亮相时，它的表现远超其他所有人，在社区内掀起了一阵冲击波。其机器学习核心预测的是接触图（contact map），即链的哪些部分彼此靠近，有了这样的距离矩阵，重建就更直接了。AlphaFold 2 又带来了另一波冲击，其中包括过去属于特征工程的进化信息：把同一种蛋白质与数十万个已测序的生物体进行比对，看看哪些部分保守，因而在结构上很重要，再把这种信号融入学习之中。谈话的时候，还没有任何生物学论文，只有一篇来自营销团队的博客文章。Korkin 说，读它有点像在解读经文。

预测终点，并不等于知道机制。折叠极快，几乎总是得到同样的结果，而且在链还从核糖体上出来的时候就已经开始。一种假说是模块化的：各个结构域独立折叠，然后再组装，其中形成了二级结构元件，比如 α 螺旋和 β 折叠。有些元件需要链起始段的一个片段和中间段的一个片段，所以你不能简单地从一端像拉链一样拉过去。没有人真正知道。一个好的预测器的实际价值，在于它是一种探针：改变一个残基，观察预测结构是保持还是崩塌，并分解过程中哪些部分是关键的。

“解决”这个词必须回到“珠子”那里去理解。CASP 主要关注紧凑的单域、或许双域的蛋白质，它们本身就已经极难。一般的蛋白质有两三个结构域。负责神经系统信号传导的蛋白质通常有五个、六个、七个甚至更多结构域，而科学对它们如何折叠的理解还远远不够。这里所说的“解决”，指的是在竞赛所选的那组紧凑蛋白质上，达到接近实验的精度。这相对于传统生物物理学是一次巨大的飞跃，但它还没有触及整条项链。

多结构域的折叠，已经与蛋白质之间的相互作用纠缠在一起。Korkin 在博后期间最喜欢的例子是 PSD-95，这是突触后致密区中的一种支架蛋白，有五个结构域，大约 600 个氨基酸，它特意保持柔性，以便把其他蛋白质聚集成一支乐队。相互作用预测关键评估（CAPRI）是专门针对大分子相互作用的另一项竞赛。大约十年前，他的实验室在这项竞赛中提交了早期的机器学习评分函数之一，学习哪些成分能使预测的界面看起来像实验测得的界面。他认为这一类问题是可以学习的。至于 AlphaFold 能否获得诺贝尔奖，他指出，计算生物物理学家在 2013 年就已经凭借蛋白质折叠模拟获得了化学奖。跨学科的工作将持续得到认可。程序本身无法获奖，但设计者可能获奖。

蛋白质设计并不新鲜。David Baker 和 Rosetta 算法是从头设计的先驱：先有一个新序列，预测出折叠方式，再选定功能。用同样的工具来改造病毒，则是更黑暗的问题。Korkin 的实验室正在建立一个模型，用来判断某个冠状病毒株是否具有致病性：他们在 SARS-CoV-2、SARS、MERS 和普通感冒冠状病毒上进行训练，寻找序列中的分子决定因素。Eugene Koonin 曾用标准的监督学习尝试过类似的事情。希望是把从蛋白质序列中学到的东西广泛迁移。预测哪些突变会让某个毒株更危险，就能提前准备疫苗和抗病毒药物。Korkin 也同意，同一个系统也可能被问到如何让病毒变得更糟。

即使设计出了一个序列，也不等于一个能工作的颗粒。检验每一个组成部分的实验生物学，是另一套流程。大约在 2015 年，流感的功能获得研究（gain-of-function）在科学家争论安全性期间，被暂停了半年或更长时间。Fridman 对受到严格监管的学术研究并不太担心，他更担心未来五十到一百年里由机器学习造出的武器，他问，谁是更好的病毒设计者，是大自然还是人类？Korkin 仍然更担心自然大流行。自然的产出能力是巨大的。病毒也是一种奇特的武器：火箭有起点和终点；病毒打击的却是整个人类物种。他始终乐观地认为我们不会这样做，也就是说，没有足够的恶意去迈出那一步，并希望联通与透明能让保密越来越没有用处。

Fridman 问，自从他们上次在三月或四月谈话以来，有什么变化。Korkin 一直在计算层面上研究这种病毒，而让他惊讶的，是科学界的效率。哪怕只看蛋白质结构这个狭窄的领域，也能看出这一点。2003 年 SARS 之后，对病毒的结构表征花了好几年；2020 年，同一类工作只需要几个月。测序的规模也前所未有。以前从没有哪种病毒被测序过这么多次，这使研究人员能够以地理乃至个体层面的分辨率追踪进化轨迹，因为宿主的基因型也会影响病毒的变化方式。

宿主与病原体的共同进化，是他从这场大流行中学到的最深刻的教训。接触者追踪显然是核心，但仍然不完整。他的团队刚刚加入了一项类似 XPRIZE 的竞赛，要按地区预测感染人数；瓶颈在于数据，而数据仍然很少。Fridman 引用了 Michael Mina 的设想：为病毒做一张“天气图”，用高分辨率的传感器，实时记录每一种病毒如何在人与人之间、每天传播。两人都同意，要想近乎实时地观察进化，并为下一场大流行做好准备，就需要这样的东西。

被问到书单，Korkin 给出了三本书，外加一本有声书。Mikhail Bulgakov 的《大师和玛格丽特》是他最早读到的：相隔几个世纪的两条平行生活交织成一个故事，爱情由魔法驱动，还有苏联式的讽刺、幽默和痛苦。结尾至今仍让他起鸡皮疙瘩。他说，对于想了解俄罗斯文化的人，这本书就是必读。Aleksandr Solzhenitsyn 的《癌症楼》是他在研究生时期第一次读，书中讲一个被判处终身监禁的人被送进诊所，周围都是死去的人。后来，医生们称赞书中对病人内心世界的刻画准确得惊人，有人说每位医生都应该读这本书。在那个生长又消退的肿瘤之下，是一则关于苏联体制的寓言，作者本人曾是体制的一部分、做过古拉格的囚犯，还是一名癌症病人。

第三本是一本薄薄的英文随笔，John von Neumann 的《计算机与大脑》，写作时他已经知道自己患了癌症，1958 年，他去世后出版。每一段都内容密集。早在 1957 年，他就在尝试把计算机与神经系统做对比。荣誉提名是 Hope Jahren 的《实验室女孩》，由作者本人朗读。在某些段落里，你能听出她在哭泣。Korkin 从未在阅读中有过那样的共鸣，他说，这本书是任何想了解学术科学真正感受如何的人都该听一听的。

2021 年，他怀念的是旅行，特别是欧洲一所为全世界资优学生开设的理论分子生物学暑期学校，那是他每年的亮点，2020 年因疫情只能改为线上。更私人的决心来自居家工作。研究、教学和学术上的喧嚣，曾经让他分心到完全没有意识到自己不在家人身边。这一次，他注意到了。他的决心是，即使世界重新开放，也要尽可能多地陪伴孩子。最后，他凭记忆背诵了一首冬天的诗，作者是同名的另一位 Dmitry，他把这首诗和玛格丽特联系在一起。他说，那是远方的东西，却依然很近。