扎克伯格基金会Biohub放出11亿个蛋白质结构数据库ESM Atlas，比AlphaFold多8亿条，模型ESMFold2完全开源不限商用。技术路线借鉴大语言模型，性能号称超越AlphaFold3，但学界对其能否预测全新结构仍有疑虑。这场开源与闭源的蛋白质AI之战，才刚刚开始。

诺奖得主John Jumper宣布AlphaFold将与大模型融合，预示其将从蛋白质结构预测工具进化为能提出假设、设计实验的科学推理引擎。这一进步标志着“AI for Science”进入认知技术性替代的新阶段，有望加速生物医药研发，同时也将深刻重塑科学研究范式、人类科学家角色，并带来新的商业机遇与社会伦理挑战。

DeepMind的AlphaFold因蛋白质结构预测获得诺贝尔奖，却因未引用前人研究引发争议，揭示了AI时代科学发现的归属困境。这场风波不仅拷问学术伦理，也凸显了商业巨头在基础科研领域的权力与责任，促使我们反思如何构建更公平、透明的AI驱动科学发展范式。

中国海洋大学张树刚副教授团队在AI蛋白质智能计算领域取得显著进展，其研究涵盖结构预测、功能注释、交互识别和按需设计四大核心任务。通过创新性地利用AI模型（包括AlphaFold及其自研方法）解决传统生物学挑战，团队不仅加速了药物发现过程，更致力于构建从原子到器官的复杂生命系统多尺度模拟体系，预示着AI在生命科学研究中更广阔的未来应用与深远影响。

中国海洋大学张树刚副教授团队在AI蛋白质智能计算领域取得显著进展，其研究涵盖结构预测、功能注释、交互识别和按需设计四大核心任务。通过创新性地利用AI模型（包括AlphaFold及其自研方法）解决传统生物学挑战，团队不仅加速了药物发现过程，更致力于构建从原子到器官的复杂生命系统多尺度模拟体系，预示着AI在生命科学研究中更广阔的未来应用与深远影响。

中国海洋大学张树刚副教授团队在AI蛋白质智能计算领域取得显著进展，其研究涵盖结构预测、功能注释、交互识别和按需设计四大核心任务。通过创新性地利用AI模型（包括AlphaFold及其自研方法）解决传统生物学挑战，团队不仅加速了药物发现过程，更致力于构建从原子到器官的复杂生命系统多尺度模拟体系，预示着AI在生命科学研究中更广阔的未来应用与深远影响。

中国海洋大学张树刚副教授团队在AI蛋白质智能计算领域取得显著进展，其研究涵盖结构预测、功能注释、交互识别和按需设计四大核心任务。通过创新性地利用AI模型（包括AlphaFold及其自研方法）解决传统生物学挑战，团队不仅加速了药物发现过程，更致力于构建从原子到器官的复杂生命系统多尺度模拟体系，预示着AI在生命科学研究中更广阔的未来应用与深远影响。

中国海洋大学张树刚副教授团队在AI蛋白质智能计算领域取得显著进展，其研究涵盖结构预测、功能注释、交互识别和按需设计四大核心任务。通过创新性地利用AI模型（包括AlphaFold及其自研方法）解决传统生物学挑战，团队不仅加速了药物发现过程，更致力于构建从原子到器官的复杂生命系统多尺度模拟体系，预示着AI在生命科学研究中更广阔的未来应用与深远影响。

中国海洋大学张树刚副教授团队在AI蛋白质智能计算领域取得显著进展，其研究涵盖结构预测、功能注释、交互识别和按需设计四大核心任务。通过创新性地利用AI模型（包括AlphaFold及其自研方法）解决传统生物学挑战，团队不仅加速了药物发现过程，更致力于构建从原子到器官的复杂生命系统多尺度模拟体系，预示着AI在生命科学研究中更广阔的未来应用与深远影响。