AI for Science：人工智能加速科学发现新范式

2026年，“AI for Science（科学智能）”从口号变为现实，人工智能正加速成为科学发现的新范式。据腾讯新闻2026年8月4日报道，北京大学生命科学学院伊成器课题组与华东师范大学李大力课题组，在《自然》（Nature）发表题为“Precise DNA base editing using AlphaFold3-based contact modelling”的研究论文，提出基于AlphaFold3接触概率（contact probability, CP）的AI框架ContactSeek，显著提升了基因编辑工具的精准性。这一成果是AI深度参与生命科学发现的标志性事件。

AlphaFold3：从“画结构”到“感知互作”

AlphaFold自2021年惊艳科学界以来，已能预测数以百万计的蛋白质结构，并因此荣获2024年诺贝尔化学奖。2026年的新进展在于，研究者发现AlphaFold3的价值不止于生成三维结构——其内部的“接触概率”输出，能比静态结构更灵敏地捕捉分子互作变化。研究团队让AlphaFold3分别预测碱基编辑器在“在靶”与“脱靶”位点的DNA-RNA-蛋白质三元复合物，结果发现：即便序列仅存在单碱基错配，结构预测往往看不出差异，而接触概率（CP）却会明显下降。正是这一高维表征中的细微信号，成为提升编辑特异性的关键线索。

ContactSeek：用AI重新设计基因编辑器

基于上述洞察，研究者整合AlphaFold3的接触概率与高通量测序获得的脱靶编辑信息，构建了AI驱动的ContactSeek框架。该框架系统识别Cas蛋白与脱氨酶中决定编辑特异性的关键氨基酸残基，据此对碱基编辑工具进行工程化改造。结果显示，优化出的突变体Cas9(K1020D)–TadA8e(F156D)（命名为ABE8e-DD），在保持高效在靶编辑的同时，显著降低了DNA与RNA脱靶效应；该框架也可推广至胞嘧啶碱基编辑器，证明其通用性。这为“精准设计基因编辑器”提供了可解释、可验证的新范式。

更广阔的图景：AI成为科学发现的引擎

除基因编辑外，2026年AI for Science的整体生态持续扩张。EMBL与谷歌DeepMind等机构持续扩充AlphaFold数据库，纳入数千万蛋白质复合物预测，优先覆盖人类健康与世界卫生组织重点病原体，服务全球科研；奥地利ISTA等团队则提出“实验引导的AlphaFold”，让模型结合核磁共振等实验数据，预测蛋白质的动态构象集合，修正传统静态结构训练的局限。从蛋白质设计、药物筛选到材料与气候建模，人工智能正在把科学发现的循环——提出假设、设计实验、分析结果——压缩到前所未有的速度。可以预见，AI for Science将成为继实验、理论、计算之后的“第四范式”的重要引擎。

2026年的AI for Science实践表明，人工智能的价值远不止于聊天与生成内容。当AlphaFold3的接触概率被用于重新设计基因编辑器，当AI框架可解释、可验证地指导实验，科学发现正迎来人类与机器协同的新纪元。未来，懂科学的AI与懂AI的科学家，将共同定义下一个十年的突破边界。