生物信息学的特点是入门很快，但中间的积累过程漫长
原标题：五战蛋白质结构预测风向标CASP，南开大学郑伟：竞争性与难度提升，关注实际生物问题
文章来源：HyperAI超神经
内容字数：10674字
南开大学郑伟教授：解读CASP赛事与AI for Science发展趋势
本文总结了南开大学郑伟教授在蛋白质结构预测领域，特别是关于CASP国际大赛的经验和对AI for Science发展趋势的解读。文章基于HyperAI超神经对郑伟教授的深度访谈，内容涵盖了其参赛历程、对AlphaFold系列算法的评价，以及对CASP赛事发展趋势和AI for Science人才培养的思考。
CASP赛事参与及AlphaFold的冲击
郑伟教授先后五次参加CASP竞赛，从最初的结构优化到后来的结构预测，见证了AlphaFold的崛起。他回忆道，AlphaFold 2的出现远超预期，其成功在于整合了学术界成果并投入大量资源进行模型训练。CASP15被认为是“后AlphaFold 2时代”的开端，参赛队伍数量大幅增加，竞争更加激烈。
CASP16：难度升级与团队策略
CASP16的竞争更加激烈，参赛队伍数量创历史新高，题目设置也更贴近实际生物学问题，难度有所提升。郑伟教授团队在多个赛道中取得优异成绩，值得注意的是，他们选择“坚守本源”，没有使用AlphaFold 3，最终在多个赛道中取得了领先地位，展现了团队实力和自信。
CASP赛事反映的行业趋势
郑伟教授指出，CASP赛题的设计并非随意决定，而是反映了计算结构生物学领域的热点问题和亟待解决的挑战。近年来，CASP赛事的难度不断提升，题目类型更加广泛，这与蛋白质结构预测精度提升以及行业需求更加清晰有关。CASP赛事推动了蛋白质结构预测领域从单体结构预测向蛋白质复合物、蛋白质变构等更复杂问题的研究转变。
AI for Science人才培养与发展
郑伟教授分享了AI for Science领域人才的成长路径，强调“厚积薄发”的重要性。他认为生物信息学入门容易，但需要长期积累。AI for Science需要跨学科背景，既要理解研究领域的痛点，也要掌握AI技术。他提倡“干湿结合”，即AI研究人员与生物学家合作，互相提供信息，才能更好地解决实际问题。
团队合作与未来展望
郑伟教授团队在CASP16中采用分散式策略，参与多个赛道，体现了团队合作精神。他强调需要更多赛道和方向，让团队成员结合兴趣点进行合作，才能促进领域发展。未来，他们将继续在生物信息学领域深耕，期待取得更大突破。
联系作者
文章来源：HyperAI超神经
作者微信：
作者简介：解构技术先进性与普适性，报道更前沿的 AIforScience 案例