疾病与衰老的秘密，藏在数理化、生物学与哲学的交汇处

你觉得我们离真正理解蛋白质还有多远？最近十年二十年我们有多少进展？

任重而道远。生物还是在一个发展特别快的阶段。分子生物学是最基础的，把分子放在细胞的环境里，又增加很多复杂度，因为永远有还没有发现的分子。再把分子放进活体里，比如小老鼠，复杂度又更进一层。从分子到细胞，再到整个生物体，衔接的发展还是比较慢的。

就分子生物而言，大的原理比较清楚了，但还没有到可以精准预判的程度。和物理学可以发射火箭、送卫星上轨道比起来，还是差很远。

那我们离发明可以延缓衰老的药，还有多远呢？

人类老化的问题，很一大部分也是蛋白质折叠的问题。每个生物体到了性成熟的时候，一些基因线路会被激活，这些线路最终打到的靶是控制所有伴侣蛋白的。靶开了，伴侣蛋白生成得比较多，蛋白质折叠就比较好。性成熟以后，这个靶就慢慢关上。年纪越大，细胞里的伴侣蛋白就越少，蛋白质折叠成功的也就越少。在小动物， 比如秀丽隐杆线虫上的实验，如果用外界干预的方式，把这个靶打开，这些虫的寿命比正常的要长 5 倍，而且老年也很健康。但是这种干预会影响生育能力， 效果也是越早越好。所以生物在进化的时候，已经对生命周期做了一些把控，保证你活到足够长，可以繁衍后代、照顾后代。

我现在比较朴素的想法，是把这种方法用在治疗老年疾病上，比如阿兹海默症等，因为这些疾病对社会、对个人、对家庭的影响都特别大。所以我们的目标是尽量提高他们最后几年的生活质量。不可能每个人在年轻时，都通过干预延长寿命，但当你开始出现老年疾病的症状或问题，第一是越早诊断越好，第二我们尽量终止循环恶化的过程，保证大家最后几年活得健康有尊严。这是今天的基础研究可能会起一些作用的。

比如 FDA（美国食品药品监督管理局）最近批准的阿尔兹海默症药物，是针对 Aß 蛋白的聚合体的抗体，虽然效果不是特别好，但它们有一些成功，说明这个方向是对的。根据实验结果，我觉得可以试一试用伴侣蛋白去做，效果应该更好一些。

能不能介绍一下你是怎么走上科研这条路的？

我们的高中华东师范大学第二附中理科特别强，但你可能记得中学时我有很长时间不知道学文科还是理科。

我十四五岁时看的一些杂志，有青少年科普类的，我很喜欢看里面的科技史。有一天看到发现海王星的过程，说是哈雷去牛顿家里拜访，问牛顿行星运行的轨道是什么样的。牛顿说是椭圆的，我已经算过了，但是计算过程丢了。哈雷就花了很大力气，让牛顿把过程写出来，其实那就是微积分的诞生，也是现代科学的第一步。同一时期还有一个未解之谜，就是天王星的轨道不太符合牛顿的理论。所以科学家提出假设，可能还存在一颗行星，干扰了天王星的轨道。所以海王星的轨道是两个数学家约翰·库奇·亚当斯（John Couch Adams）和于尔班·让·约瑟夫·勒威耶（Urbain Jean Joseph Le Verrier）根据牛顿的理论算出来的。天文学家把望远镜对准天空那一块，就发现新的行星就在那。

你怎么看待工业界和学术界两条职业道路？应该如何选择？

很多时候是看你是一个概念性的人，还是比较实用性的人。

整体来说，学术界需要的人才量比较少。每个学校教职数量是固定的，大多数博士生是没有终身教授职位的。这个职位需要的也是一群比较特殊的人，比如特别喜欢纠根问底，对学界未来有很多的展望和想法，并且想要自己实践这些想法的。

学术界需要概念性比较强的人，我们大多数时候是在想比较抽象的、框架性的问题。比如你要知道你研究的课题里和你相关的所有知识是什么，这些知识是从哪里来的，是根据哪些早先的实验构成的，这个领域里最大的问题是什么，哪些问题解决了，哪些问题还没有解决，最大的障碍是什么，你有没有能力或想法去解决这些问题。

此外，高校是有教育功能的，大多数时候是需要教书的。所以你要喜欢学生，喜欢把你的知识和想法与学生分享。学校里自由空间是很大的，有和你同样有好奇心但想法和专长与你不太一样的人，可以和他们互相碰撞出新的火花。如果你很喜欢这些过程，高校的职位是比较适合的。

在公司里做事，单项职能的责任更大，一件事你必须定点定时完成。公司需要一些很能干的人，要产出一个产品。你如果是特别喜欢做一个有用的东西，并且愿意花时间去想怎么把它一点一点做得更好，公司对你来说是比较合适的。

哪些特质帮助你在学术道路上取得了成功，也是你在录取学生时特别看重的？

喜欢追根究底，兴趣面比较广，对自己的要求比较高。假设需要做一个实验，一个学生是导师说什么，就做了什么；另一个学生是听了导师说的东西后，去读文献，又有了一些别的想法，再跟导师讨论是不是可以这样做，就可能会有一些意外的结果。最开始这些想法大多数是不好的，但这是一个自我修炼，自我提升的过程。经过不断尝试，对于这个领域什么重要，什么不重要，什么可行，什么不可行，你的直觉会越来越好，5 年后就可以成长为一个成熟的学者。这就是学者的素质，很多时候是学生自我能动性的问题。

另外实验当中有很大的部分是偶然性。实验不成功是常态，而且很多时候会给你意想不到的结果。那么有没有能力抓到这些偶然的结果，知道这其实是一个突破，就看平时积累是否充分，平时有没有花功夫去想那些更大的问题。

你高中毕业后就在美国读书，也会接触一些国内的学生，你对中美两国的教育有什么观察和思考？

国内或者亚洲体制下出来的学生，基础都打得非常好，很早就找到了一个专注的领域，会很专心地去做。相比之下，西方或者美国体制的学生，他们精力很旺盛、想法特别多，当然很多想法是错的，但是他们很自信，即使给他们设定了一些研究路径，他们还是会不断尝试别的方法。这点有好有不好，多数时候不靠谱，但有时也会给你一些原先没有想到的点。

另外，我觉得美国学生的团体参与度和社会参与度普遍比较高。比如一个实验没有做成，某个试剂出了问题，他们会很快通知全实验室；如果他们尝试了新的不错的东西，也很愿意分享。很多时候一个实验室的运行，其实是一个团队的运行，和一个创业公司差不多，需要一些团队精神。每年招新生的时候，需要每个实验室带一下新生，给新生介绍实验室的情况，还有博士生组成的委员会，参与的多是美国学生，亚裔学生比例很少。

现在 AlphaFold 可以做到预判两个蛋白是不是可以结合，一个蛋白是不是可以跟小分子结合。这就离制药比较近了，因为很多药其实就是小分子和一个蛋白复合，或是和蛋白比较重要的点复合。可以先用 AlphaFold 做一些模拟筛选，原先手工只能做几百个，利用 AlphaFold 可以做几百万个，接着筛选到几百个可以去做实验的，再去实验验证。

不过，从 Alphafold 到真的制药之间还有好几步。AlphaFold 的模型还只是分子模型，细胞里有几万个别的蛋白，你不能保证这个小分子和蛋白的运作在细胞里没有别的干扰。另外，细胞这部分做完，还是要到动物上再做实验，又有另一层的生物复杂性。最艰难的，当然是最后的临床经验。

最后我们讲一讲 AI 浪潮，你觉得 AI 对今天的年轻人和教育会产生哪些影响？

我一直觉得教育最重要的是要养成一个人学习的习惯和态度，让这个人有很多好奇心。当思考这件事为什么发生成为一件很快乐的事，学习就不是一种负担或是一件很苦的事，一辈子也会有很多学习和上进的机会，也就可以更好地去适应社会的变化。因为现在的挑战是 AI，下一次还不知道是什么。

AI 简化了很多事情，比如最开始的蛋白结构是靠手解的，是结构学家靠运算算出来的，现在有了AI，大家把实验数据输入进去，结果就出来了。但这也带来一些危险，因为没有经过手解的过程，你对就没有很深入地理解，是会影响以后接着往下走的。所以现在有些做结构的学生，还是会很认真地自己手解一遍结构。

很多时候人最强的能力是一种综合能力，我们碰到未知的东西，会根据过去的经验去预判，去做决定。这个和计算机，和现在的 AI 还是很不一样的。我觉还是不要把学习当成一个输入产出的过程。一道题来了，把题解了就完了，而是要多想想为什么。我们中国人有很多词语去说这件事情，融会贯通、举一反三、触类旁通。完全理解了一个原理，是可以去推很多东西的。尽量不要把自己学成一个 AI，把做作业当成数据输入，把考试当成输出，还是要多一些好奇心，为自己学习。