专栏名称: 解螺旋

解螺旋——医生科研最好的帮手。无论你是科研零基础，抑或初窥门径，你都可以在解螺旋获得极大的提升，从而面对基金、论文、实验游刃有余。解螺旋课堂是所有热爱科研技能学习的医生聚集地，解螺旋会员是医生科研全方位的贴心助手，加入我们，体验改变。

颁奖尚未满一年，知名教授就公开质疑诺贝尔奖！甚至向诺奖委员会提交请愿书，质疑获奖内容是伪突破！

解螺旋 · 公众号 · 医学 · 2025-05-16 19:12

正文

请到「今天看啥」查看全文

这场质疑风波究竟是怎么回事？为何诺奖委员会注定不会回应这位教授的质疑？到底是什么样的期刊会在同行评审全部不同意的情况下，编辑们仍然坚持收录了这篇注定极负争议的质疑论文？

要了解清楚事件始末，就要先从2024年的诺贝尔化学奖讲起：

2024年的诺贝尔化学奖由2个卓越的化学贡献共享。分别是 David Baker 借助人工智能，创造出全新的蛋白质，在计算蛋白设计领域的取得突出的贡献，以及 Demis Hassabis 和 John M. Jumper 研发的蛋白质结构预测模型AlphaFold和RoseTTAFold预测了几乎所有已知蛋白质的结构，在蛋白质结构预测领域贡献巨大。

美国伊利诺伊大学芝加哥分校药学院的兼职教授Sarfaraz K. Niazi质疑的正是后两位得奖者以及他们研发的蛋白质结构预测模型：

尽管Sarfaraz Niazi在今年4月发表的论文以及向诺贝尔奖委员会递交请愿书质疑Demis Hassabis和John Jumper的行为石破天惊，不过他质疑两位得奖者的主要论点并不是什么全新的内容，是在2018年相关蛋白质结构预测模型发布时就已经有的。

Sarfaraz Niazi表示从量子力学的基本原理来看，精确预测蛋白质的功能性三维结构在理论上是不可能的。

现有的预测算法，如AlphaFold和Rosetta，主要依赖于现有的蛋白质结构数据进行建模。而现有的蛋白质结构数据的获取过程其实破坏了其生理特性，数以百万计的冷冻蛋白质的结构（如低温图像）呈现的是静态结构。 Sarfaraz Niazi表示这种静态结构与功能性结构毫无关联。 Sarfaraz Niazi认为Demis Hassabis和John Jumper的而这种方法并不能真正解决蛋白质在复杂环境中可能出现的众多构象问题。

此外， Sarfaraz Niazi认为获得诺奖的两位科学家所创造的算法并非基于物理化学原理的突破性发现，更多归功于算力和数据规模，更接近一种技术优化，而非科学突破。

截止目前，诺贝尔奖官方并未回应Sarfaraz Niazi教授的回应。