10月7日-9日，2024年诺贝尔奖自然科学三大奖生理学或医学奖、物理学奖、自然科学奖陆续揭晓。今年有哪些发明和发现获得诺奖？这些科学研究对人类有多重要？获奖科学家有什么动人故事？这些话题在抖音引起广泛讨论。
为满足公众对前沿科学的科普需求，促进科学知识大众传播，抖音“知识前沿派对”联动机构@知识分子、媒体@澎湃新闻，邀请诸多相关领域科学家、科普创作者，于三大奖每个颁奖日当晚20：00进行科普公开课直播，对诺奖相关前沿知识做出权威解答，并回答网友提问。多位诺奖评委也首次独家参与到抖音直播之中，三场直播累计吸引了超440万人次在线观看。
谈生理学或医学奖——什么是MiRNA？
10月7日，最先揭晓的是诺贝尔生理学或医学奖，美国科学家维克托·安布罗斯（Victor Ambros）和加里·鲁夫昆（Gary Ruvkun）获奖。奖项表彰他们在发现微小核糖核酸（miRNA）及其在转录后基因调控中的作用。
当晚，抖音“知识前沿派对”直播间特别邀请北京脑科学与类脑研究所所长罗敏敏、清华医学院院长祁海、外科医生兼科普作家李清晨进行直播科普。直播由复旦大学生物医学博士宇光（@复旦博士宇光）主持，并与贝勒医学院教授王萌进行了连线——她曾是本届诺奖获得者之一加里·鲁夫昆的博士后学生。
什么是miRNA？祁海介绍，在人类的基因组中，能够编码蛋白质的序列只是很小的一部分，还有很大一部分序列功能未知，等着科学家去发现。这些没有编码蛋白质功能的序列翻译出的RNA，其中一部分就是miRNA，后者在调控基因表达、细胞周期、生物体发育时序等方面起重要作用。“它在治疗疾病中还没有出现成功的应用，但将来也许有可能。”
“我觉得这两位科学家获奖是实至名归的”，罗敏敏曾多次参与诺奖提名，他分享，miRNA在1993年被发现，31年后，两位科学家获得诺奖，关键还是他们在miRNA方面的工作本身足够重要。李清晨讲解了科技进步和临床应用的关系。他表示，一项科学技术要应用到临床，一定要从循证医学上有足够的证据，希望看到miRNA相关技术的成型应用。
王萌曾于2005年到2010年在加里·鲁夫昆的实验室做博士后。对于加里·鲁夫昆在miRNA发现31年后才获得诺奖，她回忆，加里·鲁夫昆对于是否获得诺奖的态度是云淡风轻的。“我们做科学不是为了获奖，发现miRNA机制那一刻就是最荣耀的时刻”，在没获得诺奖前，加里·鲁夫昆就曾这样对他们说。
三位嘉宾还回答了网友一系列提问。对于如何看待网上流传的一些“自律”视频？普通人值得学习吗？罗敏敏回答，自律的关键是不要把自己弄得过度焦虑，这会降低人的免疫系统功能。祁海认为，自律到能有一点点上瘾，形成正反馈循环，就比较容易一直坚持下去。李清晨则建议网友不要为了养生过度“折腾”，相对于生命的长度，生命的丰满程度也很重要。
谈物理学奖——为什么颁给计算机科学？
10月8日，诺贝尔物理学奖的发布让很多人出于意料。该奖项授予了美国普林斯顿大学教授 约翰·J·霍普菲尔德（John J. Hopfield ）和加拿大多伦多大学教授杰弗里·E·辛顿（ Geoffrey E. Hinton），以表彰他们“在人工神经网络机器学习方面的基础性发现和发明”。
如何解读物理学奖颁给了计算机科学？当晚，中国科学院高能物理所研究员邢志忠，中国科学院物理研究所研究员罗会仟，中学物理教师、抖音科普创作者@李永乐老师，国际射电天文研究中心@天体物理博士刘博洋做客抖音“知识前沿派对”直播间，并与诺贝尔物理奖评委Eriksson，美国工程院外籍院士、北京智源人工智能研究院的首任理事长张宏江，中国科学技术大学科技传播系副主任@袁岚峰 连线交流。
“在最初设立诺贝尔奖的时候，诺贝尔本人也不会想到今天会有大数据，甚至会有直播”，邢志忠说，“很多的新型交叉学科，传统的诺奖划分是没有办法覆盖的，所以把机器学习、人工智能放在物理学奖相对于其他奖项是更最合适的。”他介绍，人工智能在高能物理领域有广泛应用。例如在高能粒子束流的的对撞过程中，会打出海量的粒子，想要提取出目标粒子的相应数据是十分困难的，采用机器学习可以大大提升效率。
“关于材料科学，现在的AI工具特别多”，罗会仟在介绍机器学习在凝聚态物理领域的应用时说，“过去找新的材料要一个个去试，就好像‘元素炒菜’，需要花费大量的人力物力。”他介绍，近年来机器学习的方法预测出很多种材料，包括许多具有超导或拓扑性质的材料。凭借AI工具，科学家甚至可以在理论尚未完善的情况下发现新材料，这是机器学习为凝聚态物理领域带来的新转变。
在与诺奖评委Eriksson的连线中，他回答了诺奖诞生的诸多流程。他介绍，每年瑞典皇家学会会向科学家发出三四千份邀请函，此后可能会收到三四百份回复。之后诺奖评委会会联系各国的专家，询问意见，最终由选出的8位评审在诺奖公布当日，选出和公布诺奖获奖者。而其中许多评选细节是保密的，且要求保密50年。
谈化学奖——人工智能解决50年化学难题
在10月9日公布的诺贝尔化学奖中，人工智能相关研究再次获奖。瑞典皇家科学院宣布，将2024年诺贝尔化学奖授予三位科学家，其中，一半授予美国华盛顿大学的大卫·贝克 (David Baker)，以表彰其在计算蛋白质设计方面的贡献，另一半则共同授予戴米斯·哈萨比斯（Demis Hassabis）和约翰·江珀（John M.Jumper），以表彰其在蛋白质结构预测方面的贡献。后两者分别是谷歌DeepMind公司CEO和高级研究科学家，其2020年开发的AlphaFold的人工智能模型可基于深度学习和神经网络技术的算法，预测蛋白质结构。该工具自推出以来，已有来自190个国家超过200万人使用。
当晚，北京大学“长江学者”特聘教授、北京大学化学与分子工程学院博士生导师阎云，牛津大学有机金属和材料化学教授Dermot Michael O'HARE，北京化工大学特聘教授@戴博士实验室，毒理学家白利强（@兔牙老白）受邀做客抖音“知识前沿派对”直播间，并与诺贝尔化学奖评委邹晓冬等连线，在线解答网友疑问。邹晓冬是瑞典皇家科学院院士，也是诺贝尔化学奖首位华人女性评委。
如何理解蛋白质的空间结构？阎云在讲解中将其四个等级进行了生动的比喻。她介绍蛋白质是由氨基酸片段连成的链状结构，氨基酸片段之间的相互作用会使其折叠成特定的形状。如果用积木来比方，每个氨基酸就好比积木块，积木块直线排列的顺序就是蛋白质的一级结构；而让这个顺序的积木块在空间上产生螺旋、转角等空间构象，就相当于用积木拼成一个小的原件，就是蛋白质的二级结构；而这些彼此连接的小原件进一步拼装成一个小汽车，就可以理解成蛋白质的三级结构；其四级结构又要涉及到多个“小汽车”在空间上布局，一般是含有多个氨基酸长链的蛋白质才具有的。“要完全弄清这个四级结构在以前是极其困难的，现在有了Alpha fold工具，就变得非常容易。”
“这在化学界引起了非常大的革命，解决了50年来在生物化学界的一大挑战”，邹晓冬在连线中分别拿出一个立体的蛋白质模型和一个氨基酸“链条”模型，代表折叠前后的氨基酸序列。在场科学家介绍，蛋白质的构成离不开其三维结构，未经折叠的氨基酸序列就是单纯的碳氢化合物。即便氨基酸序列完全一样，如果空间结构不一样，其功能也可能会不同。
三场直播分别吸引了132.8万、193.3万、114.7万人次在线观看。诺奖发布期间，还有“2024诺贝尔化学奖揭晓”“今年获诺奖的miRNA究竟是啥”等多个话题登上热榜。香港科技大学副教授 @王一研究宇宙 谈物理与人工智能的视频获得过万点赞。 @李旭的散装生物学 等专家学者、@严伯钧 @毕导 等科普达人纷纷发布视频科普相关科学和行业知识点。
近年来，抖音上的知识类内容不断丰富，越来越多人习惯通过短视频获取科学知识。今年5月发布的《2024抖音自然科学数据报告》显示，过去一年有超过77.3亿人次在抖音上为自然科学相关的内容点赞，科学实验类短视频在抖音上累计播放时长已达到近2.3亿小时。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。
