하버드 철학과에서 단백질 디자인 마스터 David Baker까지: AlphaFold를 통해 딥러닝의 힘을 깊이 깨닫게 되었습니다.

단백질 설계를 선도하는 세계적인 거장이 누구냐고 묻는다면, 워싱턴 대학의 데이비드 베이커 교수가 의심할 여지 없이 그 타이틀을 차지할 자격이 있습니다. 이 분야의 최고 전문가인 베이커는 단백질에 관한 700편 이상의 연구 논문을 발표했으며, 총 인용 횟수는 177,000회가 넘습니다. 올해 10월, 베이커는 단백질 설계에 대한 뛰어난 공헌으로 2024년 노벨 화학상을 수상했습니다.학계에 대한 그의 영향력은 뚜렷하다.

하지만 베이커의 영향력은 그 이상이다. 그의 이름은 산업계에서도 잘 알려져 있다.워싱턴 대학 단백질 디자인 연구소 공식 홈페이지에 따르면, 베이커가 창업자로 직접 참여한 회사는 21개입니다. 올해 4월, 그가 공동 창업한 AI 제약회사 자이라 테라퓨틱스(Xaira Therapeutics)는 2022년 노벨 화학상 수상자인 캐럴린 베르토치를 영입했을 뿐만 아니라, 10억 달러 규모의 거액 자금을 조달해 글로벌 2분기 자금 조달 순위 1위를 차지했습니다. Sequoia Capital과 ARCH Venture Partners 같은 투자 대기업도 이를 지지했습니다.

데이비드 베이커는 학계에 많은 학생을 배출한 과학자이며, 산업계에서도 뛰어난 업적을 이룬 사람입니다. 그의 성장 과정과 성공 비결은 무엇일까?

관심에서 출발하여 전 세계 곳곳에서 힘을 모아 어려움을 극복합니다.

데이비드 베이커는 1962년 10월 6일 미국 워싱턴주 시애틀에서 유대인 가정에서 태어났습니다. 그의 부모님은 물리학자이자 지구물리학자였습니다. 그럼에도 불구하고 베이커는 처음에는 과학에 관심이 없었습니다. 그는 하버드 대학교에서 철학과 사회학을 전공했지만, 지금은 "완전히 시간 낭비였다"고 생각합니다. "많은 대화가 의미 없었죠."

베이커는 대학 마지막 학년 때 발생생물학 수업을 들었는데, 그 과정에서 마법같은 실험을 목격했습니다. 단백질 변성제를 첨가한 후, RNase는 RNA를 절단하는 활성을 잃었지만, 용액 속의 변성제가 증발하자 RNase의 활성이 기적적으로 회복되었습니다. 단백질은 어떻게 자율적으로 즉시 올바른 형태를 찾아 기능을 수행할 수 있을까?과학적 질문에 대한 명확한 답을 추구하는 것이 철학의 모호함보다 그를 더 흥분시켰다.그래서 그는 고전적인 교과서인 "세포의 분자생물학"을 읽기 시작했고 생물학에 점점 더 매료되었습니다.

그 후 베이커는 생리학·의학 부문 노벨상 수상자인 랜디 셰크먼의 연구실에 합류하여 박사 학위를 받았습니다. 1989년 캘리포니아 대학교 버클리에서 생화학 박사 학위를 받았습니다.

베이커는 박사학위를 취득한 후 캘리포니아 대학교 샌프란시스코 캠퍼스의 데이비드 아가드 교수 연구실에 들어가 박사후 연구를 시작했습니다.그곳에서 그는 컴퓨터를 사용하여 결정 구조를 분석하려고 시도했고, 컴퓨터를 사용하여 단백질 구조를 예측하는 아이디어를 내놓았습니다.구조생물학 연구실에 제가 박사후연구원으로 일하며 결정 구조를 밝히는 데 전념했던 방이 하나 있었습니다. 모든 사람이 컴퓨터 단말기 앞에 앉아 아미노산 사슬과 전자 밀도 지도를 맞추느라 바빴죠. 저는 앉아서 3분 동안 그 작업을 시도했지만, 머리가 깨질 듯 아팠습니다. 그 순간 저는 이런 일을 할 수 없다는 것을 깨달았고, 컴퓨터를 이용해 더 의미 있는 일을 하고 싶다는 생각이 들었습니다.

이 질문을 염두에 두고, 베이커는 1993년에 고향인 시애틀의 워싱턴 대학으로 돌아와 아미노산 서열을 기반으로 단백질 구조를 예측할 수 있는 소프트웨어를 개발하기 시작했는데, 이는 나중에 인기 있는 로제타가 되었습니다. 베이커는 또한 워싱턴 대학의 생화학 교수인 아내 하넬 루오홀라-베이커를 만났으며, 두 사람 사이에는 아들 한 명과 딸 한 명이 있습니다.

1998년에 로제타가 공식 출시되었습니다.물리학 원리에 기반하여 Rosetta는 단백질의 구조에 대한 에너지 최소화 계산을 수행하여 가장 안정적인 3차원 구조, 즉 자연 상태에 가까운 안정적인 단백질 구조를 예측할 수 있습니다. Baker 팀은 단백질 구조 예측에 있어서 Rosetta의 성능을 검증하기 위해 CASP 경진대회에 적극적으로 참여했습니다. 이 대회에서 참가자들은 실험적으로 구조가 밝혀졌지만 아직 공개되지 않은 단백질 구조에 대한 맹검 예측을 수행하여 다양한 알고리즘의 정확성을 평가합니다. 그 이후 Rosetta는 CASP 분야에서 점차 두각을 나타내며 2004년 CASP6에서 역사를 만들었습니다. 표적 단백질 T0281에 대해 Rosetta는 처음으로 원자 수준에 가까운 정확도로 단백질 구조를 이니티오 방식으로 예측하여 단백질 구조 예측 분야의 선두주자가 되었습니다.

로제타 주소:https://levitate.bio/rosetta

그러나 예측이 더 정확할수록 컴퓨팅 리소스 소모도 더 커진다는 뜻입니다. 단백질 구조 예측을 시작했을 때, 이 작업에 많은 컴퓨팅 리소스가 필요하다는 것을 알게 되었습니다. 새 컴퓨터를 계속 구매했는데, 비용이 매우 많이 들었을 뿐만 아니라, 곧 모든 컴퓨터를 설치할 공간이 부족해졌습니다.그래서 우리는 Rosetta@home 프로젝트를 시작했습니다.전 세계 사람들을 초대하여 유휴 컴퓨팅 능력을 활용하여 단백질 구조를 계산하도록 합니다. 이것은 컴퓨터가 계산을 수행하는 동안 단백질 접힘 과정을 화면에 보여주는 화면 보호기입니다. "베이커가 말했다.

오늘날 Rosetta는 학계와 산업계에서 널리 채택되어 구조 생물학과 약물 발견을 위한 표준 도구가 되었습니다. Rosetta 소프트웨어를 지속적으로 개선하기 위해베이커는 또한 Rosetta Commons라는 학술 커뮤니티를 만들었습니다.이 커뮤니티는 화학, 생물학, 생리학, 물리학, 공학, 수학, 컴퓨터 과학 등의 분야를 망라하여 전 세계 60개 이상의 기관에 소속된 학자들을 하나로 모았습니다. 매년 지역사회에서는 구성원들이 결과를 공유하고 아이디어를 교환할 수 있는 회의를 개최합니다. 오늘날 로제타 커먼스는 대규모 국제 협력 프로젝트로 성장했습니다.

Rosetta@home 주소:https://boinc.bakerlab.org

베이커는 Rosetta@home 프로젝트에서 영감을 얻어 "인류 파도 전술"의 중요성을 깊이 깨달았습니다. 알려지지 않은 분야에서 빠르게 획기적인 진전을 이루고 싶다면, 윈윈 협력이 장기적인 방법입니다. 2008년 베이커의 팀은 전문가와 비전문가 모두 참여할 수 있는 단백질 접힘에 대한 온라인 퍼즐 게임인 Foldit을 공식 출시했습니다. 베이커는 "저희의 꿈은 전 세계 사람들이 함께 협력하여 과학과 세계 보건에 의미 있는 기여를 하는 것입니다."라고 말했습니다.

Foldit에서는플레이어는 게임 속 도구를 이용해 선택한 단백질 구조를 최대한 완벽하게 접으려고 노력합니다. 가장 높은 점수를 받은 솔루션은 연구자들이 실제 생활에서의 적용 가능성을 평가하기 위해 분석한 후 표적 치료 등에 적용됩니다. Foldit에 40만 명 이상의 참가자가 모였고, 일부 플레이어는 Baker의 논문에 기여자로 나열되었다는 점도 언급할 가치가 있습니다. 예를 들어, 2011년 Nature에 게재된 논문에서 Foldit 플레이어는 과학자들을 15년간 혼란에 빠뜨렸던 바이러스인 M-PMV 레트로바이러스 프로테아제의 결정 구조를 밝히는 데 도움을 주었습니다. 플레이어들은 분자 교체와 그에 따른 구조 결정을 성공적으로 수행하기에 충분히 정확한 효소의 3D 모델을 구축하는 데 불과 10일이 걸렸습니다.

Foldit 주소:https://fold.it

그 후 몇 년 동안, Rosetta와 Foldit은 단백질 구조 분야에서 매우 인기를 얻었습니다. 만약 이런 추세가 계속되었다면, 올해 노벨 화학상의 나머지 절반인 "단백질 구조 예측에 기여한 공로"는 데미스 하사비스와 존 점퍼에게 수여되지 않았을지도 모릅니다. 모든 것의 전환점은 2020년 말에 찾아왔습니다.

오픈소스로 AlphaFold2에 대응

2020년 11월에 개최된 제14회 CASP 대회에서 AlphaFold2가 "갑자기 등장"했습니다. Science가 선정한 올해의 10대 혁신 기술 중 하나인 AlphaFold2는 단백질 구조 예측 정확도에서 다른 모든 팀을 압도했고, Baker 팀이 가져온 Rosetta는 "훨씬 뒤처졌습니다." 주최측은 AlphaFold 2가 과학자들을 50년간 괴롭혀 온 문제를 성공적으로 해결했다고 직접 발표했습니다.

물리적 원리에 기반한 방법에 더 중점을 두고 계산된 에너지를 최소화하여 단백질 구조를 예측하는 Rosetta와 달리 AlphaFold2는 물리학, 생물학 등 관련 분야의 지식과 딥러닝을 결합하여 단백질의 3차원 구조 정보에 대한 종단 간 예측을 달성합니다.이러한 성과는 과학계에 큰 반향을 불러일으켰으며 단백질 연구의 이정표로 환영받았습니다. 하지만 DeepMind는 당시 AlphaFold2에 대한 구체적인 내용을 공개하지 않았습니다.

이와 관련해 베이커는 "모두가 경악했습니다. 처음에는 언론에 많이 보도되더니 그 후에는 소식이 없었습니다. 우리 분야에서 큰 진전을 이뤘는데, 이런 기반 위에서는 더 이상 발전할 수 없다는 게 이상했습니다."라고 말했습니다.

랜디 셰크먼 선생님과 마찬가지로 베이커는 오픈 소스와 과학 공유를 옹호합니다. 그의 선생님은 세 개의 주요 저널에 "전쟁을 선포"하기로 결정했습니다.베이커는 AlphaFold2와 경쟁할 수 있는 오픈소스 모델을 개발하기로 결심했습니다.

*랜디 셰크먼은 과학 문헌에 대한 개방적이고 자유로운 접근을 옹호하고 Nature, Science, Cell과 같은 폐쇄형 접근 저널을 강력히 비판하며 이러한 저널에 논문을 제출하지 않을 것이라고 선언했습니다.

Baker와 연구실의 다른 멤버들은 AlphaFold2를 활용해 수개월간 열심히 노력한 끝에 딥 러닝 모델인 RoseTTAFold를 출시했습니다. RoseTTAFold는 단백질의 서열 패턴, 아미노산 상호작용, 가능한 3차원 구조를 동시에 고려할 수 있는 고유한 3트랙 신경망 아키텍처를 사용하는데, 여기서 1차원, 2차원, 3차원 정보가 서로 흘러 들어가 신경망이 단백질의 화학적 구성과 접힌 구조 간의 관계를 추론할 수 있게 합니다. 연구진은 RoseTTAFold를 사용하여 인간 유전체의 많은 알려지지 않은 단백질을 포함하여 수백 개의 새로운 단백질 구조를 계산했으며 염증성 질환 및 암세포 성장과 관련된 단백질 등 인간 건강과 직접적으로 관련된 단백질도 생성했습니다.

RoseTTAFold의 컴퓨팅 에너지 소비량과 시간은 AlphaFold2보다 낮다는 점을 언급할 가치가 있습니다. RTX 2080 그래픽 카드만 있으면 단 10분 만에 400개 아미노산 잔류물의 단백질 구조를 계산할 수 있습니다. 연구진은 "이러한 소프트웨어를 사용하지 않으면 과학자 팀이 단백질 구조를 결정하는 데 수년이 걸릴 수도 있다"고 지적했습니다. 베이커는 RoseTTAFold를 공개할 때가 되었다고 생각했습니다.

RoseTTAFold 오픈소스 주소:https://github.com/RosettaCommons/RoseTTAFold

2021년 6월, Baker는 RoseTTAFold의 기술적 경로를 자세히 설명하는 사전 인쇄 논문을 발표했습니다. 며칠 후, DeepMind의 CEO인 데미스 하사비스는 트위터를 통해 AlphaFold2의 논문과 소스 코드를 공개할 것이라고 발표했습니다. 같은 해 7월 15일, RoseTTAFold와 AlphaFold2에 관한 논문이 각각 Science와 Nature에 게재되었습니다. Science 잡지는 또한 RoseTTAFold와 AlphaFold를 2021년의 혁신 기술로 선정했습니다.학계와 기업 간의 경쟁은 마침내 완벽하게 끝났습니다.

도전적인 일을 해보세요! 단백질 설계에 딥러닝 적용

올해의 노벨 화학상 수상 소식이 발표된 후, 관계자가 베이커와 간단한 전화 인터뷰를 진행했습니다. RoseTTAFold와 AlphaFold 간의 경쟁 관계를 어떻게 생각하는지에 대한 질문에 베이커는 자신은 DeepMind의 경쟁자라고 느껴본 적이 없다고 답했습니다.

"저희는 오랫동안 물리학 기반 단백질 구조 예측 및 설계 방법을 개발해 왔습니다. 그런데 존과 데미스가 AlphaFold2를 개발했을 때, 저는 딥러닝의 힘을 깊이 깨달았습니다. 그들은 딥러닝의 힘에 큰 영감을 주는 사람들입니다." 물론 이 힘으로,베이커는 단백질 구조 예측에 딥 러닝을 활용하고 RoseTTAFold를 출시했을 뿐만 아니라, 단백질 설계에도 딥 러닝을 활용했습니다.

베이커의 학생인 션 하오는 자신의 스승이 "혁신 정신이 있고 큰 발전을 이루려는" 사람이라고 생각하며, 완전히 새로운 단백질을 설계하는 것과 같이 중요하고 도전적인 일에 집중한다고 말했습니다. 베이커의 견해에 따르면, 인간은 수명 연장으로 인한 새로운 질병과 환경 오염 등 많은 새롭고 긴급한 문제에 직면해 있습니다. 자연적인 진화가 문제를 해결할 때까지 기다린다면 수백만 년이 걸릴 수도 있지만, 단백질 설계를 통해 현재의 문제를 해결할 수 있는 새로운 단백질을 빠르게 개발할 수 있습니다.

사실, 베이커의 팀은 오래전부터 아미노산 서열을 Rosetta에 입력하여 단백질 구조를 예측할 수 있기 때문에, 소프트웨어를 역으로 사용하여 원하는 단백질 구조를 입력하고, 해당 아미노산 서열 제안을 얻은 다음, 설계된 서열 유전자를 박테리아에 도입하여 박테리아가 원하는 단백질을 생산할 수 있을지 고민했습니다.

이를 바탕으로,2003년, 베이커의 팀은 세계 최초의 새로운 단백질인 Top7을 성공적으로 설계했습니다.이 획기적인 발견은 관련 분야의 연구에 큰 영감을 주었습니다.

마찬가지로, 단백질 설계에 있어서 딥 러닝의 엄청난 잠재력을 깨달은 후, 베이커는 다음과 같이 생각하기 시작했습니다. 딥 러닝을 역으로 사용하여 기능적인 새로운 단백질을 설계하기 위한 아미노산 서열을 생성할 수 있을까요? 그는 이 주제를 중심으로 팀을 이끌고 일련의 결과를 개발했습니다.

베이커는 Nature 저널에 "RFdiffusion을 이용한 단백질 구조와 기능의 새로운 설계"라는 제목의 논문을 발표했습니다. 연구진은 단백질 구조 잡음 제거 작업에서 RoseTTAFold 구조 예측 네트워크를 미세 조정했습니다.생성 모델 RFdiffusion이 개발되었습니다.이 모델은 단백질 결합제 설계, 효소 활성 부위 스캐폴드 설계 등에서 좋은 성과를 보입니다. 더 중요한 점은 이 모델이 다재다능하고 오픈 소스라는 점입니다.

RFdiffusion 프로젝트 주소:https://github.com/RosettaCommons/RFdiffusion

동시에 RFdiffusion의 기능을 확장하기 위해,베이커는 또한 딥러닝을 기반으로 한 단백질 서열 설계 방법인 ProteinMPNN을 개발했습니다.ProteinMPNN은 단백질 구조를 입력으로 받아 1초 안에 해당 백본으로 접힐 수 있는 새로운 아미노산 서열을 생성합니다. RFdiffusion과 같은 구조 생성 도구와 결합하면, 지금껏 본 적 없는 시퀀스, 구조, 기능을 갖춘 단백질을 설계하는 데 사용할 수 있습니다. 또한 이 연구에서는 천연 단백질 백본에서 ProteinMPNN의 시퀀스 복구율이 52.4%인 반면, Rosetta에 기반한 기존 물리적 설계의 시퀀스 복구율은 32.9%에 불과하다는 사실도 보여주었습니다. "ProteinMPNN을 활용한 견고한 딥러닝 기반 단백질 서열 설계"라는 제목의 연구가 Science에 게재 승인을 받았습니다.

ProteinMPNN 프로젝트 주소:https://github.com/dauparas/ProteinMPNN

또한, Baker의 팀은 이전에 언급된 구조 예측 도구인 Rosetta와 Foldit도 최적화했습니다.소프트웨어에 새로운 모듈과 알고리즘을 도입함으로써 두 기술 모두 단백질 구조 예측에만 국한되지 않고 항체 설계, 효소 설계, 소분자 도킹과 같은 측면으로 확장되었습니다. 이와 관련하여 베이커는 "폴드잇은 원래 단백질 구조 예측을 위해 개발되었지만, 이제는 단백질 설계에 활용되고 있습니다. 플레이어들을 위해 레벨을 지속적으로 업데이트할 예정이며, 연구 관심사의 변화에 따라 폴드잇도 계속 발전할 것입니다."라고 말했습니다.

베이커의 연구실에서는 AI 기술과 물리적 방법을 결합하여 많은 새로운 단백질을 만들어냈습니다.이러한 예로는 바이러스를 중화시키고, 암세포를 표적으로 삼거나 심지어 화학 반응의 촉매 역할을 할 수 있는 단백질이 있습니다. 또한, 베이커는 무기 물질에 결합할 수 있는 단백질을 설계하고, 단백질을 사용하여 무기 결정의 성장을 조절할 수 있는 가능성을 탐구하고 있습니다. 이번 연구는 반도체 제조 등의 분야에 적용될 것으로 기대된다.

회사 설립을 통한 기술 구현 촉진

베이커의 스승인 데이비드 아가드는 한때 "데이비드 베이커의 연구는 단백질 디자인 분야의 발전을 거의 단독으로 촉진했다"고 언급한 적이 있습니다. 실제로 2024년이 끝나기 전에 베이커는 110편이 넘는 논문을 발표했으며, 이 업적의 수는 정말 놀랍습니다. 하지만 더욱 놀라운 점은 베이커가 자신이 연구하는 기술이 기본적으로 성숙되었다고 믿을 때마다 새로운 회사를 설립하거나 과거에 설립한 회사에 투자하여 이를 육성함으로써 해당 기술의 산업화를 촉진한다는 것입니다. 워싱턴 대학교 단백질 디자인 연구소 공식 홈페이지에 따르면,베이커는 21개 회사의 창립 멤버로 직접 참여했으며, 다른 사람들의 컨설턴트 역할도 맡고 있습니다.

구체적으로 올해 4월에 설립된 회사인 Xaira Therapeutics는 앞서 언급한 RFdiffusion과 ProteinMPNN을 적용했습니다.이 회사는 새로운 AI 기술을 통해 약물을 재설계하고 개발하는 데 전념하고 있습니다. 스탠포드 대학 전 총장인 마크 테시에-라빈 박사가 CEO로, 베이커가 공동 창립자로 이끌고 있습니다. 주목할 점은 Baker 연구실의 과학자 몇 명도 Xaira에 정식으로 합류했다는 것입니다.

Xaira는 인간 질병과 관련된 분자적, 생물학적 특징에 대한 방대한 양의 데이터를 통합하여 고품질의 모델을 학습시킬 수 있습니다. 또한, 회사는 실험실에서 단백질이 특정 세포 표적에 얼마나 접착되는지 테스트하고 안정성과 같은 주요 특성을 평가할 수 있는 산업화된 건식 및 습식 실험 플랫폼을 구축했습니다. 그 결과로 얻은 데이터는 단백질 모델에 빠르게 피드백되어 분자 설계의 다음 반복이 가능해집니다.

Xaira 공식 웹사이트:https://xaira.com

2023년에 설립된 Archon Biosciences는 생성적 AI를 통해 새로운 유형의 생물학적 약물인 항체 케이지(AbC)를 설계하는 데 전념하고 있습니다.AbC는 AI 설계와 구조 제어를 결합하여 항체 방향, 결합 도메인 결합가, 크기, 모양, 강성을 완벽하게 제어합니다. 이러한 구조적 제어를 통해 세포 내 정확한 생체 분포와 표적 결합이 가능하며, 내부 임상 데이터와 결합하여 항체의 효과를 빠르게 검증할 수 있습니다. 엔비디아를 포함한 여러 회사의 지원을 받는 이 회사는 베이커가 2024년 노벨 화학상을 수상하게 된 연구로부터 파생된 기술을 사용합니다.

Archon 공식 웹사이트:https://www.archon.bio

또한, Monod Bio는 올해 7월 생명과학 연구 및 진단을 위한 루시퍼레이즈인 세계 최초의 완전 신생 단백질 제품인 LuxSit™ Pro를 출시했습니다.이와 관련하여 베이커는 "이것은 생물학과 컴퓨터 과학 분야에서 중요한 이정표입니다. 앞으로 몇 달 또는 몇 년 안에 처음부터 설계된 단백질이 성숙한 상용 제품으로 탄생하는 모습을 더 많이 보게 될 것이라고 생각합니다."라고 말했습니다. 이 기술은 Baker가 2023년 Nature에 발표한 논문에서 유래되었습니다.

2009년에 설립된 아르제다(Arzeda), 2014년에 설립된 사이러스 바이오텍(Cyrus Biotech), 2018년에 설립된 에이알파 바이오(A-Alpha Bio) 등의 회사도 베이커의 최신 AI 기술을 적극적으로 도입하여 새로운 약물, 백신, 질병 치료제, 심지어 신소재 제조를 위한 새로운 단백질을 개발하고자 노력하고 있습니다.

Arzeda 공식 웹사이트:https://arzeda.com/
Cyrus Biotech 공식 웹사이트:https://cyrusbio.com/
A-Alpha Bio 공식 웹사이트:https://www.aalphabio.com/

초기 철학적 탐구부터 단백질 설계 "마술사"로서의 현재 역할에 이르기까지 Baker의 모든 단계는 미지의 것에 대한 열망과 혁신에 대한 헌신으로 가득 차 있습니다. 그는 윈윈 협력이 장기적인 해결책이라고 늘 주장해 왔으며, 전 세계의 수많은 연구자와 과학 애호가들에게 개방성과 공유의 정신으로 이 분야의 발전에 헌신하도록 영감을 주었습니다. 그의 연구 결과는 학계에서 큰 혁신을 이루었을 뿐만 아니라, 연구실에서 산업계로 확대되어 질병 치료, 식품 생산, 재료 과학 등 여러 분야에 힘을 실어주어 인간 삶에 더 많은 가능성을 가져왔습니다.

참고문헌:
1.https://news.bioon.com/article/9068e156469f.html
2.https://news.qq.com/rain/a/20241010A02IB300
3.https://zh.wikipedia.org/zh-cn/Rosetta@home
4.https://www.ipd.uw.edu/2021/07/rosettafold-accurate-protein-structure-prediction-accessible-to-all/
5.https://news.qq.com/rain/a/20241010A04VNA00
6.https://m.thepaper.cn/newsDetail_forward_28994096
7.https://www.nobelprize.org/prizes/chemistry/2024/baker/interview/
8.https://finance.sina.com.cn/tech/roll/2024-10-10/doc-incsarnm2004532.shtml
9.https://news.qq.com/rain/a/20241011A02XB000