陳元光同樣很開心,能為這個世界做出點貢獻,「那就好,要是沒有預測準確,那我們兩都得被批評了。
教授,感謝你幫我冒險。」陳元光說的很真摯。
要不是萊維特幫他站台,science不會那麼快過稿,開線上會議即便有MIT背書,也不會有那麼多人參加,他不會有那麼好的布道機會。
陳元光接著道:「輝瑞和拜耳肯定得有信心啊,他們的廣譜疫苗完全是建立在我們的病毒預測模型基礎上,我們的病毒預測模型表現得如此出色,準確預計了這兩次的毒株突變點位。」
萊維特笑道:「也是,萊特,是我應該感謝你,你做出如此優秀的成果,我在其中並沒有起到太多的幫助,不過是分享了一些信息給你。
病毒預測模型完全是你的功勞,我會推薦你去評選明年的諾貝爾生物學獎的。」
陳元光這才發現自己忘了萊維特作為前諾獎得主,也有候選人推薦資格,和蓋茨基金會關係好的諾獎推薦人是少數。
「教授,感謝,我會記得你為我提供的幫助的。」陳元光說的很真誠。
因為他知道,這次是他最後的機會了,不是說最後拿諾獎的機會,而是最後一次去瑞典現場領獎的機會。
明年靠著廣譜疫苗,病毒被終結,他光環加身,又是做純理論研究,去領獎也沒什麼。
如果等到後面,他拿出更有影響力的成果,像一些能夠改變世界的成果時,諾獎再頒給他,他也不敢去領獎了。
這就是時機的重要性,錯過了有可能就是一輩子。
「教授,你剛剛是在和萊特打電話嗎?」剛剛站在萊維特身邊等他打完電話的是他手下的博士史蒂文。
萊維特望向史蒂文:「是的。」
史蒂文露出艷羨的表情,他感覺萊維特對陳元光遠比對他們這幫萊維特手下的博士更上心。
這區別就好像親傳弟子和外門弟子。
史蒂夫感慨:「光是檢驗萊特預測模型的論文都發了好幾篇在Nature、Science和柳葉刀上。」
自從陳元光的研究結果發布後,各地發現的新毒株,在做完測序後,大家都會拿著去和模型進行比對。
不一定突變點位都被模型所預測到,但是大部分突變點位都被模型所包含,而且最後流行程度最高毒株的突變點位,一定在模型預測範圍內。
因此每次測序都能發篇論文,9月英國發現的阿爾法毒株測序比對結果就被劍橋捷足先登,發表在了柳葉刀上。
學術界的同仁們發現發論文如此簡單,只需要測序比對就完事了,大家都開始搶時間,和病毒檢測中心打好關係,看的就是誰速度快。
慢慢的這類結果只能發表在二流期刊上,而且還得看手速。
有學者把測序結果進行總結,搞了篇綜述,居然發表在了Nature上,這下大家熱情更高了。
短短半年時間,陳元光的那篇論文被引頻次就突破了兩千次,成為全年最具學術影響力的論文。
這是陳元光沒有預料到的。
圍繞一個好的結果,大家都能有口飯吃。
這讓史蒂文很羨慕,成果頂級,大佬青睞,還年輕,buff給他疊滿了。
「這就是頂級科研者的價值所在。
像歐拉的手稿、成果、思考給俄國數學界吃了三百年。
越頂級科學家的越是富礦。
陳現在已經有這種潛質了。」
萊維特也很感慨,他還記得前年年底的時候去華國參加科幻評獎,當時陳元光找到他謙虛的模樣,讓他以為對方只是來套磁的。
結果對方自己就是鯊魚,短短兩年時間就已經鋒芒畢露。
萊維特作為諾獎得主,他很清楚諾獎得主之間也有區別,有人得諾獎,諾獎是他的光榮,而有人得諾獎,諾獎的光榮是他。
在萊維特看來,才二十歲出頭的陳元光完全能做到後者。
史蒂文問道:「教授,你沒有想過把萊特招攬來斯坦福嗎?
斯坦福應該隨便給他一個教職吧。」
說起這個,史蒂文露出奇怪的神情,他有點不想繼續這個話題,因為他又想起陳元光拒絕他的離奇理由,因為他朋友在紐約。
當時陳元光給他的理由是,他更喜歡巴文迪的研究方向。
今年兩人開始合作後,萊維特發現對方對生物計算興趣和能力同樣濃厚,於是又問了這個問題,陳元光這才說實話,說因為他朋友在紐約,波士頓離紐約更近。
萊維特永遠不會忘記當時自己的心情,簡直和吃了鯡魚罐頭一樣難受,敢情我的博士還不如朋友之間多看幾面值。
等陳元光做出預測模型後,他自我安慰,說天才就是這樣有個性,天才有其超凡之處,自然個性也很突出。
「我邀請過他,他可能不太喜歡矽谷的氣候。」萊維特說完自己都不相信,因為加州氣候明顯要比波士頓更好。
波士頓漫長的寒冬怎麼比得上氣候宜人的加州。
他又補充了一句:「總之我邀請過他,他不太想來斯坦福。」
史蒂文內心猜測,估計對方更喜歡MIT,所以教授才會露出這樣的神色。
史蒂文怎麼都猜不到真實原因。
「原來是這樣,看來我短期內沒有機會見到萊特了,他在生物計算上的成就真是驚人。
我有朋友在矽谷,因為萊特的成果,這段時間矽谷冒出了很多主打生物計算和人工智慧結合的公司,專門為醫藥企業提供人工智慧服務。
他們招了一幫計算機博士和生物學博士,說是要提供新型醫藥外包服務。
像輝瑞、阿斯利康、羅氏製藥這些藥企,也開始加大在AI上的投入,光是輝瑞,最近給英偉達下了超過兩億美元的訂單。」
因為打算畢業之後去工業界,所以史蒂文格外留意矽谷生物方面的前沿動向,這關係到他後續發展。
他對矽谷工業界的最新動態如數家珍,萊維特聽完後說:「確實如此,人工智慧技術在生物計算領域的優勢非常明顯。
傳統的數學建模已經無法滿足現在學術界的需要,我們需要新方法和新理論,現在新方法已經有了,但是新理論還是一片空白。」