（来源：果壳）
点击图片进入历年诺贝尔奖解读合集
10月5日起，一年一度的诺贝尔奖即将揭晓。每年这个时候，大奖究竟会花落谁家，都是全球科技媒体绕不开的话题。
今年，果壳根据以往诺奖颁发的规律，请教相关领域的科学家，并结合AI分析，做了一份今年的诺奖预测名单，其中不乏多位中国科学家。
每个奖项，我们最初都讨论了10-12个可能的奖项，每一个奖项都按同一套标准衡量：成果是否已经成熟？理论与实验的链条是否完整？有没有权威奖项背书？同一大类方向奖项是否过于密集？以及最现实的规律：诺贝尔奖最多授予三人，且从不追授逝者。
排完之后，取综合分最高的5-6个，再按“N强必有一中”的口径把分数归一到100%，得到相应的权重。
它能不能押中？欢迎你来判断，这份名单里有没有你心目中的诺奖首选（记得参与文末投票哦）。
10月5日 生理学或医学奖
肠促胰素生物学与
GLP-1 受体激动剂
获奖概率
31.4%
丹尼尔·德鲁克（Daniel J. Drucker）
延斯·尤尔·霍斯特（Jens Juul Holst）
斯维特兰娜·莫伊索夫（Svetlana Mojsov）
自从发现肠道激素 GLP-1，科学家最初只是关注它对胰岛素分泌和食欲的影响，并开发成为治疗II型糖尿病的药物。但是令人意想不到的是，相关药物在临床实验中表现出了显著的减重效果，从而改变了科学家和药企的研究方向，最终催生了减重 “明星药物” 司美格鲁肽和替尔泊肽。
这是人类药物研究历史上无数“打哪指哪”的又一案例。但如果没有最初对它的科学研究，就不会有相应的糖尿病药物，更不会有最后的减重药物。这正是诺奖喜欢的那种“从实验台走进千家万户”的故事。
食欲素系统与睡
眠-觉醒神经机制
获奖概率
16.9%
柳泽正史（Masashi Yanagisawa）
埃马纽埃尔·米尼奥（Emmanuel Mignot）
科学家在寻找“食欲分子”时意外锁定了下丘脑食欲素（Orexin），由此揭开了大脑掌控清醒与睡眠的分子总开关，并证实发作性睡病源于食欲素系统的缺失。这项研究将睡眠探索推向分子与神经回路水平，并催生出颠覆传统的新型安眠与唤醒药物。
尽管此成果刚获得2026 年拉斯克奖，但其清晰的科学机制与临床转化价值仍使其成为强劲的竞争者，此外，纯粹的神经生物学成果也已有多年未获诺奖。
蛋白质低复杂度区
域与液-液相分离
获奖概率
16.9%
德克·格尔利希（Dirk Görlich）
史蒂文·麦克奈特（Steven L. McKnight）
安东尼·海曼（Anthony Hyman）
细胞生物学家最初在研究中发现一些低复杂度序列的蛋白质可以驱动或调控自身以及其他蛋白质分子的自主凝聚，这种总体无规则的自组装体在细胞内构成了一种动态的“无膜细胞器”，类似物理学中的“液-液相分离”现象。
这一发现改变了“细胞内的功能区室主要由膜包裹”的传统认知，更为解释渐冻症与阿尔茨海默病等疾病中蛋白质从动态凝聚走向异常聚集提供了全新视角，是生物物理学领域的重要突破。
内质网应激与未
折叠蛋白反应
获奖概率
14.5%
彼得·沃尔特（Peter Walter）
森和俊（Kazutoshi Mori）
这项研究揭开了细胞应对蛋白质积压与折叠错误的“质量控制”与自我修复机制。蛋白质不仅仅是线性的肽链，还要折叠成正确的三维构型才能行使功能。但在生产和长时间使用的过程中，这种折叠都容易出现不可逆的错误。上述这套“质量控制”机制可以及时清除折叠错误的新生产蛋白质，也可以应对细胞损伤或日常消耗导致的去折叠蛋白质。这一底层策略直接关乎II型糖尿病、神经退行性疾病、癌症等重大病理过程。
虽说这一突破已处于随时可能公布获奖的典型兑现期，但也会受到细胞质量控制板块的“排队效应”影响，并面临邻近前沿领域的强大竞争。
cGAS-STING胞质
DNA感知通路
获奖概率
10.6%
陈志坚 （Zhijian 'James' Chen）
安德烈娅·阿布拉瑟 （Andrea Ablasser）
格伦·巴贝尔 （Glen N. Barber）
通过发现胞质 DNA 受体 cGAS、第二信使 cGAMP 及 STING 通路，科学家抓住了细胞质里的“DNA 警报器”，填补了天然免疫识别胞内异物的数十年空白，也为抗癌药物与自身免疫病治疗提供了关键靶点。值得一提的是，针对STING蛋白的结构研究曾经有过非常激烈的竞争，当时全球有四五家研究机构几乎在同一时间获得了STING的三维结构，其中有三家来自中国。
不过前一届诺奖已颁给免疫领域课题，学科轮换的“隐形传统”可能会影响获奖概率。
DNA甲基化与表
观遗传基因沉默
获奖概率
9.7%
阿德里安·伯德 （Adrian Bird）
豪尔赫·西达尔 （Howard Cedar）
研究证明了DNA甲基化能直接“静音”特定基因并发现关键蛋白MeCP2，揭开了细胞在不改变基因序列前提下能稳定继承差异化表达的表观遗传奥秘。这不仅可以解释同一套基因如何分化出全身器官，更证实一些先天神经疾病在成年后具备“可逆恢复”的可能，打破了遗传病终身不可救的传统认知。
但此研究获奖的障碍在于DNA甲基化的发现链条过长，是一个几十年逐渐建立起来的体系，不是诺奖更青睐的“一个明确的机制”。
10月6日 物理学奖
魔角石墨烯与
转角电子学
获奖概率
32%
帕布罗·哈里略-埃雷罗（Pablo Jarillo-Herrero）
阿兰·麦克唐纳（Allan H. MacDonald）
拉菲·比斯特里策（Rafi Bistritzer）
备选：伊娃·安德烈（Eva Y. Andrei）
把两层石墨烯扭转到约 1.1°的“魔角”，电子能带会变得异常平坦，电子间的相互作用随之占据主导，并催生关联绝缘态和超导态。这个发现使理论预言与实验发现形成了漂亮的闭环，并开启了“转角电子学”新领域。
但这一成果相对较新、超导机制仍有争议，且今年引文桂冠奖未点名。
拓扑绝缘体与量
子自旋霍尔效应
获奖概率
20%
查尔斯·凯恩（Charles L. Kane）
尤金·梅莱（Eugene J. Mele）
劳伦斯·莫伦坎普（Laurens W. Molenkamp）
理论预言表明，二维拓扑绝缘体的边缘可以形成受时间反演对称性保护的导电通道，即使没有外磁场也能实现无耗散输运，随后在HgTe量子阱中得到实验验证。它揭示了材料的拓扑性质可以直接决定电子态和输运特征，并让这一理论预言最终在真实材料中得到实验验证。
它的理论与实验对应清晰、基础性很强，但2016年诺贝尔物理学奖已经表彰拓扑相变和拓扑物态，存在“重复表彰”风险。
磷光 OLED 与
热激活延迟荧光
获奖概率
18%
马克·汤普森（Mark E. Thompson）
斯蒂芬·福里斯特（Stephen R. Forrest）
安达千波矢（Chihaya Adachi）
磷光OLED利用重金属增强自旋—轨道耦合，让原本难以发光的三线态激子也能参与发光；TADF则通过反系间窜越“回收”三线态，不再依赖昂贵重金属。两者的机制清晰，又深刻改变了显示产业。但研究过程的贡献者众多，三人名额如何分配是个难题。
量子反常霍尔效应
获奖概率
16%
薛其坤
方忠
戴希
量子反常霍尔效应让材料无需外加磁场，仅依靠自身磁性和自旋—轨道耦合就能产生量子化霍尔电导的拓扑态，2013年在磁性掺杂拓扑绝缘体薄膜中首次实现实验观测。
它兼具漂亮的理论预言和标志性实验验证，且2026年引文桂冠点名，风向较强。不过理论、材料和实验的贡献者众多，且拓扑和量子主题获得诺奖略密集。
室温磁电多铁性材料
获奖概率
14%
尼古拉·斯帕尔丁（Nicola A. Spaldin）
拉马穆尔蒂·拉梅什（Ramamoorthy Ramesh）
郑相旭（Sang-Wook Cheong）
多铁性材料能在同一体系中同时存在铁电、磁有序等多种有序状态，其中一些材料还能实现电场对磁性、磁场对电极化的调控。相关理论解释了这类材料为何罕见，随后以BiFeO₃为代表的材料实现了室温多铁性和磁电耦合，为低功耗信息存储和新型电子器件提供了新的物理机制与器件思路。
不过，这一方向目前更大的意义仍在基础物理和材料设计，实际应用尚未形成特别强的突破。
10月7日 化学奖
单碱基编辑与
引导编辑技术
获奖概率
25.2%
刘如谦（David R. Liu）
利用经过改造的 Cas 蛋白与催化酶等模块的精妙组合，科学家给基因编辑装上了“橡皮擦和铅笔”：无需制造 DNA 双链断裂，就能对特定位点进行精准修改，让基因编辑从“剪切”走向更精细的“改写”。
该研究规避了传统 CRISPR“剪断 DNA 双链”的局限，完美契合诺贝尔化学奖对“构建与精准修饰分子新工具”的偏好。不过，距离CRISPR获奖只有几年，委员会或许不愿这么快就再次奖励基因编辑。
生物分子凝聚体
与液-液相分离
获奖概率
21.6%
克利福德·布朗温（Clifford P. Brangwynne）
安东尼·海曼（Anthony A. Hyman）
迈克尔·罗森（Michael K. Rosen）
是的，LLPS又出现了！且预测概率比生理学或医学奖还高。生理学或医学奖更看重生物学现象与临床疾病的直接因果关系，而化学奖则偏爱“用物理化学底层规律解释生命现象”的范式突破。
LLPS 引入了物理学中的相图、流体表面张力和多价弱相互作用，解释了无膜细胞器如何自组装，这本质上是标准的软物质物理化学。
但其获奖的阻碍在于，蛋白质分子构成LLPS的机制还缺乏深入的认知，整体性规则尚不能落实到具体的某一种或某几种蛋白质分子上，导致我们还不具备对于LLPS的精细结构认知以及利用性改造的能力。
超高通量“边合成边
测序”化学方法与固
相表面克隆扩增技术
获奖概率
17.4%
尚卡尔·巴拉苏布拉马尼安（Shankar Balasubramanian）
戴维·克莱纳曼（David Klenerman）
帕斯卡尔·梅耶（Pascal Mayer）
这套技术利用可逆终止核苷酸和荧光信号，在固体表面同时读取海量 DNA 片段，实现了大规模并行的“边合成边测序”。它是核苷酸化学、荧光检测和微纳加工等技术的巧妙结合，让原本昂贵而缓慢的基因组测序走向大规模、高通量，也由此改变了生命科学研究的效率。
单原子催化
获奖概率
13.8%
张涛
李亚栋
这是中国科学家最有可能参与的化学奖热门方向之一。
该研究将昂贵的金属以孤立原子的形式分散并稳定在载体上，大幅提高了金属原子的利用率，也让研究者能够在原子尺度研究催化活性位点和反应机制。它为贵金属的高效利用以及能源转化、环境催化等领域提供了新的催化设计思路，极其契合诺奖对低碳可持续与造福人类的偏好。
自组装单分子层
获奖概率
11.9%
大卫·阿拉拉（David Allara）
拉尔夫·努佐（Ralph Nuzzo）
雅各布·萨吉夫（Jacob Sagiv）
研究发现有机分子在固体表面自发排列成单分子厚度的有序薄膜，提供了在分子尺度调控材料表面的新方法。结合软光刻技术后，可以进一步调控材料表面的浸润性与生物相容性。SAMs是现代纳米技术的重要基础——表面修饰、生物传感器、分子电子学……很多纳米界面技术都建立在其上。
DNA 折纸术的发明
及其在纳米尺度可
编程自组装中的应用
获奖概率
10.1%
鲍尔·罗特蒙德（Paul W. K. Rothemund）
埃里克·温弗里（Erik Winfree）
利用数百条短DNA链作为“订书针”，引导一条长DNA链精准折叠成预设形状，科学家成功把 DNA 从遗传信息载体变成了可以按设计自组装的纳米级建筑材料。它能作为“纳米面包板”精准排列分子，在血管靶向递药与分子逻辑计算中展现出巨大的探索前景，也是超分子化学自下而上精密制造的范式突破。
预测就到这里，在诺奖评选委员会投票揭晓之前，邀请大家率先投个票！
这次的预测名单里出现了多位中国科学家，这不是我们的私心和偏爱，而是根据计算规则，真的有越来越多的中国科学家出现在其中。期待下周在斯德哥尔摩打来的电话中，这些名字真的会出现！
你觉得哪些研究最有“诺奖相”？欢迎投票和留言，看看谁更接近今年的答案！
策划：吴欧
调研撰稿：不启轩、吴欧
编辑统筹：小米
专家支持：罗会仟、张双南、王青、施郁、叶盛、孙亚飞
排版编辑：黑jio妹妹
