“干濕結合”將成為生物學研究趨勢

馬劍鵬：整合生物化學實驗測量及理論計算領域，屢有創(chuàng)新突破。

馬劍鵬，曾任美國貝勒醫(yī)學院和萊斯大學終身教授、貝勒醫(yī)學院冠頂教授。在整合生物化學實驗測量及理論計算領域，屢有創(chuàng)新突破。2018年起和邁克爾·萊維特一起加盟復旦大學，并擔任復雜體系多尺度研究院院長。此番浦江科學大師講壇上，馬劍鵬作為分報告人，向大家分享了AI在賦能新藥研發(fā)方面的最新進展。

在馬劍鵬看來，傳統(tǒng)的生物學研究，尤其是結構生物研究，就是兩大方向。一個是實驗，一個是計算。“在很長一段歷史里，生物學研究中實驗方法是起主導地位的。但近年來，隨著AI技術的突飛猛進，計算生物學已經(jīng)從一個相對冷門或邊緣的科學，一下子躍升為引領分子生物學的龍頭學科。因為一般從科學角度講，理論或定量分析的普及，往往是一個學科成熟的標志。當今世界，對一個大國來說，計算生物學是促進其醫(yī)藥行業(yè)顛覆性創(chuàng)新發(fā)展必須占領的制高點。我們國家也絲毫不例外。”

我們現(xiàn)在講“芯片”和“藥片”。“芯片”就是算力，“藥片”就是制藥。“有算力就有權力，新藥設計首先是個計算生物學問題。”馬劍鵬在演講中強調，計算生物學是一個引領性科學。“計算”已滲透到現(xiàn)代生物學研究的每個角落，設計新型非自然蛋白以及開發(fā)新功能、新藥物、新材料是目前計算生物學領域的研究目標。

從全新目標蛋白發(fā)現(xiàn)，計算結構預測、實驗結構測定、專用模擬算法開發(fā)，到藥物設計等全鏈條一體化研發(fā)，馬劍鵬描繪了AI賦能大分子新藥設計總架構——用計算機預測靜態(tài)蛋白質結構，然后用專用模擬算法模擬蛋白質的運動模式，在弄清楚蛋白質的性質之后，有針對性地設計藥物。他表示，新藥研發(fā)是系統(tǒng)工程，而蛋白質選取是藥物創(chuàng)新的源頭。這項基礎研究需要“不同方向的專業(yè)人才保持步調一致，在統(tǒng)一指揮下進行‘大兵團會戰(zhàn)’”。

在馬劍鵬看來，蛋白質結構預測技術，比如AlphaFold2（注：“阿爾法折疊2”，為谷歌旗下DeepMind公司的產(chǎn)品），雖然很強大，但還遠沒有達到能夠取代實驗的水平，在未來，“干濕結合”，即計算和實驗相結合將成為生物學研究趨勢，從而解決更多生物問題特別是藥物設計問題。

馬劍鵬說，在目前的狀態(tài)下，沒有任何一個預測方法能夠把AlphaFold2預測出來的結構進行再修正。在分子動力學模型里面的增強取樣算法是目前唯一可能的方法，而他的團隊正好有非常有潛力的相關方法，通過強大的算法來彌補算力的不足。

“生物體系越來越復雜，尺度越來越紛繁，信號越來越模糊，數(shù)據(jù)越來越龐大，所以生物研究對計算方法的依賴越來越強，計算生物學變得越來越重要”，馬劍鵬希望，更多的有志青年能夠跨越計算機和生物學之間的樊籬，加入到“復雜體系多尺度研究”之中。