什么是計算生物學？
顧名思義，計算生物學就是用計算方法來解決生物學問題，通過將定量分析方法引入生物學研究領域，提升研究效率。
2013年諾貝爾化學獎獲得者邁克爾·萊維特（Michael Levitt）首創(chuàng)蛋白質和DNA的分子動力學模擬方法，致力于蛋白質結構預測技術的關鍵評估，研究蛋白質結構的折疊和包裝，開發(fā)用于大規(guī)模序列結構比較的評分系統(tǒng)，是計算生物學領域的開創(chuàng)者之一。
計算生物學有什么用？
計算生物學可應用的領域很多。比如，通過人工智能技術，我們可以預測海量蛋白質的三維結構與動態(tài)變化，為藥物分子設計節(jié)省時間與成本，可以幫助科學家更高效地找到藥物作用于蛋白質的新靶點，支持創(chuàng)新藥研發(fā)等。
蛋白質是生命的基礎，由一系列氨基酸折疊而成，氨基酸線性排列成一條氨基酸鏈，并在入水后屢次折疊，形成一個穩(wěn)定三維結構。這個三維結構取決于幾千個氨基酸各個原子間的相互作用力，解析起來難度很大。
在過去50年中，研究氨基酸長鏈如何自發(fā)地折疊成三維結構也就是“蛋白質折疊”問題一直被視為現代分子生物學“皇冠上的明珠”。此前，生物學家主要通過X射線晶體學或冷凍電鏡等實驗技術來預測定蛋白質結構，耗費大量工時與成本。
近年來，谷歌旗下深度思維公司開發(fā)的人工智能算法“阿爾法折疊”對結構生物學領域發(fā)起了一場革命。在學習實驗測定的大量蛋白質結構后，“阿爾法折疊”具備了根據氨基酸序列準確預測結構的能力，不但預測了98.5%的人類蛋白結構，還實現了接近實驗精度的精準預測，這一成果被《科學》雜志評為2020年十大科學突破之一。
2021年，復旦大學復雜體系多尺度研究院院長馬劍鵬團隊合作發(fā)表基于主鏈的蛋白質側鏈預測算法（OPUS-Rota4 算法)，其精度超越了谷歌團隊的“阿爾法折疊”。
在目前算法開源的情況下，如果主鏈信息已知，馬劍鵬團隊的算法可以為任何蛋白質結構預測工作提供比“阿爾法折疊”更準確的側鏈模型，從而為蛋白質結構研究，尤其是基于蛋白結構的新藥設計工作提供利器。
除了預測海量蛋白質結構，人工智能技術還可以用于分析海量生物數據，幫助科學家找到疾病與衰老背后的科學機理。
當前，用人工智能研究衰老機制是復旦大學“浩清教授”、復旦人工智能創(chuàng)新與產業(yè)研究院院長漆遠的一個主攻方向。
用人工智能的方法，漆遠團隊與生物科學家合作創(chuàng)新性地構建了多尺度動態(tài)表型網絡，揭示了人體表型網絡隨著時間熵增的規(guī)律，并研發(fā)了生理年齡檢測的人工智能算法。漆遠團隊同時還把人工智能與物理模型結合起來加速分子動力學，支持抗衰老分子的研發(fā)。
簡而言之，計算生物學有著廣闊前景，且與我們每一個人息息相關，今后，你服用的某一款新藥，也許背后就有計算生物學的貢獻。
計算生物學的前景——將引領生物學的發(fā)展
“隨著人工智能技術的發(fā)展，計算生物學已經從一個冷門學科躍升為引領分子生物學研究的龍頭學科。”在馬劍鵬看來，理論及定量分析方法的普及往往是一個學科成熟的標志，當今世界上，對任何一個大國來說，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之一。
如今，計算與信息正滲透到現代生物學研究的每一個角落，總而言之，計算生物學的時代正在來到！
如果你還想對計算生物學前沿與應用有所了解
這場浦江科學大師講壇不容錯過！
邁克爾·萊維特、馬劍鵬、漆遠
三位全球頂尖科學家將云集于此
為你解答計算生物學領域最前沿的問題
在主報告中，邁克爾·萊維特將闡述計算生物學從一個現代生命科學中的“邊緣”學科一躍成為引領性的龍頭學科的過程，以及所揭示的深刻的科學發(fā)展規(guī)律及方法論的啟示，同時也將討論“無用”的基礎科學和“有用”的應用科學之間的深層依賴關系。
在分報告中，馬劍鵬將介紹從基因靶標發(fā)掘到新型生物大分子藥物開發(fā)的全鏈條人工智能賦能藥物創(chuàng)新研究的現狀和未來前景。漆遠將介紹人工智能在推進科學發(fā)現、促進經濟發(fā)展尤其在藥物研發(fā)、生命健康、氣象能源等領域的應用。
現在開始預約直播吧！
loading......