美国科学促进会（AAAS）为了表彰那些应用人工智能技术帮助研究团体解决重要问题并加速工作的创新年轻研究人员，设立了陈研究所和科学奖加速研究奖。Zhuoran Qiao因其在帮助捕捉和观察以前看不见的生物分子动态小规模行为方面的工作而获得了这一荣誉，这些行为对于药物开发等应用至关重要。
"我很高兴能与陈研究所合作启动这一新的奖项计划，"《科学》杂志的高级编辑Yury V. Suleymanov表示。"我们的获奖者Zhuoran Qiao在该领域展示了卓越的成就。他的工作介绍了一种使用人工智能（AI）驱动的结构基础模型解码和重新编程分子生物学的变革性方法。它展示了人工智能如何帮助克服传统方法的局限性，为分子设计和治疗开发开辟新的机会。"
生物分子如蛋白质和较小分子之间的相互作用是支持生命基本过程的关键。在更小的尺度上识别这些相互作用对于开发新药等应用是有用的，但要做到这一点，需要解码这些相互作用的三维结构。这需要有分子结构的特写快照。
确定分子结构的传统方法，如X射线晶体学和冷冻电子显微镜是非常强大的，但速度很慢。在实验室中生成重要的分子图像可能需要几个月的工作。
最近，人工智能驱动的蛋白质结构预测工具在这方面取得了强有力的进展。它们可以从氨基酸序列预测蛋白质的三维结构。然而，Qiao在他的获奖文章中写道，这些新工具只是创建分子生物学的完全成熟的“计算显微镜”旅程的开始。看到生物分子尺度上的事物，对于不仅有100个原子，还有数千个原子的系统，以及各种构象也是至关重要的。
2024年2月，在《自然机器智能》杂志上，Qiao和他的同事们在人工智能驱动的蛋白质结构预测工作上取得了进展，开发了新的生成式机器学习方法，以更清晰地了解两种关键活动：蛋白质-配体相互作用及其相互作用的景观。
当配体（一种与中心原子或分子结合的分子或离子）完成其结合工作时，它会影响其结合的结构，这反过来又极大地影响了我们日常生活中关键的化学和生物过程。
Qiao表示："如果你想开发新药，你需要非常准确地模拟生物分子相互作用。你需要得到正确的结构，并了解两个蛋白质或小分子相互作用的强度。这是你的药物是否能成功的第一件要知道的事情。"
他补充道，这项工作非常复杂。"展示分子在现实生活中的运动就像在有数千个维度的非常复杂的迷宫中导航。"
Qiao的团队开发的用于可视化这些相互作用的工具名为NeuralPLexer。它考虑到生物分子的高度动态性，需要多个快照来完全捕捉它们的行为。因此，该工具从整个分子复合体的初始草图开始，并逐步完善其生成结构的细节。这一过程帮助研究人员“快速获得分子相互作用的全貌和原子级细节。”
Qiao和他的同事们使用NeuralPLexer来预测“隐性口袋”的形成，这些特殊的结合位点除非由配体结合激发，否则不存在。他们展示了该工具在识别新药结合口袋等方面的强大能力。
Qiao说："如果你将这种方法与传统方法比较，我们能在一天内完成高通量方法六个月才能完成的工作。"
Qiao从早期在该领域的经历中受到了这项工作的激励，基于他认识到科学家了解他们研究的许多系统的理论框架，但相关问题中很少有实际可计算的。
Qiao表示："获奖对我来说是一种巨大的荣誉。这是我选择的研究道路的巨大认可。这也很让人谦卑，因为它提醒我要继续做有影响力的工作，包括指导他人对计算化学产生兴趣。随着新技术的出现，我们看到了计算研究在开发更好的药物和医疗保健方面的实际转化潜力。"
尽管分子建模正在发生变化，Qiao对能成为其中一员感到高兴，尽管还有许多工作要做。他渴望在位于旧金山的初创公司Chai Discovery解决一些下一步的问题。
陈研究所的联合创始人Chrissy Luo表示："我们很高兴收到来自世界各地、涵盖许多不同科学学科的令人印象深刻的申请。在这个人工智能正在彻底加速全球科学发现的时代，我们很高兴与AAAS合作，展示三位使用这些强大新技术扩展人类知识前沿的杰出年轻研究人员。"
/Public Release. 此材料来自原始组织/作者，可能是特定时间点的内容，并经过编辑以提高清晰度、风格和长度。Mirage.News不采取机构立场或观点，所有观点、立场和结论均属于作者。详情请见这里。
【全文结束】
