什么是计算生物学?
顾名思义,计算生物学就是用计算方法来解决生物学问题,通过将定量分析方法引入生物学研究领域,提升研究效率。
2013年诺贝尔化学奖获得者迈克尔·莱维特(Michael Levitt)首创蛋白质和DNA的分子动力学模拟方法,致力于蛋白质结构预测技术的关键评估,研究蛋白质结构的折叠和包装,开发用于大规模序列结构比较的评分系统,是计算生物学领域的开创者之一。
计算生物学有什么用?
计算生物学可应用的领域很多。比如,通过人工智能技术,我们可以预测海量蛋白质的三维结构与动态变化,为药物分子设计节省时间与成本,可以帮助科学家更高效地找到药物作用于蛋白质的新靶点,支持创新药研发等。
蛋白质是生命的基础,由一系列氨基酸折叠而成,氨基酸线性排列成一条氨基酸链,并在入水后屡次折叠,形成一个稳定三维结构。这个三维结构取决于几千个氨基酸各个原子间的相互作用力,解析起来难度很大。
在过去50年中,研究氨基酸长链如何自发地折叠成三维结构也就是“蛋白质折叠”问题一直被视为现代分子生物学“皇冠上的明珠”。此前,生物学家主要通过X射线晶体学或冷冻电镜等实验技术来预测定蛋白质结构,耗费大量工时与成本。
近年来,谷歌旗下深度思维公司开发的人工智能算法“阿尔法折叠”对结构生物学领域发起了一场革命。在学习实验测定的大量蛋白质结构后,“阿尔法折叠”具备了根据氨基酸序列准确预测结构的能力,不但预测了98.5%的人类蛋白结构,还实现了接近实验精度的精准预测,这一成果被《科学》杂志评为2020年十大科学突破之一。
2021年,复旦大学复杂体系多尺度研究院院长马剑鹏团队合作发表基于主链的蛋白质侧链预测算法(OPUS-Rota4 算法),其精度超越了谷歌团队的“阿尔法折叠”。
在目前算法开源的情况下,如果主链信息已知,马剑鹏团队的算法可以为任何蛋白质结构预测工作提供比“阿尔法折叠”更准确的侧链模型,从而为蛋白质结构研究,尤其是基于蛋白结构的新药设计工作提供利器。
除了预测海量蛋白质结构,人工智能技术还可以用于分析海量生物数据,帮助科学家找到疾病与衰老背后的科学机理。
当前,用人工智能研究衰老机制是复旦大学“浩清教授”、复旦人工智能创新与产业研究院院长漆远的一个主攻方向。
用人工智能的方法,漆远团队与生物科学家合作创新性地构建了多尺度动态表型网络,揭示了人体表型网络随着时间熵增的规律,并研发了生理年龄检测的人工智能算法。漆远团队同时还把人工智能与物理模型结合起来加速分子动力学,支持抗衰老分子的研发。
简而言之,计算生物学有着广阔前景,且与我们每一个人息息相关,今后,你服用的某一款新药,也许背后就有计算生物学的贡献。
计算生物学的前景——将引领生物学的发展
“随着人工智能技术的发展,计算生物学已经从一个冷门学科跃升为引领分子生物学研究的龙头学科。”在马剑鹏看来,理论及定量分析方法的普及往往是一个学科成熟的标志,当今世界上,对任何一个大国来说,计算生物学是促进其医药行业颠覆性创新发展必须占领的制高点之一。
如今,计算与信息正渗透到现代生物学研究的每一个角落,总而言之,计算生物学的时代正在来到!
如果你还想对计算生物学前沿与应用有所了解
这场浦江科学大师讲坛不容错过!
迈克尔·莱维特、马剑鹏、漆远
三位全球顶尖科学家将云集于此
为你解答计算生物学领域最前沿的问题
在主报告中,迈克尔·莱维特将阐述计算生物学从一个现代生命科学中的“边缘”学科一跃成为引领性的龙头学科的过程,以及所揭示的深刻的科学发展规律及方法论的启示,同时也将讨论“无用”的基础科学和“有用”的应用科学之间的深层依赖关系。
在分报告中,马剑鹏将介绍从基因靶标发掘到新型生物大分子药物开发的全链条人工智能赋能药物创新研究的现状和未来前景。漆远将介绍人工智能在推进科学发现、促进经济发展尤其在药物研发、生命健康、气象能源等领域的应用。
现在开始预约直播吧!