復旦大學團隊開發新型AI算法　分析蛋白質精細結構助研發新藥

復旦大學馬劍鵬教授領銜的科研團隊開發的新型計算方法 OPUS-DSD，能夠解析冷凍電子顯微鏡（Cryo-EM）結構解析技術中，因傳統方法無法分辨而缺損的生物大分子，比如蛋白質、核酸或蛋白質/核酸覆合物等結構，並且高效精準地分辨出柔性結構域在受測樣品中的構象分布。
同時，該算法有效建立高精度的生物大分子結構模型，幫助解決藥物設計中因目標蛋白結構不準而導致的新藥研發失敗問題。
相關論文已於國際知名學術期刊《自然-方法》（Nature Methods）刊發。

諾貝爾化學獎得主、復旦大學複雜體系多尺度研究院榮譽院長邁克爾 · 萊維特（Michael Levitt）表示，在結構生物學領域，解析生物大分子的柔性結構是一個長期目標，復旦團隊開發的新算法使科研人員能通過冷凍電子顯微鏡看到關鍵的結構細節，「這是以往技術無法實現的，將對生物學、化學研究和藥物發現產生重要影響」。

復旦大學研究團隊推出一種基於深度學習的計算方法，可有效地識別和處理生物大分子的柔性信息，從而提高冷凍電鏡的解析能力，並獲取三維結構的動態變化信息。

OPUS-DSD 具有卓越的數據處理能力和魯棒性，能在更低信噪比的數據上保持較高的解析準確性。此外，它不僅僅局限於單顆粒冷凍電鏡技術，也可推廣到更高端更低信噪比的冷凍斷層掃描電鏡（Cryo-ET）的研究中。

復旦團隊的成果不僅對冷凍電鏡生物大分子結構解析技術帶來深遠的影響，也展示了自主開發國際領先算法軟件的實力。

隨着AlphaFold2（阿爾法折疊2）等蛋白質結構預測技術的興起，計算生物學近年來飛速發展，人工智能技術成為結構生物學實驗研究的得力助手。今年9月，有「諾貝爾獎風向標」之稱的拉斯克（The 2023 Lasker Awards）基礎醫學研究獎揭曉，獲獎者正是AlphaFold 的開發者 Demis Hassabis和 John Jumper。

馬劍鵬教授指出，在結構生物學領域，計算機預測技術還遠遠不能取代傳統的實驗結構測定技術，只能起到補益和增強作用。絕大部分生物大分子的結構，特別是超大型覆合物的結構，將繼續通過實驗來測定。在利用冷凍電子顯微鏡進行實驗測定的過程中，計算機軟件會通過解析實驗測定結果，讓科學家獲得更精準的生物結構圖像。