复旦大学团队开发新型AI算法　分析蛋白质精细结构助研发新药

复旦大学马剑鹏教授领衔的科研团队开发的新型计算方法 OPUS-DSD，能够解析冷冻电子显微镜（Cryo-EM）结构解析技术中，因传统方法无法分辨而缺损的生物大分子，比如蛋白质、核酸或蛋白质/核酸覆合物等结构，并且高效精准地分辨出柔性结构域在受测样品中的构象分布。
同时，该算法有效建立高精度的生物大分子结构模型，帮助解决药物设计中因目标蛋白结构不准而导致的新药研发失败问题。
相关论文已于国际知名学术期刊《自然-方法》（Nature Methods）刊发。

诺贝尔化学奖得主、复旦大学复杂体系多尺度研究院荣誉院长迈克尔 · 莱维特（Michael Levitt）表示，在结构生物学领域，解析生物大分子的柔性结构是一个长期目标，复旦团队开发的新算法使科研人员能通过冷冻电子显微镜看到关键的结构细节，“这是以往技术无法实现的，将对生物学、化学研究和药物发现产生重要影响”。

复旦大学研究团队推出一种基于深度学习的计算方法，可有效地识别和处理生物大分子的柔性信息，从而提高冷冻电镜的解析能力，并获取三维结构的动态变化信息。

OPUS-DSD 具有卓越的数据处理能力和鲁棒性，能在更低信噪比的数据上保持较高的解析准确性。此外，它不仅仅局限於单颗粒冷冻电镜技术，也可推广到更高端更低信噪比的冷冻断层扫描电镜（Cryo-ET）的研究中。

复旦团队的成果不仅对冷冻电镜生物大分子结构解析技术带来深远的影响，也展示了自主开发国际领先算法软件的实力。

随着AlphaFold2（阿尔法折叠2）等蛋白质结构预测技术的兴起，计算生物学近年来飞速发展，人工智能技术成为结构生物学实验研究的得力助手。今年9月，有“诺贝尔奖风向标”之称的拉斯克（The 2023 Lasker Awards）基础医学研究奖揭晓，获奖者正是AlphaFold 的开发者 Demis Hassabis和 John Jumper。

马剑鹏教授指出，在结构生物学领域，计算机预测技术还远远不能取代传统的实验结构测定技术，只能起到补益和增强作用。绝大部分生物大分子的结构，特别是超大型覆合物的结构，将继续通过实验来测定。在利用冷冻电子显微镜进行实验测定的过程中，计算机软件会通过解析实验测定结果，让科学家获得更精准的生物结构图像。