科技日报记者 李禾
近日，河南大学联合APUS AI实验室在学术期刊《药食同源（英文）》发表论文，系统性提出人工智能驱动多糖结构-活性关系研究的新范式。
传统多糖研究通常经历“提取-结构分析-活性验证”等环节，但多糖结构十分复杂，同一种来源的多糖，仅因品种、提取或加工方式不同，可能产生不同结构和功能。这就像做菜，同样的食材，火候、比例和处理方式不同，最后的味道也会有所不同。而多糖影响其功能的“差异”往往发生在分子层面，涉及分子量、组成、连接方式和支化结构等因素。面对如此复杂的变量，仅靠经验和反复实验，很难快速找到其中的规律。AI的加入，有望帮助科研人员整合大量分散的实验数据，从复杂信息中发现隐藏规律，让多糖研究从“经验筛选”走向“数据驱动”，并从“发现有效多糖”走向“理解为什么有效”，甚至能按照目标功能设计新的多糖。
APUS AI实验室认为，想让AI真正参与多糖研究，第一步要解决“数据怎么看、怎么用”的问题。只有建立统一的数据记录和标准，让“样品从哪里来、经过什么处理、是什么结构、检测出了什么、具有什么活性”等信息建立关联，才能为AI发现规律打下基础。
要让AI真正“看懂”多糖，还需要将复杂的糖链转化为AI可识别和计算的数据形式，例如分子图、结构向量以及谱学数据等。在此基础上，AI能帮助科研人员把不同的检测结果放在一起分析。比如多模态AI有望将这些不同来源的信息综合起来，利用不同检测手段之间的互补信息，就像医生结合不同检查结果判断病情一样，从多个角度提高复杂多糖结构解析的效率；AI还可以先提出可能的结构，再用实验数据进行验证和修正，形成“预测-验证-调整”的循环。
AI还能同时分析分子量、组成、连接方式等多个因素，识别可能驱动功能变化的关键结构特征，解释多糖为何会产生某种功能，并结合实验验证这些因果假设。
当AI从“预测”走向“生成”，多糖研究还可能按照功能去设计多糖，形成“AI设计-实验验证-数据反馈-持续优化”的闭环。此次APUS AI实验室与河南大学的合作，体现了人工智能技术与传统生命科学研究交叉融合的新趋势。随着标准化数据库、可解释模型、因果推断、多模态AI、合成生物学和自动化实验平台不断发展，人工智能有望推动多糖研究从经验筛选迈向数据驱动，从相关性分析迈向机制解析，从功能发现迈向理性设计。
（受访者供图）
网友评论
