科技日报记者 杨雪
人工智能（AI）在生物制造与药物研发领域得到越来越深入的应用，然而AI能快速生成和预测，却往往无法解释“为什么”，这种“黑盒”特性在药物研发等领域正成为信任瓶颈。
近日，我国科研团队的最新研究为突破这一瓶颈提供了新工具。作为国内AI蛋白质设计平台公司，上海分子之心科技集团有限公司自主研发了AI驱动反应性原子建模平台QuantaMind，其相关研究成果《利用QuantaMind MD弥合反应分子动力学中的精度-速度鸿沟》发表于《科学进展》。该研究发现，QuantaMind可以让AI在原子尺度上完整“看见”质子转移、化学键断裂与生成乃至完整酶催化循环的发生过程，从而将AI分子研发从“预测结果”推向“理解过程”，为药物研发与酶工程提供可解释、可验证的机制分析能力，推动AI生成与物理机制协同的研发新范式。
QuantaMind是分子之心自主研发的反应性机器学习力场框架。它要解决的不是单个分子构型预测是否准确，而是能否在大型生物分子体系的连续模拟中，稳定、可靠地描述质子转移以及化学键的形成与断裂，其核心是围绕反应过程重构数据组织与训练方法，可稳定模拟大型生物分子体系中的质子转移、化学键生成与断裂等反应过程。
研究表明，与主流机器学习力场（MLFF）仅局限于从平衡或近平衡构象中学习相比，QuantaMind专门纳入非平衡构型与以过渡态为中心的反应数据，使模型能充分覆盖反应前、中、后的各类状态，从而精准刻画复杂生物体系的反应过程。
QuantaMind有望成为分子研发的“数字试验场”，将机制判断和方案优选前移到计算端、优化实验资源配置，主要将落地酶工程与生物制造、药物与生物分子研发两大场景。
研究人员认为，随着模型覆盖更多药物研发相关的分子体系，QuantaMind还可进一步研究靶点与配体相互作用的动态过程，分析局部环境变化如何影响分子的结合与功能，为候选分子比较、作用机制解释和设计优化提供依据。这种“模拟过程—理解机理—指导设计”的路径，有望让药物研发实现基于动态过程和作用机制的理性设计。
论文通讯作者之一、上海分子之心科技集团有限公司创始人许锦波表示：“‘人工智能+’已经上升为国家战略，AI技术在生物制造和药物研发中的价值和意义越来越得到认可。我们认为，AI for Science（人工智能驱动的科学研究）的价值不应止于更快地给出答案，更应让过程可追踪、机制可分析、结论可验证，从而使AI真正成为科学家可信赖的研发工具。”
网友评论
