據了解，蛋白質分子是人體的基本構件，由氨基酸長鏈組成。鏈的三維結構會導致蛋白質發生可逆變化，具體取決于所需的生物功能，這些替代結構被稱為構象。結構生物學家顏寧上個月從普林斯頓大學辭職回國，她回國后首次公開露面，引發了關于人工智能在該領域局限性的辯論。在南方科技大學舉辦的一個論壇上，顏教授強調了該技術在理解蛋白質構象方面的局限性，蛋白質構象是藥物開發中的一個重要而困難的方面。

但是根據李子青教授和他團隊的說法，他們的人工智能模型ProtMD克服了這個問題，可以準確預測蛋白質在不同的生理環境中會形成哪些構象。“即使是DeepMind開發的最強大的AlphaFold2也只能預測蛋白質瞬間的靜態結構。在我們之前，沒有人能夠預測蛋白質結構的動態變化。”

據悉，DeepMind研發的人工智能方法AlphaFold2可以準確預測蛋白質的三維結構，但是目前只能預測蛋白質在一個瞬間的靜態結構，并未解決蛋白質結構動態變化的預測。ProtMD的算法可以計算蛋白質在原子水平上的運動，生成基于分子動力學的數據。研究人員表示，由于其不同的計算邏輯，ProtMD比其他方法（包括AlphaFold）更通用，但對于未知結構對，其性能水平是相同的。

李教授說“該模型不僅可以根據蛋白質之前的狀態預測其即將發生的構象，還可以預測與藥物分子相互作用后的構象變化，從而使我們有機會評估藥物的效果。”

在漫長的臨床試驗過程之前，能夠更準確地預測藥物蛋白親和力將為制藥開發商節省一些最大的成本，并在新藥設計中體現人工智能的有效性。不過，盡管傳統的計算機模擬加速了發現階段，但它們無法進行快速虛擬篩選，因此無法準確預測類藥物分子如何與靶蛋白相互作用。計算生物學家和結構生物學家都做了很多嘗試來解決這個問題，但都受到了受體適應小分子改變的高度動態和時間依賴性阻礙。

李說：“這項研究是使用人工智能方法分析蛋白質動態構象的第一步。ProtMD的輕量級版本已經超過了最先進的模型，其工業級版本可以進一步提高藥物親和力預測和虛擬篩選的效率。”

AI藥物開發公司德睿智藥的首席執行官牛張明表示，ProtMD為圍繞“蛋白質開發機器學習模型”提供了一個新的方向。“這種方法在基本原理和過程上取得了突破，是同類方法中預測精度最高的”。

未來，在人工智能的推動下，對于藥物篩選也將會非常地高效，精準，能夠幫助企業在一定程度上降本增效，更高效地評估藥物的效果，對醫學藥物研究也具有極大地意義。