据了解，蛋白质分子是人体的基本构件，由氨基酸长链组成。链的三维结构会导致蛋白质发生可逆变化，具体取决于所需的生物功能，这些替代结构被称为构象。结构生物学家颜宁上个月从普林斯顿大学辞职回国，她回国后首次公开露面，引发了关于人工智能在该领域局限性的辩论。在南方科技大学举办的一个论坛上，颜教授强调了该技术在理解蛋白质构象方面的局限性，蛋白质构象是药物开发中的一个重要而困难的方面。

但是根据李子青教授和他团队的说法，他们的人工智能模型ProtMD克服了这个问题，可以准确预测蛋白质在不同的生理环境中会形成哪些构象。“即使是DeepMind开发的最强大的AlphaFold2也只能预测蛋白质瞬间的静态结构。在我们之前，没有人能够预测蛋白质结构的动态变化。”

据悉，DeepMind研发的人工智能方法AlphaFold2可以准确预测蛋白质的三维结构，但是目前只能预测蛋白质在一个瞬间的静态结构，并未解决蛋白质结构动态变化的预测。ProtMD的算法可以计算蛋白质在原子水平上的运动，生成基于分子动力学的数据。研究人员表示，由于其不同的计算逻辑，ProtMD比其他方法（包括AlphaFold）更通用，但对于未知结构对，其性能水平是相同的。

李教授说“该模型不仅可以根据蛋白质之前的状态预测其即将发生的构象，还可以预测与药物分子相互作用后的构象变化，从而使我们有机会评估药物的效果。”

在漫长的临床试验过程之前，能够更准确地预测药物蛋白亲和力将为制药开发商节省一些最大的成本，并在新药设计中体现人工智能的有效性。不过，尽管传统的计算机模拟加速了发现阶段，但它们无法进行快速虚拟筛选，因此无法准确预测类药物分子如何与靶蛋白相互作用。计算生物学家和结构生物学家都做了很多尝试来解决这个问题，但都受到了受体适应小分子改变的高度动态和时间依赖性阻碍。

李说：“这项研究是使用人工智能方法分析蛋白质动态构象的第一步。ProtMD的轻量级版本已经超过了最先进的模型，其工业级版本可以进一步提高药物亲和力预测和虚拟筛选的效率。”

AI药物开发公司德睿智药的首席执行官牛张明表示，ProtMD为围绕“蛋白质开发机器学习模型”提供了一个新的方向。“这种方法在基本原理和过程上取得了突破，是同类方法中预测精度最高的”。

未来，在人工智能的推动下，对于药物筛选也将会非常地高效，精准，能够帮助企业在一定程度上降本增效，更高效地评估药物的效果，对医学药物研究也具有极大地意义。