凯发在线平台-天生赢家 一触即发

　　曹洋在自己的个人实验室网站上★ღ★，将物理学家理查德·费曼的名言放在了显眼的位置★ღ★，让每一位网站访客都无法忽略★ღ★。“What I cannot create, I do not understand.”这是他以自己的方式提醒自己和所有科研人员★ღ★，莫忘初心★ღ★。

　　20 年前★ღ★，曹洋坐在中科院挤满人的大礼堂里★ღ★，上一门叫做《生物信息学》的课★ღ★，台上讲课的是“中国生物信息学研究开拓者”--陈润生院士★ღ★。在陈润生院士的启蒙下★ღ★，曹洋进入了这个当年甚至还不是一个明确二级学科的新兴领域★ღ★。

　　如今作为四川大学生命科学学院副教授的曹洋★ღ★，已经在生物信息学领域深耕数年★ღ★，具体研究方向包括药物分子设计算法与应用★ღ★、蛋白设计和三维结构预测及序列分析与功能预测★ღ★。

　　在曹洋看来★ღ★，科研工作不能仅停留在认识层面★ღ★，只有研究成果转化为实际应用★ღ★，真正做到改造世界★ღ★，这是他做科研的初衷★ღ★。在未来cs硬盘版★ღ★，他希望在 AI 技术的助力下★ღ★，药物设计领域能达到“画好图纸”就能“盖好房子”的水平★ღ★，让前期准备工作完美落实到实验阶段★ღ★，提高药物研发的成功率★ღ★。

　　近期★ღ★，2024 年度「第二届生物信息与转化医学大会」落下帷幕★ღ★。本届大会以 “人工智能时代的转化医学”为主题★ღ★，由北京携云启源科技有限公司承办★ღ★。来自四川大学生命科学学院的曹洋副教授受邀参会★ღ★。

　　曹洋★ღ★：本科时期我对物理比较感兴趣★ღ★，所以选择了应用物理大方向下的电子科学技术专业★ღ★。到了研究生阶段★ღ★，我有幸进入中科院的生物物理研究所学习★ღ★。

　　在 2004 年中科院入学的时候★ღ★，新生要在各个实验室轮转★ღ★，然后双向选择确定导师和研究方向★ღ★。我当时有考虑过选择结构生物学★ღ★，用 X 射线衍射方法解析蛋白的三维结构★ღ★；也考虑过神经生物学★ღ★，看人的认知是怎么建立起来的★ღ★。

　　最后下定决心学生物信息学★ღ★，是在研究生一年级上了陈润生院士和凌伦奖老师主讲的《生物信息学》之后★ღ★。课堂上讲了很多让我耳目一新的内容★ღ★，比如怎么把生物学问题变成数学问题★ღ★，非常引人入胜★ღ★。我还记得当时上课的场景★ღ★，研究生院的礼堂万人空巷★ღ★，水泄不通★ღ★，很多同学没有位置★ღ★，只能坐在走道上听★ღ★。陈老师的讲课内容对我来说是一个很好的启蒙★ღ★，受益匪浅★ღ★。

　　那时从事生物信息学研究的蒋太交教授刚好从国外回来组建实验室★ღ★，我被他有关蛋白结构预测★ღ★、设计的研究吸引了★ღ★，因此成为他的第一批学生★ღ★。

　　那时候生物信息学还不是学科体系下的二级学科★ღ★。我入学的专业是生物物理专业★ღ★，到我毕业的时候★ღ★，毕业学位证上变成了生物信息学★ღ★。

　　曹洋★ღ★：影响还是挺大的★ღ★。因为生物信息学是交叉学科★ღ★，对数理的要求比较高★ღ★。特别在早期★ღ★，很多算法和软件还不成型的时候★ღ★，需要自己去做开发★ღ★，理解背后的原理★ღ★。而我做的生物信息方向和分子模拟非常相关k8凯发★ღ★，比如蛋白三维结构预测★ღ★，需要在结构的基础上分析生物学功能★ღ★，其中会涉及到计算能量★ღ★、相互作用★ღ★、自由能等★ღ★，如果前期没有数理知识作为基础★ღ★，后面很多问题理解起来肯定会比较困难★ღ★。

　　我也注意到★ღ★，在生物信息学领域★ღ★，物理学★ღ★、计算机背背景的科研者比较偏向方法学研究★ღ★；而生物学背景的则偏向生物学问题研究★ღ★。所以不同的学科背景对后续科研方向有潜移默化的影响★ღ★，但学科背景不是绝对因素★ღ★，只是有这样的趋势★ღ★。

　　曹洋★ღ★：我认为★ღ★，要有很好的逻辑思维能力和很强的学习能力★ღ★，能够迅速掌握相关的学科知识★ღ★，并懂得如何在研究中运用上★ღ★。

　　你会发现★ღ★，在这个交叉学科里★ღ★，需要综合应用很多专业的知识来解决具体问题★ღ★，不可能只学生物cs硬盘版★ღ★、化学等某一学科的知识就足够★ღ★，而没有谁是能够在大学本科就把各个专业知识都学完★ღ★。所以从事前沿工作★ღ★，一定要有开放的心态★ღ★，有很好的自学能力★ღ★，才可以跟上整个领域的发展★ღ★，有进一步的创新突破★ღ★。这是我这些年感受非常深的一点★ღ★。

　　曹洋★ღ★：我当时主要做蛋白质三维结构预测的算法和应用★ღ★。2010 年★ღ★，我所在的蒋太交教授实验室所研发的蛋白质结构预测方法★ღ★，进入了国际蛋白三维结构预测比赛 CASP 的前二十名★ღ★，是当时国内参赛队里成绩最好的★ღ★。此外★ღ★，我还研究了一些生物学问题★ღ★，包括流感进化突变带来的影响★ღ★，比如在结构建模分子模拟的基础上k8凯发★ღ★，研究流感病毒和细胞受体之间的相互作用★ღ★。

　　曹洋★ღ★：我个人偏向在学术方面进行一些比较自由的探索★ღ★。在高校的话★ღ★，可以根据兴趣去选择研究课题★ღ★，但在企业可能没有办法实现★ღ★。当时刚好有一个机会★ღ★，就入职四川大学了★ღ★。

　　曹洋★ღ★：我们课题组主要研究是围绕计算机辅助药物设计展开的★ღ★。这几年★ღ★，我们团队将重心放在了做生物医药相关的算法和软件的开发★ღ★，同时进行一些针对具体靶标的药物设计与筛选★ღ★。在计算机设计方法不断落地★ღ★，促进药物研发的历史进程中★ღ★，我们希望贡献一份力量★ღ★。

　　雷峰网★ღ★：您如何看待目前的药物设计开发领域的发展？在开发靶向药物的计算方法方面★ღ★，您有哪些研究成果可以分享？

　　曹洋★ღ★：此前★ღ★，在蛋白三维结构预测领域有一个很大的突破——AlphaFold★ღ★。在药物设计开发领域★ღ★，我们也期待能有这样的突破k8凯发★ღ★。尽管现在出现了一些新的算法和技术★ღ★，但还是跟生物医药研究的实际需求有很大距离★ღ★。我们团队开发了一系列的分子模拟计算法方法★ღ★，比较有代表性的是分子对接 CB-Dock 系列★ღ★。

　　首先★ღ★，它能准确识别靶标的分子结合口袋★ღ★。这里采用了前期开发的算法 CurPocket★ღ★，它基于分子的表面曲率★ღ★，可以在给定蛋白质三维结构的情况下提取到其分子可能结合的口袋★ღ★。这个口袋识别算法和下游计算能够很好地匹配★ღ★，使整个过程实现全自动化★ღ★。

　　其次★ღ★，它的分子对接可以学习已知的分子互作信息★ღ★。我们开发了算法 FitDock★ღ★，内置在 CB-Dock 里cs硬盘版★ღ★，在预测新分子与已知靶标的结合模式方面有很大优势★ღ★。

　　再有★ღ★，我们在 CB-Dock 的软件开发和维护方面很用心★ღ★，使得操作软件和分析结果都比较容易★ღ★。它面向的是广大生物医学研究同行k8凯发★ღ★，能一定程度上减轻他们的学习负担★ღ★，更聚焦在研究具体问题上★ღ★。

　　曹洋★ღ★：我们这套计算服务器已经发布五年★ღ★，国内外同行提交了超过 30 万次计算任务★ღ★，现在每天的使用量都有超过千次★ღ★，相关论文的引用数量也上千★ღ★。我发现在一些社交平台都有这款软件使用的视频★ღ★，是国内外同行的使用体验和推荐★ღ★。对此我觉得由衷高兴★ღ★，感到我们的努力对社会是有用的★ღ★。

　　这套软件用户来自世界各地★ღ★，我常收到用户的邮件★ღ★，咨询相关的问题★ღ★，也有为我们在改进软件方面出谋划策★ღ★。比如前段时间我们服务器的安全证书到期了★ღ★，没有及时去更新★ღ★，就有好多用户给我们发邮件说遇到问题了★ღ★，问我们能不能赶紧解决cs硬盘版★ღ★。也有一些企业联系我们★ღ★，申请使用软件的授权★ღ★。

　　曹洋★ღ★：前段时间★ღ★，有一个斯坦福的用户给我们反馈★ღ★，他建议可以在计算的过程中研究怎么样合并不同对接算法的结果★ღ★，还提到了批量的受体提交模式★ღ★。因为现在这个软件是一个受体对应一个配体★ღ★，只能单个提交★ღ★。这位用户希望可以添加批量化提交的方式★ღ★，这样他们可以利用其做小规模的横向对比研究★ღ★。我觉得这是一个比较好的建议★ღ★，还是得想方设法满足相关研究的实际需求★ღ★。

　　雷峰网★ღ★：我注意到您的团队还建立了 AbRSA★ღ★，AbAlign 等抗体分析算法★ღ★，请介绍一下该算法的开发过程？

　　曹洋★ღ★：我们也关注抗体相关的研究★ღ★，这是生物药里的主要类型★ღ★。前些年★ღ★，我们在做抗体人源化设计的过程中★ღ★，遇到一个难题★ღ★，就是业界的各种分析软件都没办法对手头上的抗体样本进行识别★ღ★。这激发了想要我自己开发相关算法的念头★ღ★，我们花了一年多的时间★ღ★，开发了一款抗体可变区编号算法 AbRSA ★ღ★，解决了我前面遇到的困难★ღ★。

　　这款算法对各类抗体或者 BCR 序列有很强的适应性★ღ★，能准确地界定 CDR 区域★ღ★、FR 区★ღ★。在此基础上★ღ★，我们又进一步提出了抗体专用的多序列比对算法★ღ★，可以对超大规模的抗体/ BCR 数据测序进行处理cs硬盘版★ღ★，进而帮助抗体的筛选和设计★ღ★，同时也可以作为个体免疫状态的分析★ღ★。这些算法的源头★ღ★，都是我们在解决实际问题中想到的★ღ★。

　　曹洋★ღ★：软件在发布后吸引了非常多用户★ღ★，包括国外很多知名的高校★ღ★，还有像美国 FDA 食品药品监督局这样的用户★ღ★，以及国内的一些专利公司和做创新药物开发的公司★ღ★。现在在这个领域★ღ★，国际上能获得的类似计算工具大概就三款★ღ★，我们是其中之一★ღ★。

　　曹洋★ღ★：从算法角度上讲cs硬盘版★ღ★，它的健壮性更好★ღ★，能超快速度处理大规模数据★ღ★。因为抗体从基因重排到体细胞超突变★ღ★，其中的多样性非常大★ღ★。若想在不同序列模式上进行准确界定★ღ★，就需要从算法上做比较细致的优化★ღ★。

　　曹洋★ღ★：在十年前★ღ★，要想设计全人工蛋白★ღ★，大家都觉得这是困难的事情★ღ★。即便前有华盛顿大学的 David Baker 教授的成功经验★ღ★，但对于普通实验室团队或者没有深入了解这类研究的人看来★ღ★，完成全人工蛋白的设计还存在很大的困难★ღ★。而且这类实验的成功率很低★ღ★，经验不足就容易失败★ღ★。

　　我进入人工蛋白设计领域是 2016 年到 2017 年期间★ღ★，当时我正在美国密歇根大学张阳教授的实验室做访问学者★ღ★，在那时候参与了 EvoDesign 的开发与实践★ღ★。我当时做了几个靶标★ღ★，包括 EGFR 这些靶标的结合蛋白设计★ღ★，比较成功地设计出了高亲和力的人工蛋白★ღ★。

　　在设计出人工蛋白之前★ღ★，我个人对这个领域还有很多怀疑★ღ★。做完之后我发现★ღ★，人工蛋白完全可以走向应用★ღ★，相信在不远的未来cs硬盘版★ღ★，它会在生物医药研发中大放光彩★ღ★。

　　曹洋★ღ★：我感触特别深的是在 2020 年以后★ღ★，AI 技术被大量引入蛋白设计领域★ღ★，可以观察到整个领域都蓬勃发展起来★ღ★，其中不乏一些极富创意的设计新思路★ღ★。

　　不仅仅是像 David Baker 团队这样的先驱★ღ★，还有很多实验室都取得了长足的进步★ღ★，比如说科大刘海燕教授的从头设计氨基酸序列算法 ABACUS★ღ★、SCUBA★ღ★，计算所卜东波教授的蛋白质序列设计算法 ProDESIGN★ღ★，北航叶盛教授基于电子密度的设计算法 CUTEDGE 等★ღ★，都像雨后春笋一样被提出来★ღ★，并且还有很多成功应用的案例★ღ★。

　　同时★ღ★，我们也看到了很多企业在往这方向发展★ღ★，他们对人工蛋白设计技术表现了很大的兴趣★ღ★。人工蛋白设计正处在其广泛应用的前夜★ღ★。

　　曹洋★ღ★：药物设计算法已经取得了长足的进步★ღ★，但是距离生物医学的实践需求还有较大的距离★ღ★。我所期待的药物设计技术★ღ★，就像盖房子一样★ღ★，只要满足力学规则★ღ★，就能使用软件设计出符合想象的结构cs硬盘版★ღ★。但是实际上★ღ★，现在药物设计领域的技术还远远达不到上述理想状态★ღ★。往往很多时候是在设计阶段想尽各种办法达到指标★ღ★，满足要求★ღ★，但最终实验成功的概率只有千分之一★ღ★，甚至万分之一★ღ★。虽然这个领域已经出现了很多分子设计的成功案例★ღ★，有一些已经完成临床甚至上市★ღ★，但还没有达到成熟的阶段★ღ★。在我看来★ღ★，现在药物设计领域面临的最大挑战在于★ღ★，我们对于分子层面的规律认识不到位★ღ★，计算能力不够★ღ★，这样带来的结果就是不够准确★ღ★。

　　曹洋★ღ★：我的建议是★ღ★，要保持一颗努力学习的心★ღ★。整个领域进步很快★ღ★，需要的知识专长非常多★ღ★，几年前的知识可能现在已经落后了★ღ★，所以要随时保持学习★ღ★，争取走在前沿★ღ★，有所突破★ღ★。同时还希望密切结合应用实践★ღ★，推动整个领域的发展进步★ღ★。

　　曹洋★ღ★：引入这种人工智能系统来辅助药物设计★ღ★，是近年来最大的一个突破★ღ★。虽然早期的工作也用了一些机器学习的方法★ღ★，但不像现在这么大规模★ღ★、广泛的使用★ღ★。而且新的 AI 技术建立在更多的数据基础上★ღ★，拥有更好的模型★ღ★。相比之前的方法★ღ★，有质的飞跃★ღ★。

　　但即便现在 AI 制药的概念和相关研究工作这么火k8凯发★ღ★，还是有很多没有落地★ღ★，并没有在实际药物研发中产生突出的作用★ღ★。我们很希望接下来★ღ★，不论是实验算法也好★ღ★，还是理论的研究也好★ღ★，都能够转化为实际上市药物★ღ★，真正地推动整个领域从理论到实践上的突破★ღ★。

　　雷峰网★ღ★：我注意到您的个人实验室网站首页有一句很显眼的名言★ღ★，是费曼的名言 “What I cannot create, I do not understand.” 请问您对这句话的理解？

　　曹洋★ღ★：很多研究是试图去解释它背后的道理★ღ★，但是解释并不代表真正理解★ღ★。排除所有可能性之后k8凯发★ღ★，如果能够创造出预设的结果★ღ★，才能够称之为真正理解★ღ★。

　　这也是为什么我们看到很多研究★ღ★，在解释逻辑方面头头是道★ღ★，似乎很让人信服★ღ★，但一旦应用到生物医学场景★ღ★，就会遇到很多问题★ღ★。就以药物设计的工作来说★ღ★，我们要去创造实际的分子★ღ★，不能仅停留在解释现象★ღ★。作为科研工作者★ღ★，我们不仅要认识世界★ღ★，更要改造世界★ღ★，只有这样★ღ★，我们对世界的认识和理解才能更加深刻★ღ★。

　　曹洋★ღ★：我主要介绍了实验室近期有关抗体/ BCR 的数据分析★ღ★、建模方面的工作进展★ღ★。一方面是有关 BCR 或者抗体序列的多序列比对的新算法★ღ★，在效率和准确性上达到了业内领先★ღ★。另一方面是在这个基础上的抗体三维结构预测★ღ★，成药性分析★ღ★，就内部测试的结果★ღ★，相比已知的抗体可变区预测方法★ღ★，我们的准确性是最好的★ღ★。我希望通过这次报告★ღ★，跟国内同行分享相关的成果★ღ★，也希望收到同行的建议和意见★ღ★，把研究工作做得更好★ღ★。

　　曹洋★ღ★：收获挺大的★ღ★。我注意到现在生物信息领域的研究和医学实践已经深度联系起来了★ღ★。有几个印象深刻的报告★ღ★，比如有通过 BCR 的研究去分析人的健康状态★ღ★，进行免疫力解码★ღ★；蛋白设计新方法在蛋白活性和实验成功率方面取得突破★ღ★；还有基于 AI 算法在毒性毒理代谢★ღ★、重定位等研究的创新★ღ★。我回去后还要好好消化学习★ღ★。凯发天生赢家一触即发★ღ★，k8凯发★ღ★，医疗行业★ღ★，