歷時四年，微軟亞研院AI for Science團隊發(fā)布AI驅(qū)動的從頭算（ab initio）生物分子動力學(xué)模擬系統(tǒng)。

直接登上Nature正刊。

系統(tǒng)名為AI2BMD，能夠高效模擬含有10000多個原子的各種蛋白質(zhì)，分辨率達到全原子級別，近似達到從頭算（第一性原理）的精確度。

且比量子力學(xué)方法中的密度泛函理論（DFT）能實現(xiàn)的速度快幾個數(shù)量級。

AI2BMD的出現(xiàn)，可促進藥物發(fā)現(xiàn)、蛋白質(zhì)設(shè)計和酶工程等領(lǐng)域的新生物醫(yī)學(xué)研究。

微軟研究院院長Peter Lee親自發(fā)帖子為自家研究做宣傳：

網(wǎng)友們紛紛表示這項研究十分令人著迷，可能會對一些領(lǐng)域產(chǎn)生顛覆性的影響：

可能會徹底改變我們對生物學(xué)和藥物發(fā)現(xiàn)的認知。

生物分子動力學(xué)模擬系統(tǒng)，AI2BMD

為便于大家理解，作者們還自撰了一篇Blog，量子位在不改變原意的基礎(chǔ)上進行了編譯整理，一起來康康A(chǔ)I2BMD到底長啥樣。

在介紹AI2BMD之前，先來簡單了解一下分子動力學(xué)模擬。

生物世界的本質(zhì)在于其分子及其相互作用的不斷變化。理解生物分子的動態(tài)和相互作用對于破譯生物過程背后的機制以及開發(fā)生物材料和藥物至關(guān)重要。然而通過實驗幾乎不可能捕捉這些現(xiàn)實生活中的運動。

此前，AlphaFold、RoseTTAFold等為代表的深度學(xué)習(xí)方法，已經(jīng)實現(xiàn)了用實驗精度預(yù)測靜態(tài)晶體蛋白結(jié)構(gòu)。

不過精確地在原子分辨率下表征動態(tài)仍然是一項非常具有挑戰(zhàn)性的任務(wù)，特別是當(dāng)?shù)鞍踪|(zhì)發(fā)揮作用并與其它生物分子或藥物分子相互作用時。

分子動力學(xué)（MD）模擬方法將物理學(xué)定律與數(shù)值模擬相結(jié)合，用于探索分子運動與其生物功能之間的關(guān)系，已經(jīng)被廣泛使用了幾十年。

分子動力學(xué)模擬大致可以分為兩類：經(jīng)典分子動力學(xué)和量子力學(xué)。

經(jīng)典版本在2013年獲得諾貝爾獎，強調(diào)了其在推動人類理解復(fù)雜生物系統(tǒng)方面的關(guān)鍵作用。

量子力學(xué)方法中的密度泛函理論（DFT）在1998年獲得諾貝爾獎，標志著計算化學(xué)的一個關(guān)鍵時刻。

不過，經(jīng)典分子動力學(xué)采用分子系統(tǒng)的簡化表示，實現(xiàn)長時間構(gòu)象變化的快速模擬速度，但準確性較低。相比之下，像密度泛函理論這樣的量子力學(xué)模型提供了自下而上的計算，但對于大生物分子來說，計算成本過高。

由此，微軟研究院開發(fā)出了基于AI的從頭算生物分子動力學(xué)系統(tǒng)——AI2BMD，這也是團隊四年研究成果的結(jié)晶。

AI2BMD能夠高效地以全原子分辨率模擬包含超過10000個原子的各類蛋白質(zhì)，達到近似從頭計算（第一性原理）的精度。

相比標準模擬技術(shù)，它在生物分子模擬方面實現(xiàn)了前所未有的權(quán)衡：獲得比經(jīng)典模擬更高的精度，其計算成本雖然高于經(jīng)典模擬，但比密度泛函理論（DFT）快幾個數(shù)量級。

AI2BMD采用專門設(shè)計的通用蛋白質(zhì)分片方法，將蛋白質(zhì)分割成重疊的單元，創(chuàng)建了2000萬個快照的數(shù)據(jù)集，這也是迄今為止DFT層面最大的數(shù)據(jù)集。

基于團隊先前設(shè)計的通用分子幾何建?；A(chǔ)模型ViSNet，團隊用機器學(xué)習(xí)訓(xùn)練了AI2BMD的勢能函數(shù)。然后通過高效的AI2BMD模擬系統(tǒng)進行模擬，在每一步中基于ViSNet的AI2BMD勢能都會以從頭計算的精度計算蛋白質(zhì)的能量和原子力。

通過動力學(xué)和熱力學(xué)的全面分析，AI2BMD與實驗室數(shù)據(jù)表現(xiàn)出更好的一致性，例如在蛋白質(zhì)的折疊自由能和不同現(xiàn)象方面，比經(jīng)典分子動力學(xué)表現(xiàn)更好。

總結(jié)來說，AI2BMD在分子動力學(xué)模擬領(lǐng)域取得了以下幾個方面的重大突破：

• 從頭計算精度：

引入了一種可泛化的“機器學(xué)習(xí)力場”，這是一種學(xué)習(xí)原子與分子間相互作用的模型，用于具有從頭算精度的全原子蛋白質(zhì)動力學(xué)模擬。

• 解決泛化問題：

它是首個解決機器學(xué)習(xí)力場在模擬蛋白質(zhì)動力學(xué)中的泛化挑戰(zhàn)的方法，展示了對多種蛋白質(zhì)進行穩(wěn)健地從頭算分子動力學(xué)模擬。

• 通用兼容性：

AI2BMD將量子力學(xué)建模從小的局部區(qū)域擴展到整個蛋白質(zhì)，而且不需要對蛋白質(zhì)有任何先驗知識。這消除了量子力學(xué)與蛋白質(zhì)的分子力學(xué)計算之間可能的不兼容性，并將量子力學(xué)區(qū)域的計算速度提高了幾個數(shù)量級，使全原子蛋白質(zhì)接近從頭算計算成為現(xiàn)實。因此，AI2BMD為眾多下游應(yīng)用鋪平了道路，提供了表征復(fù)雜生物分子動力學(xué)的新視角。

• 速度優(yōu)勢：

AI2BMD比x和其它量子力學(xué)方法快幾個數(shù)量級。支持對超過10000個原子的蛋白質(zhì)進行從頭計算，使其成為跨學(xué)科領(lǐng)域中最快的AI驅(qū)動的分子動力學(xué)模擬程序之一。

• 多樣構(gòu)象空間探索：

對于AI2BMD和蛋白質(zhì)分子力學(xué)模擬的蛋白質(zhì)折疊和解折疊過程，AI2BMD能夠探索更多蛋白質(zhì)分子力學(xué)無法檢測到的可能構(gòu)象空間。

因此，AI2BMD為研究藥物-靶標結(jié)合過程、酶催化、變構(gòu)調(diào)節(jié)、內(nèi)源性無序蛋白等過程中的蛋白質(zhì)柔性運動提供了更多機會，與濕實驗更好地吻合，為生物機制檢測和藥物發(fā)現(xiàn)提供更全面的解釋和指導(dǎo)。

• 實驗一致性：

AI2BMD超越了量子力學(xué)/蛋白質(zhì)分子力學(xué)混合方法，并在不同的生物應(yīng)用場景中展示了與濕實驗室實驗的高度一致性，包括J耦合、焓、熱容、折疊自由能、熔點和pKa計算。

作者簡介

這項研究共同一作有四位Tong Wang、Xinheng He、Mingyu Li、Yatao Li，由Tong Wang、Bin Shao共同指導(dǎo)。

Tong Wang

Tong Wang是微軟研究院AI4Science高級研究員。他在清華大學(xué)獲得博士學(xué)位，并在哈佛大學(xué)有訪問學(xué)者經(jīng)歷。

他的研究重點是分子動力學(xué)模擬、量子模擬、計算機輔助藥物發(fā)現(xiàn)和蛋白質(zhì)結(jié)構(gòu)預(yù)測的算法設(shè)計與應(yīng)用。

Tong Wang博士以第一作者和通訊作者身份發(fā)表了一系列研究，刊登在Nature Machine Intelligence、Nature Communications、Cell Research等期刊上，并擁有多項專利。他還是Nature系列期刊的審稿人以及ACS出版物的榮譽審稿人。

作為團隊負責(zé)人，他在首屆全球AI藥物開發(fā)大賽中獲得冠軍，并在NIPS2022的OGB大規(guī)模挑戰(zhàn)賽中獲勝。

邵斌（Bin Shao）

邵斌是微軟研究院AI4Science資深高級研究經(jīng)理，于2010年7月在復(fù)旦大學(xué)獲得博士學(xué)位后加入微軟。

他的研究興趣包括蛋白質(zhì)動力學(xué)模擬、計算生物學(xué)、機器學(xué)習(xí)和分布式計算，研究成果已發(fā)表在多個頂會和期刊上。

由邵斌團隊開發(fā)的Microsoft Graph Engine正在為微軟的多個產(chǎn)品和服務(wù)提供支持，如微軟Satori知識圖譜、必應(yīng)搜索、MSN、Xbox和認知服務(wù)等。邵斌還是開源輕量級AIMD模擬程序LightAIMD的發(fā)起人和主要開發(fā)者。

參考鏈接：
[1]https://www.nature.com/articles/s41586-024-08127-z。
[2]https://x.com/peteratmsr/status/1854199356850889096。
[3]https://www.binshao.info/。
[4]https://www.microsoft.com/en-us/research/people/watong/。