课题组于2025年3月7日参加“无尽的前沿：后结构时代蛋白质动态学研讨会”，并游览香兰湖。

 

参会感想：

舒周禹

很荣幸能够参加这次题为“无尽的前沿：后结构时代蛋白质动态学”的研讨会。正如会议标题所言，本次研讨会详细介绍了运用人工智能、理论计算、超快分辨光谱、飞秒X射线自由电子激光器等技术手段研究蛋白动力学的前沿成果。其中令我印象最深的是国人新开发的基于主链的蛋白质侧链预测算法OPUS-Rota4，它对某些蛋白质侧链的预测精度显著优于AlphaFold2，能在一定程度上弥补AlphaFold2侧链预测精度不高的弱点，这对解析蛋白质反应动力学是个巨大的帮助。

 

王楷霖

参加这次会议中精彩的报告很好地诠释了会议的主题“无尽的前沿”。特别是第一板块的人工智能部分，罗毅、高毅勤等老师的报告让我看到了AI结合到光谱学和分子生物学的具体样貌，也意识到交叉团队组建和工作的强大之处。此外还聆听到很多老师的最新进展，其中许多位在平时在文献调研时就已经熟悉，例如盖锋老师、林辰涛老师等。最难得的是我第一次听到了张文凯老师和李洪杰老师在国内做XFEL相关工作的现场报告。我相信随着XFEL、超快电镜、时间分辨高阶光谱等实验技术的不断发展，加上AI来势汹汹，更多的奥秘将被我们解开。

 

赵智渊

此次蛋白动力学会议和以往的学术报告会有所不同，会议邀请了国内很多我们耳熟能详的超快领域的专家，由于老师居多且环绕而坐，多了很多自然的学术讨论。会议主要内容为：随着近来AlphaFold3被广泛使用，如果将实验技术（超 快 分 辨 光 谱、 时 间 分 辨 电 镜、 飞 秒 X 射 线 自 由 电 子 激 光 器），分子动力学模拟以及人工智能进行结合，来推进蛋白质的研究，其中还对该领域人工智能是否可以取代人类进行了讨论，罗毅老师说的一句话令人印象深刻：没有什么可以取代你，你的科研兴趣是独一无二的。

 

孙志凡

本次会议重点探讨了人工智能在蛋白质结构预测与动态模拟中的前沿进展。通过多项研究案例可以看出，结合计算建模与深度学习技术，不仅能提升结构预测精度，还能动态追踪分子构象变化的过程。这不由让我思考一个问题：若未来计算模拟精度持续突破，实验科学家是否会被取代？会议中一位专家的发言给了我启示——实验与模拟本质上是互补的研究手段。实验提供真实系统的观测数据，模拟构建理论框架并验证假设，二者通过相互反馈推动科学认知的深化。对于人工智能的角色，应当将其视为高效的研究工具而非替代者。它能够加速数据处理与模式识别，但无法替代人类在科学问题凝练、实验设计创新和理论体系构建中的核心作用。这启示我们，在保持实验验证严谨性的基础上，主动融合人工智能技术优化研究流程，才能在技术革新中把握科研主动权。

 

王兵耀

罗毅讲的谱学大模型驱动的机器化学家，主要是大量希望大量使用机器人进行实验，AI分析大量数据。我们超快光谱实验调光路其实是非常机械化的重复劳动，甚至不需要智能化，一些电控镜子和简单的程序就可以完成（所以我没懂他说的超快光谱实验的智能化是做什么），包括简单的机械来换样品，感觉成本下降一些的话很容易取代人力。数据分析方面存疑，虽然其他光谱的AI分析有很多进展，但对于超快光谱，一方面是需要结合蛋白结构提出可能的反应路径，另一方面也没有足够多的光敏蛋白用来学习，感觉这方面做AI很难，如果能和那些做蛋白预测、设计的AI结合应该有希望。后面也有人讲AI分析光谱，可以提高信噪比，甚至只从高频波段预测得到低频的光谱（能做到的话说明高频已经包含了所有信息，直接提取结构等信息就行，似乎没必要特意再画出低频光谱？），二维光谱方面也见过AI提升信噪比的方法，但数据分析似乎还做不到。

AI研究蛋白方面发展很快，早已不止预测晶体结构，包括马剑鹏老师讲的动态结构模拟，一些结合AI的分子动力学模拟方法，之前还见过一些预测蛋白功能（蛋白标签）的AI开发，感觉预测光化学过程的方法应该也会出现，虽然可能没有足够数据用于学习，但结合模拟计算的数据应该可以做到。光谱相比于冷冻电镜、XFEL等技术最大的缺点是不能直接给出结构，但也许AI能弥补这一点？

 

 

江秀文

人工智能和蛋白结构计算

·       感觉是未来的趋势。非常好用的工具。

·       也看到其现阶段局限性，目前预测大的 main chain 结构还不错但是预测side chain 缺不太好，可能是未来AI领域要攻克的问题。此外，预测结构和关键物理图像之间的联系依然是个黑箱。

·       感觉现在计算模拟还是缺乏激发态、瞬态的结构信息（知道瞬态构象十分关键，特别是有助于动态过程的理解，可能是未来要克服的问题）。

XFEL & Time-resolved Cryo EM

·       听了报告的感觉是，他在收集数据方面其实还是很艰难，应该有很多实验技术方面需要再继续改进。此外，数据处理方面是指导XFEL实验的关键！

·       可惜 x-ray 技术的分辨率不能区分质子动态，不然可以直接看到 proton relay 过程的话就太吸引人了。不知道未来会不会有人开发时间分别中子衍射技术。

·       要是未来 cryo-UEM 能直接看蛋白结构变化，是不是会比XFEL更有优势？毕竟这个不需要辐射光源那种大科学设备。

植物与大自然

·       CRY---在生物体内，这里主要是植物实验：CRY2 在光照下会oligomerisation，然后相分离生成光小体。这个相分离是可逆的（需要 phosphorylation），所以在太阳下山后，它又变回液相。有趣的是光小体状态的催化效率比在均一相来的高。猜测底物也相分离进去了，不然很难理解为什么催化效率会提高，这样可以由浓度的角度来理解。这个情况感觉可能和生态有关，相当于在细胞的局部区域，CRY 的浓度会大量提高。

·       LHCII --- 植物虽然需要高效吸收阳光，但是太多的话也会带来损伤，所以也有一套保护机制 à photo energy dissipation。用RET方法测量距离，发现 LHCII 在 close 构象是没有 RET 的，在 open 构象里是有 RET 的。这个测量是改变 pH 做的固定构象测量。启发是在生物体内，可能光照后PSII WOC cycle 过程会有 H⁺ 的生成，这可能会改变局部环境的 pH 导致 LHCII 构象打开，所以有效 RET 耗散光能。大自然还是很有意思的！

超快光谱与结构

·       2DIR

o   感觉未来的趋势是 incorporation of UAA probe，但是这里还是很有技术难度

·       TR-CPL（时间分辨圆二色谱）

o   不一定要手性样品才有信号，有的是激发后的瞬态物种会有CPL 信号，意思就是它对左旋和右旋的光吸收的程度不同。这是什么物理图像呢？

·       FSRS

o   另一种红外技术，可以看光激发后的红外吸收变化，也可以 integrate with UAA probe。也可以看光异构化的一些结构导致的信息。

邹舒华

无尽的前沿-后结构时代蛋白质动态学研讨会，了解了各位同行们目前最新的研究成果，也拓展了我对未来超快技术在蛋白质动态学研究中的认识，更好的认识了超快技术结合AI在未来发展的潜能。聆听富有科研激情的年轻科学家如何解决领域内科学问题，以及深耕于该领域内多年的元老级科学家对于未来科学发展方向的预测。