人体至少含有 20,000 种不同的蛋白质，它们通常被称为“细胞的主力”，因为它们在保持细胞健康方面发挥着作用。每种蛋白质都由一串独特的氨基酸组成，这些氨基酸会影响蛋白质的形状和功能——如果蛋白质组装不正确，则会导致功能障碍，从而引发疾病。

通过了解和预测蛋白质的各种形状，科学家可以设计出针对细胞中特定作用的特定蛋白质的药物。人们希望，像谷歌的 AlphaFold 这样的技术——利用人工智能 (AI) 预测蛋白质、DNA 和其他生物分子的结构——将加速这项艰巨的任务，并随后开发出可能挽救生命的药物。

马里兰大学的研究人员对这一雄心勃勃的目标“持谨慎乐观”态度，但他们表示，AlphaFold 必须与更强大的物理基础相结合才能取得成功。他们开发的一种方法正是这样做的，这种方法在《eLife》杂志上发表的一篇新论文中进行了描述。

“有很多疾病无法治愈，我们希望人工智能能够帮助我们筛选大量化合物，以经济高效的方式找到有效、无毒的药物，最终降低所有人的医疗保健成本，”这项研究的资深作者 Pratyush Tiwary 表示。“我们的方法将加快药物研发速度，并为复杂疾病提供个性化医疗。”

Tiwary 是马里兰大学、帕克分校化学与生物化学系、物理科学与技术研究所 (IPST) 和马里兰大学健康计算研究所 (UM-IHC) 的教授。

他们的方法 AlphaFold2-RAVE (AF2RAVE) 将 AlphaFold 的优势与基于物理定律的计算机模拟相结合。它扩展了一项名为 RAVE 的早期技术，该技术由 Tiwary 和他的学生于 2018 年设计，旨在加速通常需要很长时间才能处理的分子模拟。