俄勒冈大学研究团队开发出一款基于人工智能的新工具，旨在预测新型药物分子在体内的运动轨迹，从而在昂贵的实验室测试前筛选出有潜力的候选药物。该研究由博士生 Revanth Elangovan 和博士后 Sompriya Chatterjee 在生物物理学家 Dhiman Ray 的实验室主导，相关成果已发表于《美国国家科学院院刊》。 目前，科学家常使用如 AlphaFold 等计算工具预测分子的静态结构，这虽能大幅加速药物筛选并曾获诺贝尔奖认可，但仅能提供某一时刻的“快照”，无法揭示分子在动态环境中的相互作用。而传统的动态模拟虽然细节丰富，却因计算成本高昂难以普及。新开发的算法填补了这一空白，其效率如同电影的剧情摘要，既捕捉到了分子运动的关键结果，又大幅降低了计算资源的需求。 该模型通过将人工智能与物理数据深度融合构建而成。研究团队利用已知分子在不同情境下的行为数据及能量变化参数对 AI 进行约束，防止其陷入不合理的假设场景，同时利用数学技巧提高了捕捉药物与靶点结合瞬间的概率。Ray 表示，这种方法让研究人员能够模拟在常规手段下难以观测到的极短时间内的分子行为。 目前，该算法代码已免费向公众开放。除了加速新药研发，这一技术有望广泛应用于生物学和材料科学领域，帮助理解多种新材料的属性。团队下一步计划优化数据解读方式，将输出结果转化为更直观的可视化内容。Ray 强调，该项目的独特之处在于成功结合了物理学的深刻洞察与机器学习的优势，为相关领域开辟了新的研究路径。