微軟研究院發布生物分子基礎模型BioEmu2

技術矛盾

以AlphaFold為代表的折疊模型能夠高精度預測蛋白質結構，但輸出多是尖銳單一的靜態快照，難以反映分子在生理環境下持續變化的柔性狀態。

若改用全原子分子動力學模擬捕捉動態，則需消耗大量GPU算力，完整刻畫一個過程往往要數周甚至數年，限制了大規模科研應用的空間。

模型定位

BioEmu2由微軟研究院AI for Science團隊開發，由科學家Frank Noé領銜，定位為全面進化的第二代生物分子基礎模型。

有別於傳統的分子動力學模擬或單純的結構預測模型，它同時承擔靜態結構預測與動態行為刻畫兩類任務，試圖以單一模型統一兩種視角。

應用價值

蛋白質的構象集合對藥物設計至關重要，靶點的可結合位點往往只出現在部分構象之中，動態建模能力直接影響虛擬篩選與藥物評估的準確度。

若精度與效率得以並存，計算醫藥研究便能以更低成本理解分子行為，加快從結構解析走向功能預測的完整研究流程，惠及相關藥物開發。