本文转自：文汇报迈克尔·莱维特马剑鹏漆远 11月15日|浦江科学大师讲坛：聚焦科学前沿，推进融合创新( 三 ) 本文转自：文汇报

因此，要确保大力去支持和提拔年轻人，让他们能够站在前台去做更多创新性的工作。而且，年轻人的成果被引用的次数会更多，几乎所有拿诺贝尔奖的基础学科研究工作都是年轻人做的。一般年长者才会拿到诺贝尔奖，但他们在30、50年前就完成了工作，却在很久以后才获得诺贝尔奖，原因在于需要时间去证明科学的影响力。
科学中，最后真理都会浮现，你只是在真理上一层层堆叠。在科学研究中，会发现很多错误的东西，关键问题在于我们要能发现能对未来有影响的真正有价值的东西。
马剑鹏：
新药设计首先是计算生物学问题
近年来，随着AI技术的突飞猛进，计算生物学已经从一个相对冷门或边缘的科学，一下子跃升为引领分子生物学的龙头学科。当今，计算生物学是一个大国促进医药行业颠覆性创新发展，所必须占领的制高点之一。
新药设计，首先是个计算生物学问题。所以，计算生物学是一个引领性科学。现在，药物设计每一个环节都可以跟AI有关。
另外，新药研发是一个系统工程。针对同一个目标，不同方向的专业人才，需要保持步调一致、服从统一指挥，要大兵团作战。基础研究带有强烈的工程色彩，工程问题又必须紧密依靠基础研究的支撑。
举例来说，谷歌公司研发的“阿尔法折叠”变成了计算机辅助蛋白质预测的代名词。 “阿尔法折叠”用AI算法把蛋白质结构预测朝前推了一大步，全世界为之震撼。为了同一个目标，把各种工程师、各学科人才聚集在统一指挥下，才能做到这件事情。这个例子对现在很多的科学范式，非常有启发意义。
但是， “阿尔法折叠”还远远不能取代实验，还有很多的蛋白质结构它做不了。对于“阿尔法折叠”预测结构中的误差，至今没有任何其他预测算法能够予以修正。分子动力学模拟技术中的增强取样算法，可能是唯一可以进一步提高结构精度的算法。
在现代生物学研究中，计算已经渗透到了研究的每一个角落。未来的发展趋势是计算和实验相结合，即“干湿结合” ，这样才能解决更多的生物问题，特别是药物设计问题。
在实际应用中，对于新的目标蛋白的发掘是创新药的源头，这一发掘应始于对重大疾病的临床观察，而不是科技文献或教科书。
举个例子，针对渐冻症，我们团队与岳阳医院神经内科主任韩燕教授开展了合作，其中，中西医结合的手段发挥了很大优势。
这是首次针对自发性渐冻症外周血单核细胞的单细胞RNA测序研究，发现了一种在渐冻症患者中特异性富集的新型细胞类型。这可能是自发性渐冻症的根本原因，这种特定细胞类型的丰度可用于渐冻症诊断。我们发现了70个仅在渐冻症患者细胞簇中富集的基因，能达到93%的预测精度，并可能用于治疗。
人类疾病的类型可能都有一定的共性，找到针对重大疾病的基因或蛋白靶标，取决于对疾病底层机理的准确把握。一种有效的方法是在最短时间内设法对疾病的状态产生一个足够大的扰动，然后通过前后血样的测序对比，可有效地发现关键的致病基因。
因为生物体系越来越复杂，尺度越来越纷繁，所以，我们研究院叫“复杂体系多尺度研究院” 。现在，生物学的研究对计算方法的依赖也就越来越强。当务之急是要大力培养人才。事实上，传统搞计算的人和搞生物实验的人完全不同。所以，我们的本科教学要尽量赶上去，能够把人才培养起来。我很自豪地是，本次大师讲坛是唯一一个设在高校的科学讲坛，这对提高年轻人发展计算生物学的兴趣也很重要，我们要从娃娃抓起。