Nature：利用生成式采样技术跨越生物分子构象转变的时间尺度瓶颈

《Nature》期刊于 2026 年 9 月 9 日发表计算生物物理领域研究成果，提出了一种基于生成式采样的深度学习方法，旨在突破生物分子构象转变模拟中的时间尺度限制瓶颈。

• 生物大分子在执行生理功能时常涉及微秒至秒级甚至更长时间尺度的构象转变，传统全原子分子动力学模拟由于纳秒级积分步长的限制，难以高效捕捉这些罕见转变事件。
• 研究团队开发了基于生成式采样的新算法，能够在无需连续耗时轨迹积分的情况下，高效重构生物分子在不同亚稳态之间的转变路径与能量景观。
• 该框架在多种复杂蛋白质体系中成功重现了关键构象过渡态，并在保持物理真实性的同时显著减少了传统模拟所需的计算开销。
• 该技术为研究酶催化机制、跨膜受体信号传导以及药物变构调节过程提供了全新的计算工具。
• 影响/看点：这一方法有望加速基于结构的理性药物设计与大分子动力学机理研究，其推广取决于模型在更广泛复杂分子体系及含溶剂环境下的泛化精度与能量守恒验证。
• 资料依据:
• Nature（2026-09-09）：https://www.nature.com/articles/s41586-026-11025-1

本内容由 AI 生成，仅供参考，请注意甄别