在人工智能深度赋能生命科学研究的当下，蛋白质三维结构解析既是揭示生命本质的核心关键，也是智能计算与生命科学交叉创新的前沿领域。浙江工业大学张贵军教授团队长期专注于结构生物信息学研究，依托人工智能技术持续攻关，深入探索生命活动底层规律，显著加速药物研发、疫苗设计等应用落地。取得一系列具有国际影响力的成果，累计在《Nature Communications》、《Nature Structural & Molecular Biology》、《Nucleic Acids Research》以及《Cell Reports Methods》等国内外权威期刊发表论文150余篇。

　　以人工智能探索生命科学前沿，筑牢蛋白质结构“定海神针”

　　蛋白质不仅是承载生命活动的重要载体，也是疾病诊断的战略资源，在创新药发现与疫苗设计等前沿领域占据着核心靶标地位。近年来，以深度学习为代表的技术，为蛋白质结构预测带来了史无前例的范式转变。目前，该领域的研究已正式跨越单一的基础理论探索，全面进入赋能生物医药产业的关键阶段。但蛋白质折叠、组装与筛选的三大核心挑战，依然是制约我国药物研发与疫苗设计的共性瓶颈。

　　折叠之困：蛋白质一维氨基酸序列如何精准折叠成稳定三维结构，是结构生物学的核心未解问题，破解它能揭示生命机制、支撑疾病诊断。

　　组装之难：蛋白质需相互作用形成“分子机器”，其有序组装机制尚不明确，而这一过程与病毒入侵等生命活动密切相关，是挖掘治疗靶点的关键。

　　筛选之艰：面对海量人工智能预测的蛋白质模型，如何高效精准筛选出高质量结构，是技术落地的核心关卡，优质模型能大幅降低药物研发实验成本、缩短周期。

　　针对这些“卡脖子”难题，团队紧扣产业痛点，构建了涵盖“折叠—组装—筛选”的蛋白质结构全链路解析体系。

　　聚焦“折叠－组装－筛选”，突破蛋白质结构解析三大瓶颈

　　蛋白质如何折叠为稳定构象，是生命科学的核心谜题。现有实验难以捕捉其动态构象与完整路径，为此，团队提出“折叠记忆”策略：将数亿年进化中积累的构象视为动态折叠在静态结构上留下的“时间印记”，通过跨家族进化信息重建折叠“时间线”，进而揭示蛋白质的折叠路径。该技术获国际生物信息学研究中心专题报道。

　　针对复合物有序组装的核心难题，现有技术难以还原其“空间组装逻辑”。为此，团队提出“以结构域为单位”的组装策略，将蛋白质视为由结构域“拼图”搭建的空间架构，通过解码拼图的组合规律，系统揭示从多域到复合物的域间互作机制。

　　在海量预测结构中筛选高质量蛋白质模型，正成为推动相关技术走向实际应用的关键环节。现有技术难以兼顾筛选精度与计算效率，为此，团队提出“全维质检”策略，对蛋白质赋予微观、介观与宏观维度的“深度体检”，为高通量预测提供精准可靠的自动化筛选方案。该技术被中国工程院陈薇院士团队应用于疫苗靶向抗原筛选。

　　助力“产学研用”融合发展，打通科技成果转化“最后一公里”

　　团队自主研发的全链路核心算法与工具，建成具有自主知识产权的在线平台、数据库及软件工具20余项。

　　近三年来，在线平台已为全球60多个国家和地区的用户提供超10万次服务，相关服务器性能在国际著名蛋白质结构预测竞赛CASP及CAMEO中多次排名第一。曾连续两届受邀在CASP国际会议上作优胜者报告 （2022年CASP15，2024年CASP16），获得了同行的高度认可。