人工智能（AI）正推动科学界加快对蛋白质的认识。蛋白质作为人体关键功能分子，参与细胞生长、免疫防御、消化以及细胞信号传导等多种过程。研究人员指出，更高效地解析蛋白质结构，有助于在分子层面理解生命过程，并为疾病研究与治疗策略提供线索。

蛋白质的功能与其三维（3D）形状密切相关。其空间构型决定了蛋白质如何与其他分子相互作用，也为疾病发生机制及潜在治疗路径提供重要信息。不过，通过实验手段确定蛋白质结构通常耗时且成本较高，成为相关研究与应用推进中的一项现实限制。

新加坡国立大学（NUS）由癌症科学研究所、计算机学院及杨润麟医学院组成的研究团队在张扬教授带领下，开发了一款名为D-I-TASSER的新型软件工具，用于更准确地预测复杂蛋白质的三维结构。团队表示，该工具可支持更快的药物发现、改进疾病研究，并为更精准的靶向治疗设计提供基础。

张扬表示，目前多数蛋白质的三维结构仍未被充分掌握，这在生物学研究中构成重要空白；尤其是大型多结构域蛋白质结构更为复杂，现有工具难以进行可靠建模。研究人员指出，人体内约有2万个不同蛋白质，其中不少由多个相连部分构成，这些部分之间会发生移动与相互作用，进一步增加了计算建模难度，并影响对疾病机制的理解与新药研发进度。

为应对复杂蛋白质建模难题，团队在D-I-TASSER中将人工智能与基于物理的模拟相结合：系统先将复杂蛋白质拆分为较小部分，分别预测各部分形状，再通过物理建模将其组装为完整三维结构，以更精确地重建蛋白质折叠与组合方式。

团队测试结果显示，D-I-TASSER在复杂蛋白质结构预测方面的准确率较现有最先进方法提升约13%。研究人员同时表示，该工具使其能够为人体内大多数蛋白质生成可靠结构模型，其中包括许多此前难以分析的蛋白质。

张扬指出，当研究人员能够更清晰地获得蛋白质结构信息时，将更有助于理解疾病过程中出现的异常，并评估潜在药物与相关分子的相互作用方式。

在后续工作方面，团队表示将基于D-I-TASSER框架拓展至RNA结构预测与蛋白质-蛋白质相互作用建模，重点包括抗体-抗原复合物。同时，研究方向也将从静态结构预测进一步延伸，尝试通过整合人工智能与基于物理的建模方法，捕捉细胞内蛋白质的折叠路径，以更动态地理解生物分子序列、结构与功能之间的关系。