数据驱动的蛋白质物理研究

在物理学发展的历程中，归纳和演绎一直是相互交替呈现的科学方法。自Watson和Crick的经典发现以来，生物学已开始融入了物理学还原论的思路和方法。然而，不同于典型物理体系，生物学表现出丰富的多样性和复杂性。面对这种组合复杂性，从头计算面对着多个不同角度的挑战。伴随着机器学习方法的发展，从生物数据出发，加速分子计算、提炼体系特征，成为一种新的工具和思路。我们最近围绕蛋白质体系，运用神经网络的表达能力，围绕疏水相互作用加速计算、氨基酸特性分析和量化、蛋白质结构分类等问题开展了一些探索。今天报告我打算就围绕这样内容，分享我在数据驱动的研究中的一些体会和认识。