提升药物发现的卓越性：在Discovery Studio Simulation中将AI/Ml模型与基于物理的仿真方法相结合

基于分子物理的建模方法是一套强大的计算工具，可以在量子水平上模拟原子和分子的复杂行为。这些方法基于分子物理学的基本原理，利用经典和量子力学来预测和理解分子系统内的动态相互作用。长期以来，它们一直被用来为药物发现、材料设计和复杂生物过程的探索提供见解。基于物理的建模比人工智能有一定的优势，特别是在可解释性和结合已知物理原理的能力方面。在发现工作流程中的蛋白质结构预测中，分子动力学可以改进从人工智能模型中导出的结构，并计算能量估计，从而更真实地传达控制蛋白质折叠的生物物理约束和力量。分子动力学可以模拟不同环境条件下的结构变化，例如温度或pH溶液条件的变化，因为算法固有地考虑了能量最小化和热力学原理。基于物理的方法有助于赋予预测可解释性、概括性和更大的信心，并可以减轻科学家对人工智能预测黑箱性质的普遍担忧。

增强发现工作室模拟与alphafold2和openfold的力量

Discovery Studio Simulation是BIOVIA的3D硅原子建模和仿真应用程序。它包括基于物理的方法，如用于分子动力学的CHARMm2和NAMD3，这些方法长期以来一直用于与MODELER的同源建模预测相结合的工作流中。BIOVIA Discovery Studio Simulation现在包括用于蛋白质结构预测的OpenFold和AlphaFold人工智能模型，这些模型可能会取代MODELER对同源性建模的大部分需求。然而，OpenFold和AlphaFold不会单独使用，并且肯定需要支持基于物理的硅技术来实现它们在药物发现工作流程中的优势。在今年晚些时候发布的版本中，Discovery Studio Simulation将把这些人工智能模型整合到更多的仿真工作流程中，解决用户面临的其他挑战，并帮助解释和分析复杂的结构数据，而不仅仅是专注于黑盒预测算法。

我们在BIOVIA的工作是不断适应新的尖端技术，帮助我们的用户加速科学创新。在2024年及以后，BIOVIA Discovery Studio Simulation将把创新的人工智能技术与使用已建立的基于物理的方法的基岩建模工作流程相结合，为研究人员提供可靠性、可解释性和民主化访问。随着我们将这些新技术与现有软件融合到3DEXPERIENCE平台上的基于角色的体验中，我们预见到与用户的漫长而激动人心的旅程，为他们提供最好的工具，加速改变生活的疗法进入市场。

如果你有兴趣了解AlphaFold和OpenFold的历史，可以浏览Tien Luu的相关博客。