美国哈佛大学与西北大学研究团队合作，开发出一种新型机器学习方法，能够从无序蛋白质中排序，设计出具有特定性质的内在无序蛋白质（IDPs）。相关研究成果于2025年10月6日发表在《自然·计算科学》期刊上。

研究团队提出了一种结合物理模型与机器学习技术的新路径。该方法基于“自动微分”技术——一种常用于深度学习中计算导数的算法，该技术能精确追踪输入变量的微小变化对输出结果的影响。研究人员利用这一机制，在分子动力学模拟框架下直接优化氨基酸序列，使其具备预定的物理或功能特性。与传统依赖大量数据训练的典型AI模型不同，该方法依托已有且足够精确的物理模拟体系，通过梯度优化高效搜索满足特定功能需求的蛋白质序列。

研究团队强调，该方法是将真实的分子行为规律嵌入设计过程，不仅使设计过程严格遵循自然界的动力学原理，而且有助于确保所生成的蛋白质序列的功能要求。通过这种方式设计出的蛋白质具有“可微分”特性，意味着每一步优化都建立在对系统物理状态进行连续、精确调控的基础上，而非依赖于黑箱式的预测模型。

信息来源：

https://www.nature.com/articles/s43588-025-00881-y

https://www.stdaily.com/web/gjxw/2025-10/10/content_413295.html