为深化党支部建设与学术科研的深度融合，搭建青年科研工作者的学术交流平台，由生物医学科学系党支部与生物医学九班党支部联合打造的“第一作者论坛”系列活动再度开讲，第一作者论坛第二十七期于2026年9月30日在黄朝阳楼E307报告厅如期举行。本次论坛聚焦陈伟豪发表于《Nature Machine Intelligence》的研究成果开展专题分享，该研究开发出VITAL深度学习框架，突破肽-蛋白相互作用解析难题，为肽类新药的设计与筛选提供全新计算工具。活动由生物医学科学系党支部书记陈航姿教授担任主持人，吸引了众多从事计算生物学、肽-蛋白相互作用及肽类药物研发相关领域研究的研究生到场参与，学术氛围浓厚。

分享中，陈伟豪首先介绍了该研究的背景。肽分子是生命活动的重要调控分子，肽类药物凭借高特异性、低免疫原性的优势，已在糖尿病、肿瘤、感染等疾病治疗中广泛应用。但肽构象柔性极强，结合界面浅而瞬时，传统实验手段成本高、通量有限；以往计算模型大多只能判断“是否结合”，难以定位结合位点、量化结合亲和力，严重制约肽药物研发进程。

在报告中，陈伟豪详细介绍了团队的探究思路：针对现有工具“只能定性、缺少结构感知”的短板，团队创新设计双通道协同学习架构。一条通道依托ESM-2蛋白大模型提取序列全局特征；另一条几何感知通道，融合片段分解、空间距离网络、多尺度卷积，挖掘结合界面三维空间信息，将序列特征与几何特征融合，实现互作预测、结合位点定位、亲和力定量评估三位一体分析。

研究团队构建包含9701组高质量肽-蛋白复合物的VITAL_benchmark数据集开展模型训练与评测。VITAL在测试集上AUC可达0.87，在样本不均衡场景下依旧保持稳健性能。依托模型输出的亲和力强度矩阵ASM，配套开发VITAL-DeSite算法，实现近残基精度的结合界面识别，预测精度可达60%。同时提出BSU结合强度单元，作为连续型亲和力评价指标，与自由能、实验IC50数据显著相关。团队进一步证明模型可以有效辅助全新肽分子挖掘。基于埋入度、插入度两个几何参数，研究还将肽-蛋白结合划分为表面、口袋、插入、全包埋四种结合模式，搭建起肽结合的定量分类体系。整套工具已经开源，配套网页服务器向全球科研人员开放使用。

陈伟豪也在分享中客观剖析了模型现存局限，指明后续的发展方向。当前VITAL主要训练数据来自单链蛋白，对多亚基复合体预测效果受限；长序列输入会发生截断，同时对单氨基酸突变的敏感度仍有待提升。未来，团队计划扩充高质量数据集，优化模型架构，提升对多亚基复合物、特殊家族肽互作的预测能力；增强单点突变预测能力，助力解析基因突变带来的功能变化；优化结合位点合并算法，进一步提升界面解析精度。

最后，陈伟豪表示，面向转化应用，VITAL可完成蛋白质组层面肽-靶点大规模筛选，挖掘未知肽药物靶点，预测脱靶效应，提前评估药物潜在毒副作用，助力老药新用与肽药物安全评估。该研究打通从定性筛选走向定量结构解析的技术路径，借助人工智能缩短肽类药物研发周期，为面向肿瘤、罕见病等的创新肽类治疗分子研发注入新动能。

报告结束后，现场师生围绕模型架构、适用范围与后续优化方向等踊跃提问，陈伟豪结合研究过程逐一解答，现场讨论热烈、学术氛围浓厚。

此次第一作者论坛的成功举办，不仅让师生们近距离接触到计算生物学、肽-蛋白相互作用与肽类药物研发的前沿成果，更为跨学科的学术思辨与思想碰撞搭建起重要平台。作为生物医学科学系“党建+科研”的特色活动，第一作者论坛始终坚持以党建引领学术发展，充分重视思想交流对科研突破的助推作用，助力青年科研人才成长。未来，系列活动将继续聚焦更多生命科学前沿领域，持续营造开放思辨的学术环境，鼓励多元观点交互融合，为推动学术创新、培养科研后备力量注入持续动力。

图：陶美凤

文：陶美凤