当地时间6月2日，周耀旗研究员受Kaifu Chen教授邀请在哈佛医学院波士顿儿童医院（Boston Children's Hospital, Harvard Medical School）发表题为“ Structure Prediction from Proteins to RNAs: Going beyond AlphaFold” 的学术报告。

        周教授在报告中指出，尽管AlphaFold 2极大地推动了蛋白质结构预测的准确性，但其性能高度依赖于天然同源序列的数量与质量。由于缺乏高质量同源序列，目前人类蛋白质组中仅有约36%的残基能以高置信度被预测。这一问题在AlphaFold 3中仍未得到根本解决。对于RNA而言，情况更加严峻：在二级结构未知的情况下，传统的同源序列搜索几乎失效，因为RNA的序列保守性远低于蛋白质。面对这些挑战，周教授团队提出了一种全新的思路——结合实验室生成的同源序列与蛋白质语言模型，摆脱对天然同源序列的过度依赖。这一进展为高通量、低成本、高准确度的蛋白质与RNA结构预测开辟了新路径，标志着人工智能与高通量测序技术深度融合的重要一步。

        本次报告由波士顿儿童医院主办，吸引了众多结构生物学、计算生物学及人工智能领域的学者参与。

（左：张祎坤同学，2003-2005年周耀旗课题组客座学生；中：周耀旗研究员；右：Kaifu Chen教授）