无需传统蛋白质序列比对方式，科学家基于AI模型检测蛋白质同源物，为蛋白质远程同源物鉴定提供解决方案

主要观点总结

本文介绍了李煜的研究工作，包括其利用人工智能算法围绕RNA和蛋白质开发的新技术，以及他在蛋白质结构预测、药物开发、RNA结构预测等领域取得的进展。他还指出了未来药物开发的关键突破将集中在提升分子间相互作用的预测技术上，并计划将相关研究成果向工业应用转化。

关键观点总结

关键观点1: 李煜利用人工智能算法开发了一种密集同源物检索器（DHR），能快速、灵敏地检测蛋白质同源物，为生物科学领域提供了一种强大的工具。

李煜的研究团队采用独特的双编码器框架，产生蛋白质序列的向量嵌入表达形式，通过识别蛋白质的同源物，大幅提高了检测效率。这项技术在多个领域展现出了应用价值，包括药物开发、病毒研究、生态学研究等。该技术能够识别出新的远源同源关系，有助于更好地理解蛋白质之间的联系和进化过程。

关键观点2: 李煜团队在RNA领域也取得重要进展，开发出RhoFold+工具，能够从序列中精准预测单链RNA的3D结构。

李煜团队通过集成近2400万RNA序列上预训练的RNA语言模型，实现了RNA 3D结构预测。该工具能够在短时间内生成准确的预测结果，为RNA在药物设计和合成生物学中的应用开辟了新的可能性。

关键观点3: 李煜认为未来药物开发和生物技术领域的关键突破将集中在提升分子间相互作用的预测技术上。

尽管目前蛋白质研究和RNA研究在单个结构或序列分析方面取得了突破，但在预测分子相互作用方面仍然有限。李煜课题组未来的研究方向将集中在解决数据噪声大、数据量有限以及模拟与实际应用存在偏差等问题上，并计划将相关研究成果向工业应用转化。