支撑AI深度学习赋能癌症个体化免疫治疗、抗体设计及从基础研究到生物医药研发的跨越。

       2005年，《Science》杂志将蛋白质结构预测列为125个人类最重要的未解科学问题之一；2022年1月，两院院士投票评选“科学家借助AI技术破解蛋白质结构预测难题”位列2021年世界十大科技进展榜单第三位；2022年1月，《Nature》杂志有望改变2022年科学进程的7大前沿技术，“蛋白质结构解析”位列第二位。

       FALCON2包括从头预测算法ProFOLD、基于模板的预测方法ProALIGN，ProFOLD采用了一种新型的神经网络CopulaNe，可从MSA直接预测蛋白质残基间距离，克服了“信息丢失”缺陷问题。在CASP13测试集上，ProFOLD达到了0.7的预测精度，优于AlphaFold，相关科研成果在国际Nature 子刊Nature Communications发表。

       李明院士指导团队将研究重点放在抗体和TCR结构上，主要问题是改进CDR3区域预测，此区域没有contacts无法用AlphaFold预测、MSA方法做结构，研究得出初步结果，从AlphaFold的3A改进至1.5A。

       2017年，个体化新抗原发现成为一个未解难题，世界主流科学界认为，应直接从癌细胞表面直接提取新抗原，用质谱仪测序，以人工智能预测新抗原的免疫原性，代替传统湿实验室。

       为解决这个问题，李明院士团队连续发表了1篇Nature Methods、2篇Nature Machine Intelligence、1篇PNAS文章，首次在全球范围内将深度学习法引入蛋白组学。李明院士 DeepNovo 革命性地改进了质谱仪从头测序精度，成为世界标杆。

DeepNovo改进了质谱仪从头测序精度

个体化新抗原测序技术提高了新抗原寻找的精度

       测序问题基本被解决之后，需解决测试新抗原免疫原性的问题。免疫原性来自于新抗原、MHC-I、以及TCR的结合，要依赖于MHC-I和TCR的蛋白结构。李明院士团队将相关技术进一步提高，将完全解决《Nature》杂志5年前提出的挑战，为人类战胜癌症提供一个关键且大幅降低成本的实用技术。

       李明院士办公室团队已与郑州大学（郑大国家超算郑州中心牵头，协同郑大一附院生物细胞治疗中心、郑大信工院、郑大先进院等）达成硕博后高端跨学科人才培养及科研等合作意向，将产生一个崭新的跨学科专业：人工智能在生物科学及医疗中的应用。新成果将在国际一流学刊上发表，对双一流高校建设起到重要推进作用。