在药物发现领域，设计新的蛋白质以表现出必要的功能和功效。过去，在逐渐改变作为蛋白质蓝图的氨基酸序列的同时进行实验和结构搜索模拟，以检查所得蛋白质是否具有必要的功能和功效。精确的设计需要大量的计算。

　去年，该研究小组将蛋白质进化的新假设与机器学习方法相结合，以比传统方法快得多的速度成功实现了蛋白质设计。此外，通过应用复杂系统物理学和信息统计力学的理论，我们成功地推导出了一个无需模拟的氨基酸序列估计数学公式。

　因此，与去年宣布的高效设计方法相比，蛋白质设计所需的时间已减少至约 10/1。此外，由于所获得的数学公式是允许对每个氨基酸残基进行并行计算的格式，因此在将其应用于作为实际药物发现目标的巨大蛋白质的设计时，存在计算复杂度爆炸的问题。它还具有不太可能发生的优点。此外，由于本次使用的理论模型不依赖于蛋白质的详细特性，因此有望应用于新材料和新器件的设计等问题。

纸张信息：[Journal of Statistical Mechanics: Theory and Experiment] 蛋白质设计问题的腔法