生命科学研究正加速进入“数据与模型驱动”的新阶段。如何分子层面理解生命过程、在计算层面提升预测精度，并将基础研究转化为药物研发和疾病干预能力，成为各国科研体系共同面对的关键课题。诺贝尔化学奖得主迈克尔·莱维特（Michael Levitt）在生物分子建模与计算生物学领域的长期探索，为此课题提供了重要的方法学范式，也为我国推进交叉学科建设与科技创新协同提供了可借鉴的实践样本。 问题：生命体系复杂性高，传统实验与单一模型难以兼顾精度与效率 蛋白质折叠、核酸构象变化以及大分子复合物相互作用等过程，涉及多时间尺度、多空间尺度与多物理机制。仅依靠实验手段虽能获得关键数据，但成本高、周期长；而若只用单一理论框架建模，要么精度不足、难以解释关键化学细节，要么计算量巨大、难以用于复杂体系。生命科学长期存在的“可解释、可计算、可转化”之间的张力，直接制约新药研发效率与机制研究深度。 原因：多尺度方法打通量子与经典、局部与整体的计算鸿沟 莱维特1947年出生于南非比勒陀利亚，后在英国完成高等教育与科研训练，并在多国科研机构积累跨地域合作经验。他与有关领域科学家共同推动的多尺度建模思想，将量子力学对化学反应与键合的精细刻画，与经典力学对大体系运动的高效描述相结合，使复杂化学与生物体系能够在可承受的计算成本下实现更可靠的模拟与预测。2013年，他因“发展复杂化学体系的多尺度模型”与他人共同获得诺贝尔化学奖，该成果被视为计算化学与结构生物学的重要里程碑。 除多尺度模型外，莱维特在生物大分子结构研究中提出并完善了多项关键思路：在核磁共振（NMR）结构测定方法、X射线衍射数据解析与蛋白质折叠分类各上形成多项基础性贡献；其关于DNA在溶液中构象周期的预测也得到实验验证。相关工作共同指向一个核心目标：以更合理的模型、更有效的算法与更可复用的计算工具，提高对生物分子结构与动力学的可预测性。 影响：交叉创新加速成果转化，提升新药研发与基础研究协同能力 多尺度建模及其衍生的分子模拟方法，正在深刻改变生命科学的研究路径。对基础研究而言，模型能够帮助科学家从“观察现象”走向“解释机制”，并在实验难以覆盖条件下提出可检验的假设；对应用端而言，结构预测、构象筛选与相互作用评估等技术路线，可在早期药物发现阶段提高候选分子的筛选效率，降低试错成本。 在我国，随着重大疾病防治、创新药研发与生物医药产业升级需求持续增长，计算与实验协同的研发模式日益受到重视。莱维特2018年在复旦大学参与创建复杂体系多尺度研究平台并开展相关工作，体现出国际科学家与中国高校在交叉前沿领域的合作潜力。通过引入国际前沿研究范式、培养复合型青年人才、推动共享计算工具与开放合作网络，有望继续促进我国在结构生物学、计算生物学与药物研发等方向的系统性突破。 对策：以平台、人才与规范为抓手，构建可持续的交叉科研生态 业内人士认为，推动多尺度计算与生命科学深度融合，需要从三个层面形成合力。 其一，强化交叉平台建设与算力支撑。高质量模拟依赖稳定的计算基础设施与可复现的软件工具链，应在高校、科研院所与企业之间推动平台共建共享，形成从方法研发到应用验证的闭环。 其二，完善交叉人才培养机制。多尺度建模要求研究者同时理解物理化学原理、算法工程与生物医学问题，应通过联合培养、课程体系重构与跨团队项目训练，提升青年科研人员的“问题定义—模型构建—实验验证”能力。 其三，健全数据与科研伦理规范。随着计算模型在医学相关领域应用增多，数据质量控制、结果可解释性与科研诚信要求更高，应推动数据标准、评估体系与开放共享规则建设，为成果转化提供可信基础。 前景：模型驱动的生命科学将迈向更高精度、更快迭代与更强协同 展望未来，生物分子建模将从单体分子走向大分子复合物、从静态结构走向动态过程、从单点预测走向系统级推演。多尺度方法作为连接微观化学与宏观功能的关键桥梁，将在酶催化机理解析、抗体与靶点设计、蛋白质构象调控等方向持续释放价值。另外，随着算法优化、算力提升与跨学科协作深化，计算预测与实验验证之间的迭代周期有望进一步缩短，科研效率与转化速度将同步提升。
莱维特的成就证明，科学创新往往来自学科交叉与国际合作。他将物理学方法与生物学问题相结合，开创了生物分子模拟新领域。在当前全球科技竞争背景下，这种开放合作的研究模式对中国科研国际化发展具有重要启示。莱维特在复旦大学的工作，展现了中国在生命科学与计算科学融合领域的发展前景。