对制药业而言，现在的生物计算有哪些瓶颈，需如何改进？

10月28日，第二届世界顶尖科学家论坛前夕，2013年诺贝尔化学奖得主、计算生物学领域的先驱迈克尔·莱维特（Michael Levitt）在上海临港滴水湖畔接受澎湃新闻采访时谈到，“当前，有很多人在生物计算领域研究。对制药而言，其中一件很重要的事情是设计更好的分子，也许使用量子力学是一种更好的方法。化学是一个非常重要的领域，还有其他很多领域也可以通过计算机模型来改进”。

2013年诺贝尔化学奖得主、计算生物学领域的先驱迈克尔·莱维特（Michael Levitt） 澎湃新闻记者 张唯 摄

迈克尔·莱维特教授因“建立复杂化学体系多尺度模型，连接了经典物理学与量子物理学”而与亚利耶·瓦谢尔（Arieh Warshel）和马丁·卡普拉斯（Martin Karplus）一同获得2013年的诺贝尔化学奖。

随着理论计算方法及高性能计算的快速发展，计算已成为继实验和理论之后开展科学研究的第三大重要支柱，计算模拟的重要性可以与实验和理论相媲美,高性能计算为科学发现提供了实验和理论之外的第三条道路。

作为计算生物学领域的先驱，莱维特教授将牛顿经典物理学与现代量子物理学相结合，从而开拓了崭新的研究领域。他在发展多尺度计算方法、开展复杂化学和生物体系模拟、探究生物大分子结构等方面成就卓著。

谈及大数据或5G等新兴技术将对未来化学研究产生何种改变时，迈克尔·莱维特对包括澎湃新闻在内的媒体回忆起50年前的工作情景，他用电脑制作分子模型，并将模型运用在蛋白分子上。他认为在某些情况下，利用大数据生成模型可以让人类不需要思考，“毫无疑问，有了大数据我们就可以生成模型，这些模型可以处理令人惊叹的事情，也可以节约电脑生成模型的时间。

但这并不意味着人类真的不需要思考。迈克尔·莱维特说，人们的生活往往会依靠在各种模型上，尽管人们并不能真正理解这些模型，例如自动驾驶，我们不知道它如何工作，但它看上去一直在工作。“但你可能会说，这还不够好，因为我不能证明在某一类桥或者阴雨天，自动驾驶车辆是否会发生事故。所以我认为我们需要理解模型背后的物理和数学。”

诺贝尔化学奖常常被调侃为“理科综合奖”，据粗略统计，在过去的一百多年里，生物和物理学方面的研究分别都获过20余次诺贝尔化学奖。

对于研究跨学科的问题，他在接受媒体采访时谈到，“科学很长时间以来都是跨学科的；非跨学科的是教育，就像化学和数学”。“以我自己的经验，我在研究化学分子时会使用数学和物理学，这对生物医药非常重要。这就像是绿色的画，颜色并不重要，重要的是所有事情都是联系的。”

莱维特1947年出生于南非，1971年从英国剑桥大学获得博士学位，现任美国斯坦福大学医学院癌症研究所教授。