研究方向

    我们利用理论与计算手段研究生物大分子与低维纳米材料的性质。研究方向包括:

 

1. 天然无序蛋白质

 

       天然无序蛋白质是近年来发现的一类特殊的蛋白质,它们在生物体内广泛存在,虽然没有特定的三维结构,但却具有正常的生物学功能,参与了细胞中很多重要的生理与病理过程。对天然无序蛋白质的研究,不但有助于揭示蛋白质结构和功能关系的本质,而且可以对很多疾病的治疗提供新的思路。我们利用理论分析与计算机模拟的手段研究天然无序蛋白质的构象统计与分子识别、揭示其微观作用机制,以期为相关的实验研究及应用提供观念上的借鉴与参考。

[1] Luhao Zhang, MaoDong Li and Zhirong Liu*. A comprehensive ensemble model for comparing the allosteric effect of ordered and disordered proteins. PLOS Comput. Biol. 14 (12), e1006393/1-22 (2018).

[2] Zhirong Liu* and Yongqi Huang. Advantages of proteins being disordered. Protein. Sci. 23 (5), 539-550 (2014). (特邀综述)

[3] Yongqi Huang and Zhirong Liu*. Kinetic advantage of intrinsically disordered proteins in coupled folding-binding process: a critical assessment of the "fly-casting" mechanism. J. Mol. Biol. 393 (5), 1143-1159 (2009).

媒体报导:配体云:天然无序蛋白质与小分子的相互作用

 

2. 二维纳米材料

 

       以石墨烯(graphene)为代表的二维纳米材料具有诸多新奇物性,是活跃的前沿研究领域。我们发展相关的模型与方法,结合第一性原理计算的手段系统研究二维纳米材料的能带结构、输运性质和电子-声子-光子相互作用。具体研究内容包括:二维材料的载流子迁移率;应变等方式对能带结构的调控;二维材料的拉曼光谱;电荷转移。

[1] Jinying Wang, Shibin Deng, Zhongfan Liu, and Zhirong Liu*. The rare two-dimensional materials with Dirac cones. Natl. Sci. Rev. 2 (1), 22-39 (2015).

[2] Zhenzhu Li, Jinying Wang, and Zhirong Liu*. Intrinsic carrier mobility of Dirac cones: the limitations of deformation potential theory. J. Chem. Phys. 141 (14), 144107/1-9 (2014).

[3] Yang Li, Xiaowei Jiang, Zhongfan Liu, and Zhirong Liu*. Strain effects in graphene and graphene nanoribbons: the underlying mechanism. Nano Res. 3 (8), 545-556 (2010).

媒体报导:利用应变下的拉曼响应确定各向异性黑磷的晶格方向

 

3. 机器学习在化学中的应用

 

      由深度学习的发展所推动的机器学习与人工智能领域在近几年取得了迅猛的发展,对包括化学在内的诸多学科也产生了重大的影响。针对机器学习可能给化学学科所带来的挑战与机会,我们积极探索机器学习(特别是强化学习)在化学中的应用。例如,我们将多臂老虎机的UCB算法改造用于天然无序蛋白质的需要药物筛选,大大提高了筛选的效率。

[1] Bin Chong, Yingguang Yang, Zi-Le Wang, Han Xing, and Zhirong Liu*. Reinforcement learning to boost molecular docking upon protein conformational ensemble. Phys. Chem. Chem. Phys. 23 (11), 6800-6806 (2021). (媒体报导:AI助力无序蛋白药物虚拟筛选,多臂老虎机再显神通

[2] Fan Jin and Zhirong Liu*. Inherent relationships among different biophysical prediction methods for intrinsically disordered proteins. Biophys. J. 104 (2), 488-495 (2013).