近日，国家纳米科学中心研究员杨晓霞团队、香港大学教授张霜团队及上海交通大学教授戴庆团队联手，将前沿红外传感技术与注入了物理知识的深度学习模型相结合，实现了在真实水溶液环境中，对纳米尺度蛋白质二级结构的实时、精准动态捕捉。相关研究成果在《科学进展》上发表。

蛋白质是生命的基石，但它们并非静止不动。实时“看清”它们在水溶液中的结构变化，是理解生命奥秘、开发新药的关键。但是，水分子的强烈信号常常淹没蛋白质微弱的二级结构信息，难度堪比在“狂风暴雨”中听清“耳语”。传统的红外光谱技术在攻克这个难题上一直收效甚微。

为此，研究团队设计了一套“双剑合璧”的创新方案。“第一剑”是打造超灵敏“信号放大器”。团队研发了一种石墨烯/金复合超表面传感器。它能将光的能量高度压缩，形成一个可与单个蛋白质尺寸相当的“热点”区域（仅约13平方纳米），将被测蛋白质“锁定”其中，同时将绝大多数“水噪音”排除在外。这使得过去无法捕获的、极其微弱的蛋白质二级结构变化信号得以清晰呈现。

“第二剑”是训练懂物理的“智能解码器”。 传统AI模型需要海量数据“投喂”才能学会分析，但在该领域高质量数据极为稀缺 。为此，团队创新地开发了物理增强卷积神经网络（P-CNN）模型 。他们通过迁移学习，先将光谱学的物理规律“教会”AI，让它自带“先验知识”上岗 ；同时引入合成复频率波的损耗补偿机制，从而显著提升二级结构的光谱特征对比度。这一设计使PE-CNN仅依靠少量实验数据即可实现高效、准确的二级结构比例解析，无需复杂数据预处理。

这项“传感+AI”的新方法，不仅为在真实生理环境下验证AlphaFold等蛋白质结构预测模型提供了关键实验依据，也为研究复杂生物分子相互作用、推动药物筛选和仿生制造等领域开辟了新路径。

相关论文信息：http://doi.org/10.1126/sciadv.adw0783