AIMBE Fellow 潘毅：少年状元、九年学术荒，拒做生(3)

这种情况直到2000年潘毅进入佐治亚州立大学工作才得以好转。在佐治亚州立大学，潘毅偶然发现蛋白质序列的对比需要用到并行计算，这正是他所擅长的计算机领域的知识。

2021年，潘毅入选全球前2%顶尖科学家榜单与世界顶尖1000名计算机科学家榜单。

潘毅最初接触的问题是蛋白质、DNA、RNA等的序列对比。

戴顿大学是一所教学型学校，注重学生教育，为教授们提供的科研条件并不算好。因此，在戴顿大学工作的九年里，潘毅只能一点点艰难推进自己的研究。

而1991年才刚刚开始攻读博士学位的许东，恰好选择了计算生物物理的研究方向，比前辈徐鹰还要早两年接触生物学。

1997年，徐鹰进入橡树岭国家实验室生命科学部担任课题组长，次年许东加入课题组，两人合作进行了蛋白折叠与蛋白结构预测的相关项目，又于2003年先后离开橡树岭，分别前往佐治亚大学和密苏里大学担任教职。

潘毅就这样一路升级通关，从初到美国时“水土不服”的华人留学生，成长为生物信息学领域的中流砥柱。

他想到了自己前不久开始进行的生物信息学研究。

凭借生物信息学领域的贡献，潘毅被评为乔治亚州立大学终身教授、大学杰出教授、州校董教授，当选美国医学与生物工程院院士与乌克兰国家工程院院士。

潘毅向雷峰网《医健AI掘金志》描述了他的教育理想：为政界培养出一名省部级的官员，为学术界培养出一名院士，为产业界培养出一名千亿资产的企业家。“如果能达到这个境界，我的人生就圆满了。”

耳顺之年，功成名就，潘毅却将自己的“进度条”拨回起点，选择回国任职。

于是，他与一位对计算机领域较为了解的生物学教授合作，申请了一笔一百五十万美元的科研经费，组建起佐治亚州立大学生物信息学研究的初始团队。

2010年前后，他开始尝试将计算机与生物学知识相融合，比如，在进行多序列对比时，将碱基或氨基酸之间变化的概率也加入计算之中，从而更加精准地描述生物学问题。

随着研究的深入，潘毅逐渐意识到简单的算法无法处理数目庞大的生物数据，下一步的研究必须要利用人工智能技术。

其次是心理上的落差。在计算机行业内已经成名的潘毅，要进入生物信息领域，只能和所有新人一样从底层开始一步步向上走。

在金兰教授的帮助下，潘毅在1985年读硕士期间就已经在海外顶级会议ICDCS上发布了论文。在当时那个年代，很多教授难有在海外发布文章的机会，而ICDCS更是只有不超过20%的录用率。

潘毅的诸多科研成果对后来者的研究也有很大影响，他为生物学领域开发的许多工具至今仍在广泛应用。

那时已经常在并行计算领域大型学术会议上作主题演讲(keynote speech)的潘毅，进入生物信息学领域后，反而连在一些低级别研讨会（workshop）上的演讲机会都时常争取不到，无人问津。

“潘老师对我们的关心不仅在科研上，也在生活上，隔三差五就询问大家是否有困难，并全力帮助。”雷秀娟回忆。

潘毅探索生物信息学的研究就此走上正轨。

潘毅回忆道：“金兰教授已经年迈，但他每年都要发几篇英文的文章，随时记录自己的想法，这种认真刻苦的作风让我印象十分深刻，也给了我很多的鼓励，让我养成了好的学术作风。”

而在接触生物信息领域早期，潘毅与徐鹰、许东的研究内容曾有过重合。

作为国家恢复高考后的第一届考生，潘毅以江苏省理科状元的成绩进入清华电子工程系就读，也就是改组前的计算机工程与科学系。

自2005年担任佐治亚州立大学计算机系主任以来，潘毅经历了生物信息学发展最迅速、技术迭代最快的十几年，他研究了大半生的计算机技术与生物学结合后焕发出新的生命力。

作为生物学和计算机学两门学科的融合，生物信息利用计算机技术解决生物学的问题，这就要求从业者必须同时具备两门学科的知识背景。

“我可以干到八十岁再退休。”

潘毅将经费分配给其他教授，要求他们与生物系的教授合作，在自身研究方向的基础上结合生物学知识，在一定期限内产出一批新的科研成果。比如，将人工智能用于生物数据分析，将计算机可视化用于蛋白质和分子可视化，将算法、数据库等技术全部融入生物学领域。

文章来源：《生物信息学》 网址: http://www.swxxx.cn/zonghexinwen/2022/0914/718.html