AIMBE Fellow 潘毅：少年状元、九年学术荒，拒做生(5)

在当时，应用广泛的多序列对比工具CLUSTALW，仅仅能找到序列中六个基序中的两到三个，而潘毅自制的打分系统能够精准地找到全部六个基序。

在生物网络分析的研究中，要通过生物实验数据挖掘出生物网络的潜在变化，以系统的方法研究生命现象的热点和难点，主要包括蛋白质调控网络与基因调控网络。

在美国密苏里大学担任了多年系主任的许东对雷峰网《医健AI掘金志》说：“潘毅教授是一位非常成功的管理者。”

作者注：

在生物学领域的研究中，AI技术的应用是必不可少的。但对于不懂计算机的生物学家来说，如何将先进的AI技术应用到研究中也是一大难题。

1956年，清华大学开设电子计算机专业，从莫斯科留学归来的金兰教授被任命为教研组副主任，负责模拟计算机方面的工作。

2017年 潘毅与郑纬民院士参观毛主席故居

基因调控网络的研究如今已被广泛应用于疾病基因预测、药物靶标的筛选等领域，并对疾病早期诊断、个性化治疗、药物研究产生了深远影响。

在技术发生变革的同时，潘毅的研究也逐渐进入第二阶段。

右一为金兰教授

他决定投身于此。然而，最大的难题在于生物信息学的交叉性，了解计算机知识的人没有生物学背景，而生物学专业的人又不懂计算机编程，这两门学科之间存在着非常大的鸿沟，令很多研究者望而却步。

“这才是真正有生物学意义的工具。”

但是，作为华人外来者，想要融入美国当地圈层并不是一件容易的事情。即便获得了与白人同样的工作岗位，也很难获得同等的尊重和重视。

首先是专业知识上的欠缺。为了进行生物信息学研究，计算机出身的潘毅只能开始从头学习生物学的背景知识，像刚入学的大学生一样看教科书、读论文、听报告，终于将自己从单一学科背景打造成交叉学科的研究者。

对潘毅来说，1986年出国读博是人生中的重大分水岭。

2020年，潘毅回国时整60岁，这是一个大多数人准备退休的年纪，而潘毅在生物信息学世界的新征途却刚刚开始。

潘毅在科研上更是大力支持学生。直到李敏完成学业回国，潘毅还时常关心她的个人发展，积极推荐她担任国际期刊的编委等。

比如，将传统生物学知识中神经网的联络方法取代深度学习常用的线性连法，改进深度学习中梯度消失的问题。

但他也说，“我可以干到八十岁再退休。”

“我和这几位老师在工作上经常相互学习，向他们请教问题，也会邀请他们在会议上做主题演讲。我也很感谢这些年他们对我和我学生们的帮助。”

21世纪初，生物信息还是一门新兴学科，不论是美国老牌名校还是刚刚成立的佐治亚州立大学计算机系，都没有历史积累，站在同一个起跑线上。只有这样，才有“弯道超车”的机会。

这个阶段，潘毅的研究重心逐渐从蛋白质结构预测转变为生物网络分析，这也是潘毅的生物信息学研究生涯中占据精力最多的基础研究。

潘毅发现，等价矩阵在工作中并不考虑碱基或氨基酸的理化性质，也无法区别对待不同的替换，准确度存在很大问题。

例如，徐鹰本人的研究中90%是生物，10%是计算；许东的研究中20%是生物，80%是计算；潘毅的研究中5%是生物，95%是计算。

直到2005年开始担任佐治亚州立大学计算机系主任时，潘毅已经45岁，此时距离1978年他走进清华校园学习计算机已经过去27年，人生中五分之三的时间都在和计算机打交道。

即便做了16年的系主任，行政工作繁忙，潘毅依旧时常与生物信息学领域的华人学者们互相交流学习。

成为一个优秀管理者的背后，是无数不为人知的苦功。

潘毅说，他所研究的内容是如何将生物的问题转化为计算的问题，并开发出相应的工具，高效、高质地解决这一问题。

对别的生物学家来说，在研究中没有合适的工具或许是无法逾越的难题，但学计算机出身的潘毅却可以自己制作工具。

选择出国留学，则使他的人生增添了许多的不确定性。

等价矩阵是最简单的替换积分矩阵，相同碱基/氨基酸之间的匹配得分为1，不同碱基/氨基酸间的替换得分为0。

这时的生物信息学尚且处于早期的萌芽阶段，大名鼎鼎的人类基因组计划也要在三年后才正式启动。

攻读了两年博士后，由于导师决定定居国外，潘毅最终放弃留校，并于1986年经清华大学的允许前往加拿大卡尔加里大学。1987年1月份，潘毅转到美国著名高等学府，也是美国最早的十所大学之一——匹兹堡大学计算机科学系重新开始攻读博士学位。

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