研究经历可能彻底改变年轻人的人生轨迹，甚至在他们完成高中学业前就影响其教育和职业选择。对于莫尔甘敦高中(Morgantown High School)的准高三学生帕万·苏布拉马尼(Pavan Subramani)来说，这种科学探索始于高二，当时他读到一种针对多种炎症疾病相关蛋白的有前景药物在临床试验中失败；他想了解如何改进这种药物。这个简单的问题最终促成了一次宝贵的研究经历，坚定了苏布拉马尼对计算药物发现的兴趣。
你是如何参与研究的？
我首先阅读了关于这种蛋白质——晚期糖基化终末产物受体(RAGE)以及针对它开发的小分子的科学研究。我参加了在线课程学习Python，以便能够从数据库中筛选潜在药物的结合能力，然后探索如何优化这些药物以识别RAGE。
[图片说明：对计算药物发现感兴趣的高中生帕万·苏布拉马尼开展了独立研究，随后在领域专家指导下开发并完善了一种新的分子动力学模拟方法。提交者：帕万·苏布拉马尼]
通过这项工作，我确定了一个预测表现优于现有药物的候选物。此时，我认为如果有正式的导师来探索更复杂的问题会对我有所帮助，于是我查找了研究项目并发现了Open Bio学生研究学院。在申请并被该项目录取后，我与天普大学(Temple University)的研究生研究员约瑟夫·托尔西耶洛(Joseph Torsiello)合作，开发了一种初步技术来确定分子动力学模拟中的蛋白质构象。这些研究旨在预测蛋白质随时间的运动方式，这在药物开发中非常重要。作为这项工作的一部分，我有机会发表我的发现，这是一次非常有趣的经历。¹ 为期刊撰写研究文章比我在高中作业中写的论文要详细得多，我非常感激同行评审人员关于如何改进论文和整个项目的反馈。
完成这个项目后，我想继续我的研究项目，于是我在网上寻找专家，发现了加州大学欧文分校(University of California, Irvine)的计算科学家大卫·莫布利(David Mobley)。我直接联系他，希望在他指导下进一步开发我创建的技术，并将其扩展到研究蛋白质-药物相互作用。分子动力学模拟的一个限制是这些预测需要大量时间生成，从而延迟了药物发现流程。我的方法利用机器学习预测重要的蛋白质-配体构象，而不是模拟整个过渡过程，而是"跳过"这两种构象之间的过渡并估计它们之间的能量差异。莫布利帮助我提高了技术在评估这些分子热力学性质方面的准确性，并决定验证我的方法的最佳目标系统。我觉得从导师那里得到的建议不仅加强了我的项目，而且远远超出了我的预期。我将继续与莫布利合作，转向研究蛋白质结合口袋内的配体构象。这种新技术可以加速药物发现流程。
这些研究经历如何影响了你的职业目标？
在进行任何研究之前，我就对化学和物理学以及如何将它们应用于人类健康（如通过药物发现）感兴趣。我的学生研究经历让我有机会确定自己是否真的喜欢这种工作，它们确实确认了我想在计算药物发现和生物物理学领域工作的意愿。在这个领域找到一位导师也非常有帮助，因为独立工作时，我必须自己进行文献综述并解释研究结果，所以我可能会错过重要信息，并花费大量时间尝试不会成功的事情。与专家合作帮助我避免了许多这些陷阱。
你对对研究感兴趣的同龄人有什么建议？
我认为很多时候人们会感到不知所措，因为他们认为研究会太复杂而无法进行，但我认为最难的部分真的只是开始。我认为我的研究经历对影响我的职业决策非常有帮助，我建议任何对STEM(科学、技术、工程和数学)感兴趣的学生找到并加入一个研究项目。第一步确实是最难的，但之后只会变得更容易。
本采访经过编辑以精简长度和提高清晰度。
参考文献
- Subramani P, Torseillo J. 扩散模型与朗之万分子动力学的整合。分子模拟杂志(Mol Simul)。2026;52(6):466-476。
【全文结束】