详解2013诺贝尔化学奖：将实验带入信息时代

zhixun

2013年10月09日 19:54   新浪科技

　　新浪科技讯 北京时间10月9日消息，2013诺贝尔奖化学奖得主为：马丁·卡普拉斯(Martin Karplus)，迈克尔·莱维特(Michael Levitt)和亚利耶·瓦谢尔(Arieh Warshel)，以奖励他们在“发展复杂化学体系多尺度模型”方面所做的贡献。

　　化学反应极为迅速，在数百万分一秒间，电子已经完成从一个原子核向另一个原子核的迁移。经典化学已经难以跟上这样的步伐，要想借助实验方法去描绘化学过程中的每一个小步骤几乎已经是不可能的任务。今年的诺贝尔化学奖成果简单来说便是综合了两个不同领域方法的精华，设计出了基于经典物理与量子物理学两大领域的方法。

　　将实验带入信息时代

　　化学反应极为迅速，电子在原子核间迅速迁移，让科学家们眼花缭乱。2013年度诺贝尔化学奖的获得者们所做的工作，让化学家们得以借助计算机的帮助揭示化学的神秘世界。这一进展所带来的对详细化学过程的了解将帮助我们改善催化剂，药物甚至太阳能电池板方面的工艺。

　　现在，全世界的化学家们每天都在计算机上设计并进行实验。这样的场景之所以可能，正是得益于三名科学家：Martin Karplus, Michael Levitt 和Arieh Warshel在上世纪70年代开始所做的工作。他们仔细审视复杂化学过程中的每一个小步骤，而这些细节通常是肉眼难以察觉的。

　　一张图像胜过千言万语，但并非全部

　　为了便于普通读者理解这项成就的意义，我们在这里举例说明。假设现在你接到一项实验任务：创造人工光合作用。这种发生在植物绿叶之中的神奇化学反应让我们的大气中充满氧气，而这是地球上的生命体赖以生存的基础。然而这对于环境保护的角度来看同样具有重要意义——如果你能模拟光合作用机制，那么我们就将能制造出更加高效的太阳能电池板。当水分子被分解就会产生氧气，同时也会产生出可以被用做能源的氢气。因此开展这方面的工作具有巨大的吸引力和价值。如果你能成功，你将能帮助世界对抗温室效应。

　　首先，你可能需要上网查找与光合作用有关的蛋白质的三维精细结构，这在一些大型数据库中便可以免费获得。在你的电脑上，你可以自由地从各个角度进行查看。这些巨大的蛋白质分子可能包含数以十万计的原子。在其中存在一个很小的区域，称作反应中心。正是在这里水分子被分解。

　　然而实际上仅有少部分的原子实际参与到了这项过程中。比如说，你看到4个锰离子，一个钙离子和数个氧原子。在你面前，你很清楚的看到这些原子和离子的相对位置，但你却无从知晓它们各自在反应中的作用。而这正是你需要搞清楚的地方。

　　这一过程的细节利用传统的化学方法几乎是不可能予以完整呈现的，在一瞬间可以发生许多事，而这一事实便已经让传统的试管研究方法成为不可能。光凭电脑屏幕上显示的图像，你也很难去猜测其中具体的反应过程，因为这些图像是在蛋白质处于静止状态时绘制的。而当阳光照射到绿叶上，这些蛋白质就会充斥能量，其整个原子结构都会发生改变。为了理解这一过程，你需要了解被注入能量之后蛋白质的样子。

　　而实现这一点这就需要仰赖本年度诺贝尔化学奖得主科学家们所奠基的一种计算机程序。

　　理论与实践的相互促进

　　借助软件帮助，你可以模拟一个化学过程中各种可能的反应路径，这就是模拟或模型。这样做将让你得以了解在反应不同阶段不同原子所起的作用。

　　随后，当你找到了那些似乎可行的反应路径之后，你就可以开展实验来验证这种计算机给出的反应路径是否确实是正确的，从而反过来修正模型，提升其进行模拟时的精确度。如此相互促进，让现在化学家们在试管和计算机前所花费的时间已经几乎相同。

　　那么，此次被授予诺贝尔化学奖的这种计算机程序又究竟有着何种独到之处呢？

　　牛顿的苹果和薛定谔的猫

　　在此之前，当科学家们需要在电脑上模拟分子，他们所拥有的软件要么是基于经典物理的，要么则是基于量子物理学的。

　　这两种方法各自有着优缺点。经典物理的强大之处在于其计算过程相对简单，并且可以拥有模拟非常大型的分子结构，并向化学家们展示一个大型分子的精细结构。但是它也拥有明显的劣势，那就是它无法模拟化学反应过程，因为在反应过程中，分子是充满能量而处于激活态的。经典物理学方法无法理解这种状态，这也是它最严重的缺陷。

　　因此为了表现这一部分，化学家们不得不求助于量子物理学。在这一理论中，电子具有两态度=性，它既可以是粒子，也可以同时是波，就像薛定谔的猫，它可以同时处于活着和死亡的状态。

　　量子物理学的优势在于它是不偏不倚的，基于它所产生的模型不会带有任何科学家们的先入之见。因此这样的模拟将更加接近真实。然而量子物理学方法最大的局限性就在于它需要海量的计算。

　　在量子物理学方法中，计算机将需要处理分子内部的每一个电子和每一个原子核。这就有点像是电子图像的像素，像素增加当然可以提升图像的质量，但是与此同时它也会大大增加电脑的运算量。相似的，基于量子物理学的方法可以更真实地描述化学反应过程，但需要强大的计算机。而在上世纪70年代，这就意味着它只能被应用于非常有限的小分子上。在考察反应过程时科学家们也不得不忽略其周遭环境，尽管现实情况下的化学反应往往都是在某种溶剂环境下发生的。然而如果科学家们将溶剂环境因素也考虑进去的话，那么他们要想得到运算结果可能就将需要等上数十年的时间了。

　　因此，经典和量子化学是两个完全不同的领域，在一些方面甚至是冲突的。然而2013年的诺奖获得者成功地在这两者之间打开了一扇门，将牛顿和他的苹果，与薛定谔与他的猫相互结合在了一起。

　　量子化学与经典物理学的结合

　　这一联姻的最初一步在1970年代，Martin Karplus位于美国哈佛大学的实验室中迈出了。Karplus一直致力于量子物理方法的研究工作。他带领的研究组开发的计算机程序可以利用量子物理原理来模拟化学反应过程。他还提出了“Karplus方程”，该方程的原理后来被应用到了核磁共振技术之中，这是一项化学家们所熟知的，基于分子的量子特性而发展起来的方法。

　　1970年，在完成博士学位之后，以色列的Arieh Warshel抵达了Karplus在美国的实验室。Warshel原先在以色列的魏茨曼科学研究所进行博士阶段的研究工作。这一研究所拥有一台超级计算机“Golem”，这是犹太人民间传说中一种生物的名字。在Golem的帮助下，Arieh Warshel 和 Michael Levitt发展了一套革命性的计算机程序，其基于经典理论，可以实现对所有分子的模拟，甚至是那些巨大的生物分子。

　　当Arieh Warshel加入Martin Karplus在哈佛大学的实验室，他也带来了他的计算机程序。就从此时开始，他和Karplus开始共同开发一种新型程序，其可以对不同的电子采用不同的处理方法。在大部分分子结构中，每个电子都围绕一个原子核运行，但在有些分子中，部分电子可以在几个原子核之间自由运行。比方说，视网膜分子结构中就存在这种自由电子。Karplus长久以来对视网膜就有浓厚兴趣，因为这是一种分子的量子化学过程，并会造成生物学效应；当光线抵达视网膜，其中的自由电子充满能量，从而造成分子结构变形。这是构成人类视觉的最初步骤。

　　最后，Karplus 和 Warshel成功地建立了视网膜结构模型。然而他们一开始建立的模型是被大大简化了的。他们发展了一套计算机程序，当其处理自由电子时会采用量子物理算法，而当处理其他电子和原子核时则采用更加简单的经典方法。1972年，他们公布了这项最新的方法，这是世界上首次实现这两种方法的结合。但这种方法是有局限性的，它要求分子必须是镜面对称的。

　　计算生命化学的通用程序

　　经过在哈佛大学为期两年的深造，瓦谢尔与莱维特重新会合。而莱维特已在剑桥大学完成博士培训，主要研究生物分子学，如DNA、RNA和蛋白质等。他使用了经典的计算机程序来更好地了解生物分子究竟是什么样子的。但其局限性不可否认，只能研究静止状态下的分子。

　　瓦谢尔与莱维特的志向很远大。他们希望开发出一款程序，可用来研究酶类，以及主导和简化鲜活有机体化学过程的蛋白质。在学生时代，瓦谢尔就曾关注过酶类的功能。也正是酶类之间的相互合作让生命成为可能，它们几乎控制着生命体内的所有化学反应。如果想了解生命，就需要了解酶类。

　　为模拟酶类反应，瓦谢尔与莱维特需要使经典和量子物理学更顺畅地协作，这可能需要几年的时间来解决各种问题。于是，他们在魏茨曼科学研究所(Weizmann insitute)着手研究。但几年后莱维特完成博士后培训后，他回到了剑桥。后来，瓦谢尔与莱维特在剑桥会合。1976年，他们实现了自己的目标，发表了全球首个酶类反应计算机模型。自此，在模拟化学反应时，规模已不再是问题。

　　专注于核心原子

　　当前化学家在模拟化学过程时，他们会应用到所需的一切装备。他们会对直接影响化学过程的每一个电子和原子核进行破费周折的量子物理计算。这样，他们才可能获得最佳的实验结果。而分子的其他部分则使用经典的方程式进行模拟。

　　为了不浪费计算资源，莱维特和瓦谢尔已经对工作量进行了进一步削减。计算机无需再对每一个单一的原子进行计算，尤其是那些无关紧要的部分。他们已经证明，在计算过程中，完全可以将几个原子进行合并处理。

　　模拟的深远意义需由未来决定

　　当前科学家们可以通过计算机进行试验，这有利于我们更深入地了解整个化学过程。卡普拉斯、莱维特和瓦谢尔所发明的多尺度模型的意义在于其具有普遍性，可用来研究各种各样的化学过程，从生命分子到工业化学过程等。科学家们还可以以此优化太阳能电池、机动车的燃料，甚至要药品等。

　　其研究进展还不仅如此，莱维特还曾在一份刊物中谈到其梦想：在分子层面上模拟鲜活有机体，这是一个颇具吸引力的想法。今年的诺贝尔化学奖得主所开发的计算机模型已经足够强大，但究竟能在多大程度上丰富我们的知识还需时间来决定。