截至2020年10月12日，今年的诺贝尔奖已经全部揭晓。小编将今年全部诺奖获得者以及其贡献汇总如下：
2020年10月7日，今年的诺贝尔化学奖颁给了两位法国和美国女科学家Emmanuelle Charpentier、Jennifer A. Doudna，以表彰她们“开发出一种基因组编辑方法”。
诺贝尔化学奖经常授予除化学领域之外，诸如物理或者生物等其他领域的成果，因此也被很多人戏称为“诺贝尔理综奖”，例如计算名人堂（诺奖专题）第一期和第二期介绍的1998年诺贝尔化学奖获得者W. Kohn和John A. Pople都是在理论物理方法上做出杰出贡献的物理学家。
还没有看过往期的小伙伴可以戳下方蓝字跳转哦。
（2020年诺贝尔化学奖得主（左）；基因编辑技术艺术图（右）；图源：诺奖官网）
今年的化学奖果然不愧于它“理综奖”的称号，又双叒叕一次授予了生物领域的成果。本期为大家介绍的也是和化学生物学密切相关的重大贡献，但是主角却是计算化学。2013年诺贝尔化学奖授予了Martin Karplus, Michael Levitt和Arieh Warshel，以表彰他们“为复杂化学系统开发的多尺度模型（Multiscale Models）”。他们将经典的牛顿力学和量子力学结合在一起开发了多尺度模型，这使得计算机可以正确且方便地描述诸如生物大分子这样以往受限于昂贵的量子化学计算成本而无法处理的体系。这也是继1998年诺奖授予DFT以及量子化学计算方法之后，时隔15年再一次授予了计算化学领域。在瑞典皇家科学院当年的通告中特别提到，“今天，计算机对化学家来说就像试管一样重要。模拟是如此真实，以至于它们可以预测传统实验的结果。”由于获奖者之间存在密切的合作关系，我们将三位获奖者以及其贡献合并为一期内容介绍。Martin Karplus（1930.3.15－）, 哈佛大学化学系教授。出生于奥地利维也纳的犹太裔美国理论化学家，拥有奥、美双重国籍。1950年取得哈佛大学的学士学位，1953年获加州理工学院的博士学位，师从美国著名化学家，量子化学和结构生物学先驱Linus Carl Pauling教授（1954年诺贝尔化学奖，1962年诺贝尔和平奖获得者，也是诺奖历史上唯一一位两次独享诺奖的获得者）。1953年至1955年，在牛津大学查尔斯·库尔森（Charles Coulson）教授的指导下进行博士后研究。主要研究领域是核磁共振谱学、化学动态学、量子化学和生物大分子的分子动力学模拟。提出了有关耦合常数和二面角之间关系的著名的卡普拉斯方程（Karplus equation）。Michael Levitt（1947.05.09- ），出生于南非，是一名犹太裔美国、英国及以色列籍生物物理学家，现任美国斯坦福大学结构生物学教授。他的研究专长为计算生物学，英国皇家学会会士，美国国家科学院院士。Arieh Warshel（1940.11.20- ）以色列裔美国生物化学家和生物物理学家。他是生物分子功能特性计算研究的先驱，化学和生物化学杰出教授，并担任南加州大学Dana and David Dornsife的化学会主席。曾在以色列装甲部队服役，退役后进入海法理工学院，于1966年获得化学学士学位。他分别于1967年和1969年在以色列Weizmann科学研究院获得了化学物理学的硕士和博士学位。之后他在哈佛大学Martin Karplus课题组访问从事博士后工作。现任美国南加州大学教授，香港中文大学（深圳）杰出大学教授，也是美国国家科学院院士和英国皇家学会外籍会士。过去，化学家常常用塑料球和塑料棒制作分子模型，而今天他们用计算机进行建模。20世纪70年代，Martin Karplus, Michael Levitt和Arieh Warshel为用于理解和预测化学过程的强大程序奠定了基础。我们知道化学反应是以闪电般的速度发生的，电子隐藏在科学家可以窥探视线之外的原子之间跃迁。2013年诺贝尔化学奖获得者的贡献使得利用计算机揭开化学反应的神秘面纱成为可能。今天，化学家在他们的电脑上做的实验和在实验室里做的一样多。计算机的许多理论结果得到了真实实验的证实，这些实验又为原子世界如何运作提供了新的线索。理论和实践是相互渗透的，科学家们可以通过计算机模拟和实验相结合的方法加深对化学过程的了解，以此来优化催化剂、设计新药物和开发新型太阳能电池。（传统实验与计算化学合力进行“人工光合作用”研究；图源：诺奖官网）科学就是要讲清楚反应为什么会发生，其中揭示了自然界的什么道理。对于化学反应而言，几乎不可能用传统的方法来描绘这个过程的细节。因为许多反应发生在几分之一毫秒内——这个时间尺度已经排除了大多数实验手段。以生物化学为例，人们想探究自然界光合作用的机制从而模仿它创造“人工光合作用系统”，这是一个具有重要意义的课题。从我们可以获得的有关蛋白质的图像来看，也是很难猜测反应是如何发生的，因为它是在蛋白质处于静止状态时拍摄的。然而，当阳光照射到绿叶时，蛋白质会吸收能量处于激发态，整个原子结构都发生了变化。为了理解化学反应，我们需要知道这种激发态是什么样子的。这时我们就需要召唤计算化学了。使用量子化学软件，我们可以计算出各种可能的反应路径。通过这种方式，我们可以了解特定的原子在化学反应的不同阶段起什么作用。当有一个合理的反应路径时，就更容易进行真正的实验来确认计算机模拟是否正确。反过来，这些实验也可以产生新的线索，导致更好的模拟；理论和实践相互渗透。那么2013年的诺贝尔化学奖的计算机程序与传统的量子化学计算模型相比有什么特别之处呢？此前，当科学家想在计算机上模拟分子时，他们可以使用基于经典牛顿物理理论或者量子力学的软件。两者各有优缺点。经典牛顿力学程序关注的最小单位是原子，而量子力学关注原子核和电子的运动。显然，量子力学所考虑的自由度要大的多。如果计算机的算力是无穷的，那理论上所有尺度的物理化学现象均可以用量子力学来描述。但很不幸，目前虽然计算机算力已经取得了非常大的发展，但将量子化学应用到稍微大一点的体系的计算成本依然是极昂贵的。因此，牛顿力学可以计算和处理大的化学分子，但其不能描述涉及电子转移的化学反应的本质和细节；量子力学可以揭示更加微观层面电子结构的变化，但是其极高的计算成本使得它不能应用于大尺度体系。众所周知，“牛顿和他的苹果”是经典力学的代名词；而揭示量子系统不确定性原理和波粒二相性的“薛定谔的猫”是量子力学的代名词。传统的观点认为，这二者是处于相互竞争的地位，而2013年诺贝尔化学奖获得者构建的多尺度模型从两种力学中取长补短，很好地打开了这两个世界沟通的大门，真正让牛顿拥抱了薛定谔的猫。
（左图：牛顿用苹果打薛定谔的猫，象征二者相互竞争；右图：牛顿撸薛定谔的猫，象征二者相互合作；图源：诺奖官网）那么何谓“多尺度模型”呢？用一句话概括其核心思想就是：对同一个反应体系而言，涉及化学反应的区域采用量子力学的方法计算；不涉及化学反应的区域采用牛顿力学方法计算。对于非常远离反应中心的区域，甚至可以把原子和分子“打包”在一起，作“同质化”处理，学术上称这样的环境为“电介质”（dielectric medium）。因为，事实上，我们并不是对反应体系的所有原子都感兴趣，我们关注的反应往往发生在局部少数原子之间，对于这样的少数原子我们采用精度足够高的量子力学的方法考察，而对于不感兴趣的环境原子可以用计算成本更低精度更低的牛顿力学方法考察。如下图所示，我们可以这样理解“多尺度模型”，类比于照片像素，我们知道照片分辨率越高，照片越清晰，与此同时需要消耗的处理资源也越多。可是当我们只是想看清照片上这个人的脸的时候，完全可以只对其脸部用高分辨率的资源处理，而对于其他部位模糊处理就好。照片的脸部就好比我们关注的反应活性中心，而其他部位就好比远离活性中心的环境。这样的简化，真正使得宝贵的计算资源最大化利用，实现了“好钢用在刀刃上”，使得计算化学模拟大体系化学系统成为现实。
（照片分辨率和多尺度模型类比图；图源：诺奖官网）
那么具体来说，Martin Karplus, Michael Levitt和Arieh Warshel三人的贡献究竟是什么呢？多尺度模型又是如何应用的呢？2013年诺奖最核心的贡献其实就来源于两份开创性的文章。多尺度模型发展的第一份工作（J. Am. Chem. Soc. 1972, 94, 16, 5612–5625）是在70年代初A. Warshel来哈佛访问M. Karplus时合作发表的。Warshel有研究分子内和分子间电势的背景，Karplus有必要的量子化学经验。二人合作的目标是研究类似视网膜的分子，这个负责动物视觉的发色团最早吸引了Karplus的注意。这个分子是有镜像对称结构的1，6-二苯基-1，3，5-六三烯（如图所示）。并且，这个分子体系本身既含有明显的离域π键，也含有稳定的σ键，对于运动自由程较大的π电子只能用量子力学的方法计算，但是对于σ键可以将其振动看做满足经典力学的弹簧，因而可以用牛顿力学描述。Karplus和Warshel构造了一个计算机程序，可以计算许多平面分子的π电子谱和振动谱，效果很好。这种方法的基础是电子和原子核的效应是用经典方法模拟的，而π电子是用PPP (Pariser-Parr-Pople)量子化学方法模拟的，该方法对最近的重叠进行了校正。（1，6-二苯基-1，3，5-六三烯分子；图片改编自文章原文）这是第一个表明有可能构建混合方法的工作，该方法结合了经典方法和量子方法的优点来描述复杂的化学系统。这种特殊的方法仅限于平面系统，在平面系统中，对称使得量子化学描述的π电子和经典模型处理的σ电子之间自然分离。第一份开创新工作最重要的贡献是证明了有可能为经典模型中包含的电子和量子化学模型明确描述的电子之间的分配构建一个通用方案。为了使这一程序发挥作用，需要解决几个基本问题。这包括必须构建模拟经典和量子系统之间相互作用的能量耦合项，以及系统的经典和量子部分与电介质环境之间的耦合。这便是1976年离开哈佛回到以色列当教授的Warshel和来访的Michael Levitt合作发表的第二份开创性工作（J. Mol. Biol. 103, 227-249, 1976.）所做的重要贡献。他们将Warshel第一份工作提出的方法进行了拓展。他们考察最简单的一种蛋白酶——溶菌酶的催化机理。为了理解溶菌酶是如何切割糖苷链的，他们使用量子化学只对系统的活性位相关部分进行处理，而周围的大部分结构使用分子力学或连续体模型进行处理，取得了巨大的成功。（如图所示）（多尺度模型处理溶菌酶催化反应示意图；图片改编自文章原文）如今，多尺度模型已经在Martin Karplus, Michael Levitt和Arieh Warshel所做的开创性工作的基础上取得了巨大的进展。并且，该方法不仅用于研究有机化学和生物化学中的复杂过程，还用于多相催化和溶解在液体中的分子光谱的理论计算。但最重要的是，它开启了理论和实验之间富有成效的合作，使得许多原本无法解决的问题得以解决。但是，多尺度模型的发展显然绝不会止步于此。在Michael Levitt的一篇文章中，他描述了一个梦想:在分子水平上模拟一个活的有机体。这是一个非常富有挑战性和开创性的想法，如果可以实现，那计算化学必将为科学开启一个全新的时代——计算模拟生命的时代。事实已经证明，2013年诺贝尔化学奖得主开发的计算机模型是非常强大的工具,他们究竟能把我们的知识提高到什么程度呢？Who knows? It depends on Future!【1】诺奖官网：
https://www.nobelprize.org/prizes/chemistry/2013/summary/
【2】Wikipedia——Martin Karplus,
【3】Wikipedia——Michael Levitt
【4】Wikipedia——Arieh Warshel
【5】J. Am. Chem. Soc. 1972, 94, 16, 5612–5625.
【6】J. Mol. Biol. 103, 227-249, 1976.
做计算，学计算，请认准唯理计算
——您身边更值得信赖的计算团队
唯理计算可以提供计算服务、培训课程、超算租赁、服务器配置采购等，有需要的小伙伴，可以联系：
小理老师：18210230486
扫一扫添加小理老师微信
做计算，学计算，就找唯理计算，唯理计算和您在一起!
小福利：
针对模拟计算我们有专门的沟通群，想进群的小伙伴加微信
17812574221
备注：模拟计算进群
群里可以和老师一起探讨问题，老师也会帮助解答问题的哦~