下载客户端

2026年KlarText科学传播奖数学方向授予尤利安・芒戈特（Julian Mangott）因其科普文章《借助数学更快研发药物》

2026-10-30 08:00

来源：澎湃新闻·澎湃号·湃客

听全文

★置顶zzllrr小乐公众号，追踪《小乐数学科普》系列报道，参与数学 vs AI投票！

坚持不炒作的数学与AI报道，投稿信箱zzllrr@gmail.com

作者：DMV德国数学会

日期：2026-10-27

2026年KlarText科学传播奖数学方向授予尤利安・芒戈特（Julian Mangott）因其科普文章《借助数学更快研发药物》

尤利安・芒戈特（Julian Mangott）博士，1996 年生于奥地利察姆斯。他在维也纳工业大学修习物理学，于因斯布鲁克大学取得博士学位，博士论文：随机反应网络的动态低秩方法。与此同时，他还在蒂罗尔州省立音乐学院完成管风琴演奏专业的音乐会文凭学习。目前他在因斯布鲁克大学数学研究所从事博士后研究，研究面向生物化学、等离子体物理里高维问题的数值求解算法。

在科普文章《借助数学更快研发药物》中，尤利安・芒戈特介绍一种可模拟细胞过程的反应网络模型，可用于研发抗癌新药。该研究核心是概率计算。但这类计算的算力、内存消耗会迅速暴涨至难以承受的程度。芒戈特利用动态低秩近似方法解决这个难题：忽略那些对概率分布几乎没有影响的冗余信息。依靠这个优化思路，就算只用一台笔记本电脑，也能完成多种药物活性成分的组合模拟计算。

KlarText奖（KlarText Prize for Science Communication）是德国极具声望的一个“科学传播奖”，专门用来表彰那些能够用极其通俗易懂、生动有趣的语言，向普通大众解释自己高深博士论文的年轻科学家。在德语中，“Klartext” 的字面意思是“清晰的文本”，引申为“打开天窗说亮话”、“说大白话”。这个奖的核心目的，就是打破学术界的“黑话”和晦涩专业术语，让隔壁大妈和几岁小孩也能听懂尖端科学。

这个奖项由德国克劳斯·奇拉基金会（Klaus Tschira Stiftung）设立并颁发。本届赛事共计约 250 位博士提交参赛作品，形式分为科普文章与信息图，内容围绕自身博士研究展开。所有参赛作品经过三轮评审，评审团由科研人员与媒体从业者共同组成。每位获奖者可获得 7500 欧元奖金。

本届及历届获奖者一览：https://klartext-preis.de/preistraeger/

本届数学方向获奖科普文章：

借助数学更快研发药物

作者：尤利安・芒戈特（Julian Mangott）博士

图源：©iStock/Olha Pohrebniak

实验室里寻找新型抗癌活性物质的工作繁重复杂，计算机可以提供助力。但这类模拟运算，就算超级计算机也很快会遇到算力瓶颈。而依靠一种数学技巧，如今只用笔记本电脑就能完成这类模拟。作者：尤利安·芒戈特

夏日、阳光、晒伤：只要忘了涂防晒霜，第二天一早皮肤就会火辣辣地发红。晒伤时我们的身体内部究竟发生了什么？身体会启动一套复杂的保护机制：让那些被紫外线不可逆损伤的皮肤细胞定向凋亡，这个过程叫做程序性细胞死亡，也叫细胞凋亡。如果这个“紧急停止开关”失灵，受损细胞就会不受控制地分裂，最终诱发皮肤癌。科研人员对这套调控机制抱有极大兴趣，他们的远大目标是研发药物，定向激活凋亡机制，可控地杀灭癌细胞。

然而程序性凋亡是上百种蛋白质相互作用的结果。想要理解如何通过药物调控这套机制，必须开展成本高昂、流程繁复的实验室实验。因此科研人员越来越多地先在计算机上筛选大量候选药物，只把潜力突出的方案拿到实验室验证。计算机模拟搭配实体实验的模式，极大加快新药研发速度。

生化学家借助反应网络来模拟凋亡这类细胞过程。这种网络示意图看上去很像电路图，只不过图里不再是电子元器件，而是各类蛋白质以及待测试药物分子。蛋白质与药物分子之间会发生特定化学反应，在图中用线条、箭头标注，代表物质之间的反应关系。

但这件事的难点在于：凋亡的特性类似拨动式开关。药物剂量、蛋白平衡状态哪怕发生微小的随机波动，都有可能在临界点触发整个过程。因此人们要用概率描述凋亡：在某个时刻，网络里恰好存在一定数量的蛋白与药物分子、进而启动程序性死亡的概率有多大？

图源：©aha! film/Christopher Stöckle

尤利安·芒戈特演示算法如何拆分包含多种蛋白的反应网络，以此降低计算量。

随着网络中蛋白、分子不断发生反应，概率分布会随时间持续变化，这个过程可以用化学主方程描述。这是一套复杂的微分方程，它的解（也就是概率分布）早已无法手工算出，只能依靠算法在计算机上求解。即便是高性能超级计算机，也很容易达到算力上限，所以我们一直在寻找求解化学主方程的高效算法。

举个例子方便理解：假设我们求解一个小型反应网络的主方程，网络包含两类蛋白，每一类蛋白的数量取值范围是0–99。两类蛋白组合起来就有一万种可能状态。求解主方程，就是算出每一种组合对应的概率。但每新增一类需要计算的蛋白，计算机的内存开销就乘以100。

一万种组合的数据尚且容易存储；可一旦达到7种蛋白，每个模拟时刻就需要80块1TB硬盘来存放数据！这就是维度灾难：计算量、内存占用会随问题维度（也就是分子、蛋白种类数量）指数级暴涨。

我们采用动态低秩近似这一数学方法，尝试打破维度灾难。思路是：高维概率分布里存在大量冗余信息。我们可以舍弃大部分冗余信息，而不会显著改变概率分布本身。图像压缩技术也是同样原理：如果要保存一张纯白图片，不需要逐个记录每一个像素色值，只需要记录“所有像素都是白色”这一条信息。

我们的算法会把反应网络拆成规模均等的两部分。不再直接求解一个庞大的概率分布，而是对每一部分，计算少量的低秩因子。可以把低秩因子理解成一套“简化版概率分布”，它只和该子网络内的药物分子、蛋白以及时间有关。拆分之后维度减半，内存占用大幅下降：刚才例子里原本需要一万个数据点存储的完整分布，一个低秩因子只需要100个数据点。

当然，网络拆分时被切断的那些反应，只能做近似计算。但近似精度是可控的：我们组合的低秩因子越多（因子的数量称为秩），计算结果就越精确。

再举一个例子，两种蛋白A和B。初始时二者数量相互独立，分布可以完全拆成A、B两个部分，每个子网络只用1个低秩因子（秩=1）就足够。一旦A、B之间发生反应，二者就产生相关性：比如蛋白A会抑制B的生成，反之亦然。这种情况下每个子网络只配一个低秩因子就不够了。算法会动态调整低秩因子，在需要的时候叠加多个因子。好在绝大多数反应网络都具备低秩结构：通常只要10到20个低秩因子，就能得到精度很好的近似结果。

算法可以反复对子网络继续拆分，内存和计算量因此大幅削减。比如我们处理一个包含20种蛋白的网络，原本需要天文数字——10³¹MB的存储空间，经过压缩之后仅需2MB。从前就算最强的超级计算机都难以承载的计算任务，现在一台笔记本电脑就能完成。

我们已经基于这套算法开发出面向生化学家的软件。科研人员不用理解这套方法背后的数学，就可以搭建反应网络，在电脑上高效测试候选药物的效果。这类计算机辅助方法在未来会愈发重要，全球癌症发病率还在持续上升，德国近二十年间皮肤癌病例几乎翻了一倍。我们希望这套软件可以助力更快找到新药，高效清除皮肤癌细胞。

延伸阅读：消灭肿瘤细胞——对抗癌症的细胞凋亡

没有程序性细胞死亡，生命就无法存续。细胞凋亡负责让受损、衰老或是不再需要的细胞有序凋亡。电离辐射造成DNA损伤、细胞分裂出错，都可以触发凋亡。特定酶启动细胞的有序分解：细胞皱缩、DNA降解，最后免疫吞噬细胞清理残骸。

癌细胞的特点之一，就是基因突变破坏了启动凋亡的信号通路。癌细胞不仅存活下来，还会不受控增殖。现代癌症治疗的目标之一，就是重新激活凋亡通路。这类靶向药物主要攻击肿瘤细胞，尽量保全健康组织。

但实际治疗依然充满挑战：癌细胞规避凋亡的机制多种多样。维奈克拉（Venetoclax）是知名的靶向促凋亡药物，用于部分血液肿瘤。它定向阻断一种过量表达、抑制凋亡的蛋白，解除抑制，重启细胞死亡程序，让肿瘤细胞自我毁灭。

遗憾的是肿瘤细胞会产生突变，一段时间之后维奈克拉就无法有效结合靶点。不过耐药并不等于无药可治，后续疗法可以从癌细胞别的薄弱点发起攻击。——J. Schüring

求点赞