百科问答小站 logo   百科问答小站
问题

最近十年，化学有哪些重大突破？

回答
在过去的十年（大致从2014年至今），化学领域经历了许多激动人心的重大突破，这些突破不仅在基础科学研究方面加深了我们对物质世界的理解，更在应用层面催生了新材料、新疗法和可持续发展的新途径。以下是一些关键领域的详细阐述：

1. CRISPRCas9基因编辑技术的成熟与广泛应用

虽然CRISPRCas9技术早在2012年就被发现，但过去十年是其成熟、优化和广泛应用的关键时期。

机制的深入理解与优化： 研究人员不断探索CRISPR系统的不同变体（如Cas12a, Cas13等），它们具有不同的切割特性、底物特异性和前向导能力，从而为基因编辑提供了更多选择。同时，对Cas蛋白结构和功能的研究，也促进了其改造和优化，例如提高编辑精度、降低脱靶效应。
脱靶效应的减少与精准编辑： 对脱靶效应的担忧一直是CRISPR技术应用的一大挑战。通过改进引导RNA的设计、开发更精确的Cas酶变体（如高保真Cas9）、以及引入能够防止非特异性结合的策略，脱靶效应得到了显著降低。
碱基编辑与引导编辑： 这是CRISPR技术的一大飞跃。
碱基编辑（Base Editing）： 这种技术无需切割DNA双链，而是通过将去氨酶与失活的Cas9蛋白（或其衍生物）结合，直接将一个碱基转化为另一个碱基（如C to T，A to G）。这大大提高了编辑的效率和安全性，适用于修复单点突变引起的遗传疾病。
引导编辑（Prime Editing）： 这是更进一步的“搜索和替换”技术，可以在目标位点引入几乎任何类型的碱基替换、插入和删除，而无需DNA双链断裂或DNA供体。这为纠正更复杂的基因突变提供了前所未有的灵活性。
临床应用的加速： 基于CRISPR的基因疗法正在迅速进入临床试验阶段，用于治疗镰状细胞贫血、β地中海贫血、某些癌症（如CART细胞疗法中的基因编辑）等遗传性疾病。尽管仍面临挑战，但已取得了令人鼓舞的早期成果。
在基础研究中的广泛应用： CRISPR技术已经成为生物学研究的必备工具，用于构建基因敲除、敲入和敲降模型，研究基因功能，以及开发新的疾病模型。

2. 可持续化学与绿色化学的蓬勃发展

面对气候变化和资源枯竭的严峻挑战，化学领域将可持续性置于核心位置，推动了多项突破：

二氧化碳（CO2）的转化与利用：
CO2捕获与封存（CCS）： 虽然技术仍在发展中，但对新型高效吸附剂、膜材料和反应器设计的研究取得了进展，为大规模部署CCS提供了可能。
CO2作为碳源的化学转化： 研究人员开发了多种催化方法，将CO2转化为有价值的化学品和燃料，例如甲醇、甲酸、尿素、聚碳酸酯、以及合成气等。尤其是在使用可再生能源驱动的电化学和光催化转化方面，取得了显著进步。例如，通过电催化将CO2还原为CO或甲酸的效率和选择性不断提高。
生物质转化与生物基材料：
生物质的高效催化转化： 开发了更高效的催化剂和工艺，将纤维素、半纤维素、木质素等生物质转化为平台化合物，进而合成生物基化学品、生物塑料和生物燃料。例如，Lignin Valorization（木质素增值）研究为利用农业废弃物提供了新途径。
生物可降解塑料的创新： 除了传统的PLA（聚乳酸）、PHA（聚羟基脂肪酸酯）等，新型生物可降解聚合物的开发，以及对现有生物塑料性能的改进（如机械强度、热稳定性），使其应用范围更广。
新能源相关的化学：
下一代电池技术：
固态电池： 以全固态电解质替代易燃的液态电解质，是提升电池安全性和能量密度的重要方向。过去十年在开发新型固态电解质（如硫化物、氧化物、聚合物电解质）和界面工程方面取得了显著进展，部分技术已接近商业化。
锂硫电池、锂空气电池： 这些电池具有更高的理论能量密度，但面临着循环稳定性差、硫正极材料问题等挑战。研究重点集中在多硫化物穿梭效应的抑制、新型硫正极载体设计、以及电解液优化等方面。
钠离子电池： 作为锂离子的替代品，钠离子电池因钠资源的丰富性而备受关注。过去十年在开发高性能的钠离子正负极材料、电解液以及全电池设计方面取得了实质性进展。
高效催化剂用于能源转换： 例如，在水电解制氢、燃料电池催化剂、光催化水分解制氢等领域，开发了低成本、高效率的非贵金属催化剂（如过渡金属氧化物、硫化物、氮化物），大大降低了制氢的成本，推动了氢能经济的发展。
水处理与环境修复： 开发了新型吸附材料、催化剂和膜技术，用于去除水中的污染物（如重金属、有机污染物、微塑料），以及土壤和空气的修复。例如，基于多孔材料（如MOFs, COFs）的吸附剂和用于高级氧化工艺的催化剂。

3. 材料科学的持续创新与应用

化学是材料科学的基石，过去十年涌现出许多令人瞩目的材料突破：

二维材料（2D Materials）的探索与应用：
石墨烯以外的新型二维材料： 除了石墨烯，过渡金属二硫化物（如MoS2, WS2）、黑磷、MXenes（二维过渡金属碳化物/氮化物）等二维材料因其独特的电子、光学和机械性能而备受关注。研究集中在它们的剥离、制备、掺杂以及在电子学、催化、传感、储能等领域的应用。
异质结与器件制造： 将不同二维材料堆叠形成异质结，可以产生独特的电子和光学特性，为制造新型晶体管、光电器件、传感器等提供了平台。
金属有机框架（MOFs）和共价有机框架（COFs）的崛起：
高比表面积与可调性： MOFs和COFs是具有高度有序孔隙结构的晶态材料，可以通过选择不同的金属节点和有机配体来设计和合成，从而实现对孔隙大小、形状和化学环境的精确调控。
广泛的应用前景： 这些材料在气体吸附与分离（如CO2捕获、天然气储存）、催化、药物递送、传感和水处理等领域展现出巨大的潜力。尤其是在CO2捕获和催化反应方面，研究取得了显著进展。
自修复材料与智能材料：
自修复聚合物与涂层： 开发能够自行修复划痕或裂缝的聚合物材料，延长产品寿命，减少维修成本。这通常通过引入微胶囊化的修复剂或响应外部刺激（如热、光）的化学反应来实现。
响应性智能材料： 如形状记忆聚合物、刺激响应性凝胶、光致变色材料等，它们能根据环境变化（温度、pH、光等）改变自身性质，在传感器、驱动器、生物医学等领域有广泛应用。
类金刚石碳（DLC）薄膜的改进： 在耐磨损、低摩擦和生物相容性方面，DLC薄膜的研究和应用持续推进，特别是在医疗器械和精密机械部件上的应用。

4. 计算化学与人工智能（AI）在化学研究中的驱动作用

计算工具和AI方法已成为化学研究不可或缺的力量：

高通量计算与虚拟筛选： 利用超级计算能力和先进的量子化学计算方法，能够快速模拟和预测大量化合物的性质、反应性和相互作用，极大地加速了新材料和新药的发现过程。
机器学习（ML）与深度学习（DL）的应用：
催化剂设计： AI模型能够从大量实验数据中学习规律，预测催化剂的活性、选择性和稳定性，指导实验设计。
材料性质预测： AI可以预测材料的电子、光学、热学等性质，辅助材料设计。
反应路径预测： AI模型能够帮助理解复杂的化学反应机理，预测反应产物和最佳反应条件。
蛋白质结构预测（如AlphaFold）： 虽然是生物学领域，但其背后依赖了强大的计算化学和AI算法，对理解酶催化等化学过程具有深远影响。
实验自动化与优化： AI可以控制自动化实验平台，实现实验参数的智能优化，提高效率和成功率。
量子计算在化学中的初步探索： 尽管仍处于早期阶段，但量子计算在模拟分子系统和化学反应方面展现出巨大潜力，未来有望解决经典计算机难以处理的复杂化学问题。

5. 药物化学与生物化学的协同发展

化学在生命科学和医学领域的贡献日益显著：

新疗法的开发：
靶向药物与精准医疗： 对疾病机理的深入理解，使得开发能够特异性靶向癌细胞、病毒或特定生物分子的药物成为可能。小分子抑制剂、抗体药物偶联物（ADCs）等在癌症治疗领域取得了巨大成功。
核酸药物： 以siRNA、ASO（反义寡核苷酸）、mRNA等为代表的核酸药物，通过调控基因表达来治疗疾病，在过去十年取得了突破性进展，尤其是在罕见病和一些传染病治疗方面。
细胞疗法与基因疗法： 如上所述的CRISPR基因编辑技术与细胞疗法（如CART）的结合，为癌症等疾病的治疗开辟了新途径。
化学生物学（Chemical Biology）的兴盛： 利用化学工具和方法研究生物过程，例如开发荧光探针研究细胞内物质的分布和动态，利用小分子化合物激活或抑制特定的生物通路，以及化学生物学在药物发现中的应用。
蛋白质工程与酶催化： 通过定向进化和理性设计，改造和优化天然酶的活性、选择性和稳定性，使其能够催化非天然反应或在更广泛的条件下工作，为工业催化和生物合成提供了新的工具。

总结：

过去十年，化学领域的突破呈现出交叉融合、多学科协同、数据驱动和面向可持续发展的鲜明特点。从基因编辑的精准控制到新材料的“按需定制”，从绿色化学的实践到AI在化学研究中的赋能，化学正以前所未有的方式改变着我们的世界，并为解决人类面临的重大挑战提供关键解决方案。这些突破不仅是对基础科学知识的拓展，更是对人类生活品质和可持续未来的重要贡献。

网友意见

user avatar

这个问题很有意思。其他方向不懂不敢妄言，对于计算化学的发展，前面

@余旷

同学绝对的大神级人物，写的太专业了，我估计别说非专业人士了，计算化学低年级研究生都不一定看得懂。。我就再做点图文补充好了。

十年之前，我们假设是2005年左右。跟十年之后的今天比，计算化学或者说计算生物化学的发展极大的归因于计算机水平的提升。

十年之前，我们用的CPU是这样的：

单核啊亲，就这玩意现在估计win7都带不动了。现在呢，是这样的：

10核 12核的霸气ivy bridge，计算人士的最爱。

由于计算机水平及其巨大的提升，计算化学才敢去解决很多以前解决不了的问题。比如，酶催化反应是非常奇妙的东东，又不给升温，又要求迅速完成，你这甲方没完没了了是不，为了解决这一问题，十年前，我们搭建了这样的体系：

我了个大槽，震惊了，这尼玛叫蛋白质？？？这叫酶催化反应？请问1-70号氨基酸呢？？？

额，不好意思，图中没有的氨基酸都用真空代替了。。。

真空……你没有看错。

也就是用几个氨基酸跟一个底物放在真空环境下来研究催化反应…

不是应该在细胞环境下用完整的蛋白来研究吗？？？

不是我不想，臣妾做不到啊，加上其他氨基酸算到我延期也算不完啊。真心算不动

现在：

不仅可以搭建完整的蛋白质-催化底物体系，同时方法要比之前好得多，精确度什么的更不用提了，半个月左右就能算完。

计算尺度有很大提升，十年之前，大概只能算一个蛋白质左右的东西，加上水溶剂模型，也就2,3万，3,4万，4,5万，反正也就不到10万个原子吧。图就不放了，就上图那样大小的东西。

十年后：

我勒个去，这个东西其实刚出现的时候大家也都震惊了一把。都能算这么大的HIV外壳结构了？？？大概100W个原子。

十年之前的计算化学，解决的问题是这样的：

……

似乎没啥变化啊，恩……

其实有的。。。

变化很微小，只能观察趋势……


十年后：

我们都知道，RNA在核糖体制造蛋白质，那么问题来了，氨基酸是核糖体一个一个制造的，恩，其实就是跟大便一样一点一点拉出来的，奇怪的是，怎样让着一点一点拉出来的东西在极短的时间内形成固定的结构呢？也就是说，假如拉的成分一样，那么，拉出来的都是一个结构。为什么？

一个无规卷曲的蛋白在计算机程序中，自发的折叠成了其应有的三维结构，与实际的晶体结构非常类似。

计算化学非常适合研究蛋白折叠/去折叠问题，相信将来在破解传说中的“第二遗传密码”以及阿兹海默病等方面会有很大的发挥空间。

2003年左右，我们模拟的时间是这样的：

1ps=0.000000000001秒，也就是模拟了0.000000004秒时间内的运动情况。

十年后：

模拟了200us，也就是0.0002秒。这个尺度马上就可以用秒表观测了！

另外需要概叹的是，由于计算化学发展的非常快，很多东西都是迅速被淘汰，导致计算化学专业的学生及其的苦逼，你需要不停的学习新东西，新方法。比如十年前：

2005年时期的同源模建homology modeling是有这光明前途的，一个模建，一个对接，一篇IF 2-3的文章就出来了。模建最辉煌的时候，其结果居然被收录到蛋白质结构数据库（protein data bank，PDB）！！！

当然，现在的情况是，该数据库已经全面移除所有模建结果，同源模建已逐渐沦为非常非常边缘化的东西，专业搞计算的几乎不用，大牌文章会随便做点模建作为自己的理论依据。（真是无奈啊）

现在的模建：

MOLECULAR SIMULATION 影响因子1.0，JBSD SCI除名，今年刚重新被录入。同时必须要加分子动力学模拟才行，纯的模建对接，连国内核心也发不了。

另外最近发展的飞速的就是GPU了。

GPU对于计算化学的影响很难说，但是GPU对于计算化学屌丝的影响是革命性的！

2005年，我用的SGI服务器，大概就这个样子：

一天只能算100ps不到，ps是多长大家也知道了。这个机器大概是几十万。

现在，我买了一块2.5W的GPU：

速度是这样的：

30ns一天。一周100多纳秒。老板再也不用担心我的学习了。

GPU，屌丝福音！屌丝必备！

计算化学发展到现在，主要的发展方向是两块：

1，方法，必须要尽快改进各种理论方法，增加知识储备。参见

@余旷

的专业级回答。

2，计算化学到底能解决什么科学问题？

解决科学问题才是我们最终的目的。

我觉得D.E.SHAW有一篇文章非常的棒，贴图如下：

我们吃药，然后药通过代谢进入细胞内，接着问题来了，药物是如何运动到靶点蛋白上的？？你咋知道你吃的感冒药是去治感冒了而没有去肾上腺素受体那活动去？

该文章就模拟了一个药物分子在外面随便运动，接着被蛋白捕获（红色，绿色），最终进入催化区域（蓝紫色）。以上过程全都是自发进行的。

可以说计算化学在这10年的发展是非常大的，比10年之前大，我觉得比未来的十年也大。计算模拟现在不仅仅是在方法论方面的发展，一些方法理论的成熟也使得计算化学/生物学在很多领域都开始解决具体的科学问题。比如材料，环境等。未来10年感觉计算机水平很难有革命性的提高了，不管是主频、架构、工艺等等，当然我是非专业人士是指我个人的看法。进步的幅度可能不如这10年。不过相信这门学科也会慢慢的跟实际生产想结合的。

回复跟私信都有问文章名称跟出处的：

最后一篇

Pathway and mechanism of drug binding to G-protein-coupled receptors

其他的我当时写完随手删掉了……不过很多都是D.E.SHAW的，他的文章基本是计算模拟用于解决实际科学问题的TOP1了，可以上他的主页看。
user avatar

谢邀。

我的感觉：反正在理论计算这一块，特别震惊，特别具有突破性的进展应该没有，但是小的进步累加起来也挺可观的。很多以前就有的想法这几年越发完善了。或者以前算不动的现在能算动了。我们这个领域的发展都是非常渐进式的，很多想法要经历十几甚至几十年的发展和数代人的努力才能逐渐成熟，所以有的时候不太好定义什么是十年内的。这里随便写一点关于计算化学的流水账，不结尾，不定期补充，写到哪算哪，大家看个意思。水平有限欢迎补充。

首先DFT方面整出了一些还不错的泛函，顺着range-separated hyrid的思路有wB97X-D和HSE-06。correlation里再掺一点RPA就有了double hybrid functional。修正弱相互作用方面有Grimme的D2/3经验修正，Langreth的vdw-df和Troy van Voorhis的VV系列。修正self-interaction error方面，涛哥整了一些linearize correction，听说效果拔群。当然我们绝对不能忘记拟合狂魔Don Truhlar持续不断更新中的M系列。算机理的同学都可以感受一下，别整天B3LYP，B格太低。

基组方面，Werner搞了一套explicitly correlated的F12系列，亲测有效，算是有一点点新的想法。还有denisty fitting（或者说叫resolution identity）的应用也越来越多，尤其是在MP2上大大加快了计算速度。

QM方面除开DFT，QMC这几年的发展貌似很快，至少应用文章是越来越多了。70年代就整出来的SAPT现在终于能用来算10个原子以上的体系了。Spin flipped method不知道算不算这十年的进展。MP2和Coupled Cluster被陆续移植到了使用平面波基组的延展体系中，大家算固体的时候除了DFT开始有一点其他的选择了。同样被移植到延展体系中的还有PCM溶剂化模型。大家以后在跑VASP的时候可以考虑一点溶剂化效应了。顺着Divide&Conquer的思路，JIali Gao的XPOL，还有Mark Gordon的FMO也在持续发展中。

MM领域，非经验性基于ab inito的力场进展很大（这个是我博士论文的题目，私货...），现在至少有一部分算是可用了。Greg Voth整了一套基于Force Matching的coarse grain方法，很好。另外新的水模型估计发展了没有一百也有几十了。不管是MD还是MC，新的采样方法发展了不少，大的想法还是那些，小修小补，不详述。

在Mixed resolution方面，QM/MM这是多年前的想法了，这几年主要是扩大应用范围并不断完善，好像有人做了一些adaptive QM/MM，给原方法增加了一些弹性。QM/QM层次的所谓Embedding方法最近这几年也发展了不少（这是我现在的课题，也是私货），总之现在在DFT的环境里做CCSD也不是梦了。

还有一个比较重要的事是GPU的崛起，这个能带来多大的变革还有待进一步的考察。

量子动力学领域我不熟，查了一下RPMD好像是这十年间发展起来的，个人认为是一个比较重要的进展。

-------------------------------------------------

很多人可能对中英文夹杂的文风比较反感。其实写的时候没想那么多，我们平时中国留学生交流学术的时候的说话风格就是这样，国内可能觉得我是在装ｂ，真没这个意思。这里中英文夹杂的现象并没有那么严重，多数英语是难以翻译的术语，英文反而比中文更易理解。不过我还是改了一下有些没必要的英语单词，比如idea之类的，希望大家能理解的更好。

类似的话题

本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等

© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有

服务条款
联系我们
关于我们
隐私政策
友情链接
知乎
百度问答
搜狐
新浪