经过小丁的提醒，他总算能放下自组装的执念，开始顺着传统的电荷结合转移等方法。

没错，自组装之后通过转运蛋白的方法是很好。

可在不适用的情况下，去传统方法里挖掘出一些帮助，再寻觅其它新技术的帮助，将三两个组合起来，或许可能。

“对，你说的很对，我去看看靶点细胞以及周围的数据。”

作为全世界研究热点，苏鑫需要的数据，早就在各种论文里有过报道，并不需要他专门来研究。

看着苏鑫去忙碌，小丁打开行李箱，拿出自己的电脑，简单布置一下，也开始查阅文献。

做过科研的或者写过方案的人都明白，灵感来的时候，就那么一会儿时间。

千万不要迷信自己的脑子，趁着清晰的时候，用文字记录下来，将来才能重新拾起来。

丁雨文一点点用关键词检索，苏鑫则不同，直接让小卫士进行筛选，汇总之后再帮他找出其中的关键数据。

也就10分钟时间，小卫士便拿出来靶点部位以及一路上“过关斩将”需要的数据。

同时，还将论文提取出来，放在苏鑫的电脑桌面上。

那些论文其实是作为论据以及隐身给别人看的，现在他并不需要了。

获得数据之后，按照传统的方法，就是通过计算和设计，找到可能性的“转运”工具。

但是，想要通过实验验证的话，需要的实验量相当大。

‘小卫士，帮我进行计算，看看用什么样的方法组合，能更好的将药物转运进去。’

有了数据，有了模型，还有最终目的。

小卫士能干，经过进步，现在已经有自我设计方案路线的能力了。

虽然在有些地方，可能由于大数据不够，学习的不够深入，还差点意思。

但是作为重要的科研助手，能力已经不错了。

毕竟，化学最重要的是方向，也就是点子。

丁雨文刚才不经意间的一句话，应该会成为解决透过血脑屏障的重要里程碑。

而这个运算时间，就有些长了。

小卫士不但需要自己设计计算方案，还要将计算出来的东西，拿去和现有的数据进行匹配。

单一因素变量的很快完毕，只有一个变量，太好计算，无非是比拼运算力。

小卫士能随意调用网络上空闲的计算力，单一因素变量没有难度。

双因素变量难度增加的不少，有些特别接近的组分，甚至需要利用穷举法进行分析。

到了三因素变量之后，那真是天文级别的计算量。

因为每更换一个组分，甚至仅仅是更换比例。

对靶点分子环境的影响都十分巨大。

也幸亏小卫士具有远高于现代ai人工智能的能力，它一遍分析一遍进行改变。

双因素变量的速度从缓慢便是加快，说明它已经找到最好的方法。

而三因素变量，进度条走走停停，看得出来，小卫士不断在优化着解决方案。

让它自己计算着吧，苏鑫翻起手边的论文，开始看着里边涉及到的转运方式。

翻到第三篇，苏鑫直拍大腿。

“草率了，应该先看文献！”

小卫士的学习能力很强，运算能力也十分强大，这些没得说。

可惜它对有些东西的学习，会有偏差。

毕竟是程序而不是人，有些东西，其实能替他减少大量的运算量。

苏鑫看见论文里提到的，关于借助疏水性还有氢键作用，组建一种专门的纳米颗粒载体，来运送目标。

有类似的数据，在小卫士建立的运算体系当中，能删除大量的重复计算。

看来，程序依旧只是程序。

他更改部分计算参