研究方向:

1. 功能性肽的计算设计2. 蛋白质折叠的计算模拟3. 多尺度耗散动力学的力场开发

讲授课程:

1. 《工程制图》  —— 本科生

2. 《化学海洋学》—— 本科生

学术兼职:

中国化工学会 会员

学术成就:

肖兴庆博士于2009年6月毕业于华东理工大学，获得物理化学博士学位。2009年12月至2021年5月在美国北卡罗来纳州立大学(North Carolina State University)从事博士后研究，并留校做研究员。2021年7月回国，入职海南大学化学系。

留学北卡罗来纳州立大学期间，一直从事肽设计算法的研发工作，独自完成全部代码的编写，属于原创性工作。肽设计算法的开发过程经历了模型构想、函数创建、程序实现、设计测试、模拟评估、实验验证、结果反馈等一系列阶段。该设计算法涉及到诸多跨学科的理论基础知识。例如：能量优化采用了数学中的最优化方法；构型熵计算采用了物理学中的简正模理论；自由能计算采用了化学中的电解质溶液理论；氨基酸构象采用了生物学中的异构体数据库等。相比较于计算化学领域中的其他学科分支，肽计算设计更侧重于解决实际应用中的核心难点，优先于实验开展，为实现最终目标提供明确的预测和指导建议。

入职海南大学期间，专注于多尺度耗散动力学模拟方法的发展，旨在桥连全原子模拟和粗粒化模拟间的尺度跨越。分子力场的建立不再是经验性力场，而是根植于模型的构建和全原子模拟的分析。

科研项目:

就职于海南大学期间，主持过两项基金项目：

（1） 国家自然科学基金，国家级地区项目：22268016，项目标题：“ 设计靶向肽用以治疗HER2阳性乳腺癌”。2023-01至2026-12，33万，在研。

（2） 海南省自然科学基金，省级面上项目：222MS007，项目标题：“淀粉样肽自聚集形成纤维结构的分子动力学研究”。2022-04至2025-03，8万，在研。

就职于北卡罗莱纳州立大学期间，主持过两项基金项目：

（1） 美国国家自然科学基金(National Science Foundation)，国家级项目：OAC-1931430，项目标题：“Element: Computational Toolkit to Discover Peptides that Self-assemble into User-selected Structures”。2019-10至2022-09，60万美元，已结题。

（2） 美国空军国家实验室(Air Force Office of Scientific Research)，部门级项目：FA9550-16-10078，项目标题：“Computational Design of Peptides to Detect Human Performance Biomarkers”。2015-12至2016-12，6万美元，已结题。

论著专利:

迄今为止，共发表SCI论文34篇（其中：一作及通讯作者文章26篇），获批美国正式专利2项，临时专利1项。文章主要发表于计算化学、物理化学和生物化学领域的国际主流学术期刊上：包括《J. Chem. Theory Comput.》、 《J. Comput. Chem.》、《J. Phys. Chem. B》、《Phys. Chem. Chem. Phys.》、《Protein Sci.》、《Eur. J. Med. Chem.》、《J. Chromatogr. A》、《ACS Chem. Biol.》、《ACS Sens.》、《Sci. Adv.》、《PNAS Nexus》等。

近7年的一作、共同一作及通讯文章如下：

[1] G. Wu, J. Li, J. Yang, X. Xiao*, “In silico study of the binding of daunomycin and phenylalanine transfer RNA: probe molecular recognition for structure-based drug design”. Molecular Systems Design & Engineering, 8, 786-798(2023). https://doi.org/10.1039/D2ME00236A

[2] X. Xiao, A. S. Robang, S. Sarma, J. V Le, M. E. Helmicki, M. J. Lambert, R. Guerrero-Ferreira, J. Arboleda-Echavarria, A. K. Paravastu, C. K. Hall, “Sequence patterns and signatures: computational and experimental discovery of amyloid-forming peptides”. PNAS Nexus, 1, pgac263-12(2022). https://doi.org/10.1093/pnasnexus/pgac263

[3] X. Xiao, R. Kilgore, S. Sarma, W. Chu, S. Menegatti, C. K. Hall, “De novo discovery of peptide-based affinity ligands for the fab fragment of human immunoglobulin G”. Journal of Chromatography A, 1669, 462941-15(2022). https://doi.org/10.1016/j.chroma.2022.462941

[4] X. Xiao, S. Sarma, S. Menegatti, N. Crook, S. T. Magness, C. K. Hall, “In silico identification and experimental validation of peptide-based inhibitors targeting Clostridium difficile toxin A”. ACS Chemical Biology, 17, 118-128(2022). https://doi.org/10.1021/acschembio.1c00743

[5] X. Xiao, Y. Wang, D. T. Seroski, K. M. Wong, R. Liu, A. K. Paravastu, G. A. Hudalla, C. K. Hall, “De novo design of peptides that coassemble into  sheet-based nanofibrils”. Science Advances, 7, eabf7668-10(2021). DOI: 10.1126/sciadv.abf7668

[6] H. R. Reese, X. Xiao‡(‡: 共同一作), C. C. Shanahan, W. Chu, G. A. Van Den Driessche, D. Fourches, R. G. Carbonell, C. K. Hall, S. Menegatti, “Novel peptide ligands for antibody purification provide superior clearance of host cell protein impurities”. Journal of Chromatography A, 1625, 461237-13(2020).  https://doi.org/10.1016/j.chroma.2020.461237

[7] X. Xiao, Z. Kuang, B. J. Burke, Y. Chushak, B. L. Farmer, P. A. Mirau, R. R. Naik, C. K. Hall, “In silico discovery and validation of neuropeptide-Y-binding peptides for sensors”. The Journal of Physical Chemistry B, 124, 61-68(2020).  https://doi.org/10.1021/acs.jpcb.9b09439

[8] J. Tong, X. Xiao‡(‡: 共同一作), X. Liang, N. von Solms, F. Huo, H. He, S. Zhang. “Insights into solvation and dynamics behaviors of lithium salt in organic- and ionic liquids-based electrolytes”. Physical Chemistry Chemical Physics, 21, 19216-19225(2019). https://doi.org/10.1039/C9CP01848D

[9] X. Xu, X. Xiao‡(‡: 共同一作), Y. Wang, S. Xu, H. Liu, “Modulation of phase transition of thermosensitive liposomes with leucine zipper-structure lipopeptides”. Physical Chemistry Chemical Physics, 20, 15916-15925(2018).  https://doi.org/10.1039/C8CP01464G

[10] X. Xiao, Z. Kuang, J. M. Slocik, S. Tadepalli, M. Brothers, S. Kim, P. A. Mirau, C. Butkus, B. L. Farmer, S. Singamaneni, C. K. Hall, R. R. Naik, “Advancing peptide-based biorecognition elements for biosensors using in-silico evolution”. ACS Sensors, 3, 1024-1031(2018). https://doi.org/10.1021/acssensors.8b00159

[11] H. Kang, X. Xiao‡(‡: 共同一作), C. Huang, Y. Yuan, D. Tang, X. Dai, X. Zeng, “Potent aromatase inhibitors and molecular mechanism of inhibitory action”. European Journal of Medicinal Chemistry, 143, 426-437(2018). https://doi.org/10.1016/j.ejmech.2017.11.057

[12] X. Xiao, Y. Wang, J. N. Leonard, C. K. Hall, “Extended concerted rotation technique enhances the sampling efficiency of the computational peptide-design algorithm”. Journal of Chemical Theory and Computation, 13, 5709-5720(2017). https://doi.org/10.1021/acs.jctc.7b00714

[13] X. Xiao, B. Zhao, P. F. Agris, C. K. Hall, “Simulation study of the ability of a computationally-designed peptide to recognize target tRNALys3 and other decoy tRNAs”. Protein Science, 25, 2243-2255(2016). https://doi.org/10.1002/pro.3056

[14] X. Xu, X. Xiao‡(‡: 共同一作), S. Xu, H. Liu, “Computational insights into the destabilization of α-helical conformations formed by leucine zipper peptides in response to temperature”. Physical Chemistry Chemical Physics, 18, 25465-25473(2016). https://doi.org/10.1039/C6CP05145F

[15] X. Xiao, M. E. Hung, J. N. Leonard, C. K. Hall, “Adding energy minimization strategy to peptide-design algorithm enables better search for RNA-binding peptides: Redesigned λN peptide binds boxB RNA”. Journal of Computational Chemistry, 37, 2423-2435(2016). https://doi.org/10.1002/jcc.24466

[16] X. Xiao, P. F. Agris, C. K. Hall, “Introducing folding stability into the score function for computational design of RNA-binding peptides boosts the probability of success”. Proteins: Structure, Function and Bioinformatics, 84, 700-711(2016). https://doi.org/10.1002/prot.25021