数据驱动让 AI 制药更有创新力

数据驱动让 AI 制药更有创新力爱奇艺起诉b站 长期以来，药物研发具有时间长、高投入、高风险，投资汇报慢的特点。全球每年都有数千亿美元用于药品研发，而人工智能技术的运用能够在一定程度上提高研发效率，降低成本投入。随着

长期以来，药物研发具有时间长、高投入、高风险，投资汇报慢的特点。全球每年都有数千亿美元用于药品研发，而人工智能技术的运用能够在一定程度上提高研发效率，降低成本投入。随着人工智能浪潮的兴起，药物研发人员们将很快用上这些新工具来武装自己，提高药物研发效率。新药的设计、发现、研发过程，也将得到缩短。

在丽珠医药和 BEYOND Expo 共同主办的创新药及生物医疗技术论坛的现场，上海丽予生物医药总经理王靖方博士、英飞智药联合创始人兼 CTO 徐优俊博士、智化科技 CEO 夏宁博士以及深圳湾实验室百瑞创新中心主任贺耘教授就 AI 创新药的现在与未来进行了激烈的讨论。

“药物研发中充满着未知，并不是每个药物学专家都能了解到很全面的知识，他们也希望通过一些数据驱动的方法提高药物研发的成功率和效率。” 英飞智药联合创始人徐优俊表示，一家英国公司通过一些文献的知识图谱进行数据挖掘发现新靶标，找到一些潜在化合物之后，将这样的药物分子推到了临床一期，这可以视为目前 AI 在药物研发中的一个里程碑。但同时，AI 所为人诟病的一点是，从中得到的分子与已知的专利分子十分相似，并未给药化合成人员带来更新的体验。但徐优俊相信，随着 AI 学习不断深入，鲁棒性不断提高，并通过实验性的验证不断优化模型，以 AI 探索开发更多场景来辅助新药研发必定能走得更加顺畅。

不同于药物分子设计的角度，智化科技以 AI 切入创新药的方式是通过一些以往文献专利中的化学反应数据预测设计目标分子的合成路线，并以最快最经济的方式拿到分子。“因为做 AI 首先要有数据，很多靶点生物学的数据是非常有限的；但在化学领域，上千万级别的化学反应数据在过去 100 年中不断积累并完成了标准化，所以我们选择了这个切入点。” 智化科技 CEO 夏宁也看到了化学分子合成的难点：设计分子时效率很高，但是一到真正合成时效率就变得很低。因为现在的分子合成仍采用手工模式：从通过经验判断如何合成到真正走入实验室做实验，经历十几个步骤的合成路线，一个化学家平均每个月只能做四五个分子。智化科技希望能够自身的努力，让化学家摆脱这种低效的工作方式，用更现代的方式生产出更多的分子，通过不断迭代加速新药的研发。

深圳湾实验室百瑞创新中心主任贺耘则从技术角度提出了两个注意点：更高的算力和更多的数据，“只有满足了这两个条件，AI 才能加快创新药的发展。”

从药物筛选、药物设计到靶点研究再到分子合成，未来，AI 深度学习在药物研发中还能起到哪些作用，AI 技术在药物研发过程中占比会有多少？

徐优俊发现，在新药研发中关于活性指标、药物代谢等方面的可用数据非常少，需要有相应背景知识的人进行整理。且在目前 AI 的应用过程中缺乏可解释性，存在很多不足。他认为这些问题将在 AI 的自主学习能力与自我迭代速度提升后慢慢被解决。

“长期来看 AI 制药一定会成为一个必然的结果，因为现在的制药效率越来越低，为打破这种反摩尔定律，唯一的办法就是让我们有能力去产生大量的数据。” 如何才能拥有大量的数据？夏宁认为，要产生自动化、高通量的合成分子的能力，即将化学合成自动化。在此基础上，可以产生大量的分子，进而产生未来的活性数据及其他属性数据。如此，AI 才能更有用武之地，使研发速度再次提效。

贺耘认为，作为支撑 AI 技术发展的两个因素，计算方法的发展非常快，而我们对于数据的掌握乃至对于整个生命安全市场的理解才是限制 AI 创新药发展的一大阻力。贺耘希望在靶点验证、蛋白结合等一系列环节中，不论是独立或合作的团队都能建立起相关的技术支撑能力，推动新药研发的速度不断加快。

natasha bedingfield http://www.xinzhiliao.com/bj/meirong/3822.html