◎本報記者 代小佩

　　“AI(人工智能)技術(shù)應用于藥物研發(fā)已經(jīng)引起研究院所和制藥行業(yè)高度重視，AI開(kāi)始賦能藥物研發(fā)的靶標發(fā)現和確證、藥物先導化合物的發(fā)現和優(yōu)化、藥物藥代和毒性評價(jià)等各個(gè)階段，將成為未來(lái)藥物研發(fā)的關(guān)鍵核心技術(shù)之一。”7月12日，中國科學(xué)院院士、中國科學(xué)院上海藥物研究所研究員蔣華良在2022《理解未來(lái)》科學(xué)講座第二期“AI+分子模擬與藥物研發(fā)”作主題演講時(shí)說(shuō)。

　　講座中，蔣華良介紹了國際創(chuàng )新藥研發(fā)的進(jìn)展與趨勢。他認為，小分子藥物方面有一些關(guān)鍵問(wèn)題亟待AI參與解決。例如，結合自由能的計算速度已較以往提升了3—5倍，而只有當速度提升到上萬(wàn)倍，結合自由能預測精確度與小分子藥物設計效率才有望實(shí)現本質(zhì)突破。

　　在蔣華良看來(lái)，制藥領(lǐng)域的高投入、長(cháng)周期等痛點(diǎn)難以在短時(shí)間內有所改善，但AI在預測臨床候選藥物成功率方面將大有可為。“在臨床試驗當中，大概10種候選藥中只有1種會(huì )試驗成功，而我們積累了上萬(wàn)個(gè)藥物的臨床數據，里面包含以往大量臨床試驗失敗藥物的通用數據，通過(guò)建模、計算，可以預測排除掉臨床候選藥物中的失敗藥物，更好地鎖定可能會(huì )成功的藥物。”蔣華良說(shuō)。

　　北京大學(xué)化學(xué)與分子工程學(xué)院教授、北京大學(xué)理學(xué)部副主任高毅勤在講座中結合分子模擬談到，傳統的分子模擬在應用于復雜的化學(xué)和生物等分子體系時(shí)受到嚴重的時(shí)空尺度限制，以深度學(xué)習為代表的AI技術(shù)可以在理論和計算、理論和實(shí)驗、計算和實(shí)驗之間建立有機聯(lián)系，成為當前突破傳統分子模擬瓶頸并為分子模擬和分子科學(xué)賦能的重要工具。

　　據介紹，高毅勤團隊基于物理模型、科學(xué)實(shí)驗數據和人工智能算法，發(fā)展了多個(gè)結合深度學(xué)習的分子模擬方法，在全球蛋白質(zhì)結構預測競賽(CAMEO)中取得優(yōu)異成績(jì)。

　　不過(guò)，AI應用于藥物研發(fā)目前還處于初始階段。蔣華良表示，需要發(fā)展藥物研發(fā)專(zhuān)用的AI新技術(shù)，并與傳統的藥物分子設計和實(shí)驗技術(shù)緊密結合，才能真正賦能藥物研發(fā)。

　　以小分子藥物設計為例，高毅勤提到，數據是制約小分子藥物設計的最大瓶頸，“目前能夠真正獲得的可靠數據非常少，數據方面還存在指標不統一、敏感數據難以獲取等問(wèn)題”。

　　此次講座主持人、未來(lái)論壇理事、北京大學(xué)李兆基講席教授謝曉亮也表示，目前已有企業(yè)以自由能計算代替大規模小分子藥物篩選，實(shí)驗中也有以微流控篩選技術(shù)增加通量，從而大幅降低費用。然而，由于小分子數據量不足、數據庫不夠大，還不能實(shí)現小分子藥物的機器學(xué)習預測，這是小分子藥物設計所面臨的巨大挑戰。

　　高毅勤認為，通過(guò)整合單細胞組學(xué)信息，建立可靠的細胞響應模型，可以讓AI對藥物研發(fā)下游作出一些預判工作。“如果通量足夠高，可以利用該細胞模型，對大分子藥物設計及小分子藥物設計當中的小分子入膜、蛋白信號傳導、蛋白質(zhì)的入核轉運等進(jìn)行預判，隨著(zhù)AI不斷自我學(xué)習和優(yōu)化，預判的精確度也會(huì )逐漸提升，若將其打造成公用性的開(kāi)放平臺，將使整個(gè)醫藥研發(fā)受益。”