◎本報記者 代小佩

　　“AI(人工智能)技術應用於(yu) 藥物研發已經引起研究院所和製藥行業(ye) 高度重視，AI開始賦能藥物研發的靶標發現和確證、藥物先導化合物的發現和優(you) 化、藥物藥代和毒性評價(jia) 等各個(ge) 階段，將成為(wei) 未來藥物研發的關(guan) 鍵核心技術之一。”7月12日，中國科學院院士、中國科學院上海藥物研究所研究員蔣華良在2022《理解未來》科學講座第二期“AI+分子模擬與(yu) 藥物研發”作主題演講時說。

　　講座中，蔣華良介紹了國際創新藥研發的進展與(yu) 趨勢。他認為(wei) ，小分子藥物方麵有一些關(guan) 鍵問題亟待AI參與(yu) 解決(jue) 。例如，結合自由能的計算速度已較以往提升了3—5倍，而隻有當速度提升到上萬(wan) 倍，結合自由能預測精確度與(yu) 小分子藥物設計效率才有望實現本質突破。

　　在蔣華良看來，製藥領域的高投入、長周期等痛點難以在短時間內(nei) 有所改善，但AI在預測臨(lin) 床候選藥物成功率方麵將大有可為(wei) 。“在臨(lin) 床試驗當中，大概10種候選藥中隻有1種會(hui) 試驗成功，而我們(men) 積累了上萬(wan) 個(ge) 藥物的臨(lin) 床數據，裏麵包含以往大量臨(lin) 床試驗失敗藥物的通用數據，通過建模、計算，可以預測排除掉臨(lin) 床候選藥物中的失敗藥物，更好地鎖定可能會(hui) 成功的藥物。”蔣華良說。

　　北京大學化學與(yu) 分子工程學院教授、北京大學理學部副主任高毅勤在講座中結合分子模擬談到，傳(chuan) 統的分子模擬在應用於(yu) 複雜的化學和生物等分子體(ti) 係時受到嚴(yan) 重的時空尺度限製，以深度學習(xi) 為(wei) 代表的AI技術可以在理論和計算、理論和實驗、計算和實驗之間建立有機聯係，成為(wei) 當前突破傳(chuan) 統分子模擬瓶頸並為(wei) 分子模擬和分子科學賦能的重要工具。

　　據介紹，高毅勤團隊基於(yu) 物理模型、科學實驗數據和人工智能算法，發展了多個(ge) 結合深度學習(xi) 的分子模擬方法，在全球蛋白質結構預測競賽(CAMEO)中取得優(you) 異成績。

　　不過，AI應用於(yu) 藥物研發目前還處於(yu) 初始階段。蔣華良表示，需要發展藥物研發專(zhuan) 用的AI新技術，並與(yu) 傳(chuan) 統的藥物分子設計和實驗技術緊密結合，才能真正賦能藥物研發。

　　以小分子藥物設計為(wei) 例，高毅勤提到，數據是製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，數據方麵還存在指標不統一、敏感數據難以獲取等問題”。

　　此次講座主持人、未來論壇理事、北京大學李兆基講席教授謝曉亮也表示，目前已有企業(ye) 以自由能計算代替大規模小分子藥物篩選，實驗中也有以微流控篩選技術增加通量，從(cong) 而大幅降低費用。然而，由於(yu) 小分子數據量不足、數據庫不夠大，還不能實現小分子藥物的機器學習(xi) 預測，這是小分子藥物設計所麵臨(lin) 的巨大挑戰。

　　高毅勤認為(wei) ，通過整合單細胞組學信息，建立可靠的細胞響應模型，可以讓AI對藥物研發下遊作出一些預判工作。“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(chuan) 導、蛋白質的入核轉運等進行預判，隨著AI不斷自我學習(xi) 和優(you) 化，預判的精確度也會(hui) 逐漸提升，若將其打造成公用性的開放平台，將使整個(ge) 醫藥研發受益。”