探索AI+分子模擬與藥物研發未來圖景

2022《理解未來》科學講座02期

吳文隆整理編輯

7月12日，2022《理解未來》科學講座02期——“AI+分子模擬與藥物研發”在全網線上開講。未來論壇理事、北京大學李兆基講席教授謝曉亮擔任主持，特別邀請到中國科學院院士、中國科學院上海藥物研究所研究員蔣華良，北京大學化學與分子工程學院教授、北京大學理學部副主任高毅勤作主題演講，分享前沿學術成果，共話跨學科交叉領域的深度融合創新。

聚焦AI+生命科學 打造年度高品質科學公益講座

謝曉亮教授首先對參會嘉賓和線上觀眾表達了歡迎與感謝。他表示，2022《理解未來》科學講座聚焦 AI + Life Science，站在科研前沿，聚集知識之光、智慧之光，面向科研人員、青年科學家與產業界相關人士，打造思想交流的平臺。“本次活動中，我們將聚焦AI與分子模擬、新藥研發領域，邀請該領域的國際領軍人物——蔣華良教授和高毅勤教授，期待聽到來自科學家獨到而具引領性的判斷和思考。”他談道。

蔣華良：AI+藥物研發處於起步階段 有望助力解決傳統藥物研發痛點

在主題演講環節，蔣華良教授以《AI賦能創新藥物研究——現狀與未來》為題，介紹了國際創新藥研發的進展與趨勢，結合自己團隊的研究案例展示了AI技術在新藥研發中的應用。

他指出：AI技術應用於藥物研發已經引起研究院所和製藥行業的高度重視，開始賦能藥物研發從靶標發現和確證、藥物先導化合物的發現和優化、藥物藥代和毒性評價等各個階段，將成為未來藥物研發的關鍵核心技術之一。然而，目前AI應用於藥物研發，還處於初始階段，需要發展藥物研發專用的AI新技術，並與傳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。他特別提出了AI應用於藥物研發的十個挑戰性問題，並鼓勵青年學子參與這一領域的發展。

高毅勤：以深度學習輔助分子模擬 攻克傳統分子類比瓶頸

活動中，高毅勤教授以《分子模擬結合深度學習在分子體系中的方法和應用》為題做主題演講，介紹了如何利用深度學習技術克服傳統分子類比的瓶頸、分子類比結合深度學習方法在蛋白質結構預測、分子對接和化學反應機理研究中的應用，展示了分子模擬結合深度學習方法廣闊的應用前景，並進一步展望了未來分子模擬技術的發展方向。

他指出，傳統的分子模擬在應用於複雜的化學和生物等分子體系時受到嚴重的時空尺度限制。以深度學習為代表的人工智慧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的聯繫，因此成為當前突破傳統分子類比瓶頸、為分子類比和分子科學賦能的重要工具。團隊基於物理模型、科學實驗資料和人工智慧演算法，發展了多個結合深度學習的分子模擬方法，在全球蛋白質結構預測CAMEO競賽中取得了優異成績，並開發了面向下一代分子類比的軟體SPONGE/MindSPONGE。

前瞻對話：AI“助攻”藥物研發 在挑戰中發現機遇

在前瞻對話環節，嘉賓們圍繞“AI技術如何賦能創新藥研發”、“AI +藥物研發面臨的機遇與挑戰”、“AI新藥研發會如何助力攻克無藥可治的疾病”等議題展開對話，分享深刻的洞察與思考。

蔣華良教授指出，小分子藥物方面仍有一些關鍵問題亟待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，當速度提升到上萬倍，結合自由能預測精確度與小分子藥物設計效率才有望實現本質突破。在他看來，製藥領域的高投入、長週期等痛點難以在短時間內有所改善，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種會試驗成功，而我們積累了上萬個藥物的臨床資料，裡面包含以往大量臨床試驗失敗藥物的通用資料，通過建模、計算，可以預測排除掉臨床候選藥物中的失敗藥物，更好地鎖定臨床試驗中可能會成功的藥物。”

高毅勤教授談到，資料是制約小分子藥物設計最大的瓶頸問題。“目前，能夠真正獲得的可靠資料非常少，資料方面還存在指標不統一、敏感性資料難以獲取等問題，而提升高精度計算，本身也是對資料的增強。同時，若能將實驗與計算更好地耦合起來，形成無縫的連接閉環，獲取高品質資料的可能性會大為提升。”另外，高毅勤教授也指出，通過整合單細胞組學資訊，建立可靠的細胞回應模型，可以讓AI對藥物研發下游做出一些預判工作。“如果通量足夠高，可以利用該細胞模型，對大分子藥物設計，以及小分子藥物設計當中的小分子入膜、蛋白信號傳導、蛋白質的入核轉運等進行預判，隨著AI不斷的自我學習和優化，預判的精確度也會逐漸提升，若將其打造成公用性的開放平臺，將使整個醫藥研發受益。”

謝曉亮教授也在前瞻對話環節分享了 AI在藥物研發領域應用的思考。他指出，小分子藥物是與大分子結合，目前大分子的序列、結構資料量大，現有技術已做到在電腦終端上輸入蛋白名稱，馬上就能得出預測結構，雖然準確率在80%左右，但這已經是當前較為理想的情況。小分子結合到蛋白大分子上，採用AI和MD模型結合的演算法，目前已有企業以自由能計算代替大規模小分子藥物篩選，實驗上也有以微流控篩選技術增加通量，從而大幅降低費用。然而由於小分子資料量不足，資料庫不夠大，還不能實現小分子藥物的機器學習預測，這是小分子藥物設計所面臨的巨大挑戰。

關於《理解未來》

《理解未來》科學講座是未來論壇面向公眾開放的高品質科學公益講座，是聯結科學與公眾的橋樑與紐帶，是帶領公眾探尋世界前沿最新科技的“望遠鏡”。講座目前已成功舉辦 70 餘場，超過 140 位科學家參與其中，包括：潘建偉、田剛、謝曉亮、Kip Thorne、陳列平、Phil Baran、李凱、薛其坤等。

2022年，在科學面臨歷史性機遇，站在第四範式時代門檻的今天，《理解未來》將更加關注和聚焦前沿交叉領域和科學熱點的系列話題，"AI + 生命科學"將作為該系列的首個主題，邀請最具洞察力和前瞻性的國內外科學家擔任主講及對話嘉賓，介紹最新科研突破，分享前沿科技資訊，探討跨學科交叉領域的融合創新。

—————- 以下空白—————–