“AI（人工智能）技術應用于藥物研發(fā)已經(jīng)引起研究院所和制藥行業(yè)高度重視，AI開始賦能藥物研發(fā)的靶標發(fā)現(xiàn)和確證、藥

物先導化合物的發(fā)現(xiàn)和優(yōu)化、藥物藥代和毒性評價等各個階段，將成為未來藥物研發(fā)的關鍵核心技術之一。”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+分子模擬與藥物研發(fā)”作主題演

講時說。

　　講座中，蔣華良介紹了國際創(chuàng)新藥研發(fā)的進展與趨勢。他認為，小分子藥物方面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，而只有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(xiàn)本質突破。

　　在蔣華良看來，制藥領域的高投入、長周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數(shù)據(jù)，里面包含以往大量臨床

試驗失敗藥物的通用數(shù)據(jù)，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，更好地鎖定可能會成功的藥物。”蔣

華良說。

　　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在講座中結合分子模擬談到，傳統(tǒng)的分子模擬在應用于復

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(lián)系，成為當前突破傳統(tǒng)分子模擬瓶頸并為分子模擬和分子科學賦能的重要工具。

　　據(jù)介紹，高毅勤團隊基于物理模型、科學實驗數(shù)據(jù)和人工智能算法，發(fā)展了多個結合深度學習的分子模擬方法，在全球蛋白

質結構預測競賽（CAMEO）中取得優(yōu)異成績。

　　不過，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)專用的AI新技術，并與傳統(tǒng)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(fā)。

　　以小分子藥物設計為例，高毅勤提到，數(shù)據(jù)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(shù)據(jù)非常少，數(shù)

據(jù)方面還存在指標不統(tǒng)一、敏感數(shù)據(jù)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(yè)以自由能計算代替大規(guī)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，從而大幅降低費用。然而，由于小分子數(shù)據(jù)量不足、數(shù)據(jù)庫不夠大，還不能實

現(xiàn)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(zhàn)。

　　高毅勤認為，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(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、蛋白質的入核轉運等

進行預判，隨著AI不斷自我學習和優(yōu)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(yī)藥研發(fā)受益

。”