生物医药AI讲座要点

昨日下午，我有幸聆听了西湖大学生命科学学院研究员、长聘副教授，同时也是西湖制药联合创始人的黄晶博士关于人工智能在生物医药领域应用的讲座。

黄博士的求学履历十分亮眼，先后在清华大学物理系、瑞士巴塞尔大学化学系、美国马里兰大学药学院及NIH/NHLBI完成了本科、博士及博士后阶段的深造，并于2017年回国加入西湖大学。

他的研究核心在于算法开发，重点在于解析、建模及预测蛋白质构象动力学以及蛋白质与配体间的相互作用。同时，他利用高性能计算手段探究微观生命体系中的复杂动力学过程，致力于筛选出能够调控特定生物过程的潜在药物分子。

除了作为西湖大学的研究员外，黄晶博士还是西湖制药的联合创始人，并担任公司董事一职。

黄博士的讲座干货满满，信息量极大，虽然我听得有些云里雾里，但这个领域非常吸引我。尽管当时有些疲惫，我还是坚持听完了全程，并做了详细记录。

以下是我整理的一些笔记要点。

首先是晶泰科技。这家公司我之前多次听闻，是港股上市公司，市值达352亿。我有空得去研究一下它的招股说明书。

其次是药物研发流程，下面这张图展示了典型的研发路径。

药物研发是一个漫长的过程，其中耗时最长、成本最高的环节便是临床实验。

此外，完成临床三期实验并申报上市时，大分子药物和小分子药物所面临的监管要求各不相同。

一、制药界有个著名的“双十”定律：

第一个“十”代表十年：从发现一个候选化合物到最终获批上市，平均耗时10年。

第二个“十”代表十亿美元：整个研发过程的平均投入高达10亿美元（尽管现在的实际数字已攀升至约26亿美元，但“十亿”的说法因习惯沿用至今）。

黄晶博士指出，这个“双十”定律的形成主要源于以下三个因素：

1、药物分子的潜在数量（10的60次方到200次方）与实际可承受的实验数量之间存在巨大鸿沟。

2、临床前生物学模型（细胞、类器官、小鼠）与临床目标（人体）之间存在差异。

3、药物、药物靶标与生物系统之间存在复杂的关联。

二、人工智能制药发展面临的挑战

1、目前全球尚未出现由人工智能生成且具有临床价值的全新骨架分子。

2、靶点资源匮乏。数据约束导致机器学习主要局限于传统靶点和传统作用机制（小分子、抗体、分子胶）。

靶点发现需要概念层面的革新，而人工智能目前尚无法帮助产生新的生物学概念（如空间临近效应、瞬时相互作用、动力学、时空耦合）。

3、人工智能在制药产业链各阶段（如药物发现、开发、临床、注册）的应用不平衡，且缺乏协同效应。

三、黄晶博士的研究方向

N端修饰抗菌肽的迁移学习研究。

蛋白质构象动力学的新方法：深入理解AlphaFold的工作机制。

蛋白质构象动力学的新方法：突破传统分子动力学模拟的局限。

蛋白质构象动力学的新方法：利用零样本学习技术，发现靶点中稀有且隐匿的口袋。

运用加噪技术辅助发现。

四、对人工智能药物设计的一些思考

从人工智能的第一性原理出发，开发核心技术。

1、数据的产生与增强（干湿结合、计算生成数据）。

2、模型的架构设计需强调泛化能力和可扩展性。

3、验证技术的关键：生成及高结合力的药物分子。

4、小分子药物（1nM）；蛋白药物（10pM）。

未来，人工智能在生物制药领域将发挥何种作用？

最有希望的是人工智能能够重构药物发现的线性流程，协助研究人员快速获取先导化合物，从而极大加速靶点发现与验证的进程，让我们拭目以待。