2021人工智能药物研发创新论坛｜专家精彩集锦
近30位AI药物研发相关领域的专家，分享了他们的见解和最新工作进展，从多个角度，展示了AI技术为药物研发带来的新的可能性。此次论坛干货满满！
那么，人工智能技术会如何助力药物研发？目前进展如何？
一
01
致辞
张江生命科学国际创新峰会是一个探讨生物医药产业技术前沿、产业趋势、热点话题、共性需求，助推产学研资政医合作交流和产业融合发展变革的平台。
希望大家在这个平台上共同推动张江生命健康产业的未来发展，以建设具有全球影响力的科创中心为目标，打造自主创新的标杆。我们将迎接挑战，与时代同行。
02
我国的药物研发管线、上市新药数量等相关重要指标位居全球“第二梯队”前列，作为“上海建设世界级生物医药产业高地战略目标”的重要组成部分，药物研发需向AI等新科技借力，打造创新策源力。人工智能是新一轮产业变革的核心驱动力，正在积极推动医疗领域诸多场景的智能化、数字化转型。药物研发与人工智能的跨界共融将构建行业变革与重塑的全新路径，促进整个生物医药产业实现颠覆式升级。
03
蒋华良-中国科学院院士
AI赋能创新药物研究
AI从靶标发现，一直到临床，到上市后的市场预测，都可以做，可以做全链条，这是毫无疑问的。但是能到什么程度，每个阶段什么时候成熟，还需要实践来检验。
AI做first in class依然困难，需要发展突破性的算法。
至少在10年之内，AI在制药这个领域代替不了人。但是不掌握AI技术，做不过掌握AI技术的人。
徐峻-中山大学药物分子设计研究中心主任
人工智能与药物研究——科学研究范式的新嬗变
深度学习(数据驱动)技术一定程度上反映了自然规律的层次性、递归性、时序性，形成强大的知识提取能力，促进药物创新。但基于第一原理的规则驱动才能产生里程碑式的重大突破。
DEL + ML 解锁FIC新药研发新科技
DEL技术可以迅速产生大量真实而规范的实验数据。一方面，其所拥有的巨大的化学空间为找到针对创新靶点、结构新颖的hit提供了极大的可能性；另一方面，DEL技术本身有上百亿级的数据体量。在机器学习领域中，大家的共识是“数据越多，模型表现越好”，利用DEL筛选后的海量数据训练机器学习虚拟筛选模型，深入挖掘和利用DEL筛选的数据，以发现更多结构新颖、性质独特、获取周期更短的化合物，以此实现整个药物研发、特别是hit发现流程的降本增效，提高其成功率。DEL+ML的全新模式为hit发现提供了无限的想象空间。
06
曾亥年-燧坤智能CEO
基于隐私安全计算的AI创新药物发现实践
在具体的药物研发过程中，我们关注的是一个特定任务的、高质量的、可重复的而且最好是正负样本同时都有的训练数据集，这个时候去建立一个AI数据模型才是最优的。
隐私安全计算可以使得多方安全协作，共同发掘数据价值。根据信任假设和计算复杂度要求，可以选择不同的计算方式：多方安全计算MPC/同态加密、联邦学习或安全沙箱计算。
07
讨论：AI与制药行业的合作
二
08
孟鑫-华为云医疗智能体产品总监
华为云人工智能在生命科学及药物研发领域的探索和实践
我们用盘古药物分子大模型，来进行药物属性预测、药物生成和优化；MindSponge是首个国产化的分子动力学软件；我们采用个性化药物联邦学习来打破企业数据孤岛；另外，我们还用iPhord进行蛋白质结构预测，赋能分子结构研究。
09
马步勇-上海交通大学药学院长聘教授
高性能计算和人工智能在抗体药物设计中的应用
AI助力揭示复合物结构和动态构象的时空轨迹会有力推动药物设计的发展，特别是抗体药物的研发，比如研究和利用抗体药物的双重变构效应。Alphafold2的启示之一是：AI= 数据 + 算法 + 知识。复杂体系抗体药物的设计，比如阿尔茨海默症中涉及的一系列抗体药物有着实验数据量不足的瓶颈，有效结合分子动力学模拟加深对研究体系的知识贮备建立高效准确的AI模型，能大力推动抗体药物的发展。
10
任峰-英矽智能首席科学官
AI-accelerated Drug Discovery
我们在端到端人工智能药物研发平台的赋能下，于两年内获得两个具有新颖靶点和化合物结构的候选药物，并在临床前阶段研究中取得了非常优异的效果，例证了人工智能有潜力极大的缩短研发成本并节省研发费用。
我们认为这种研发模式是可以复制的，但要在短期限内高效的取得阶段性的成功（如提名候选化合物），需要一定的前提条件，比如相关疾病具有一定量的数据积累，再比如发现的新靶点具有一定的结构信息及安全性数据等。
11
段宏亮-浙江工业大学智能制药研究院院长
基于数据驱动的人工智能药物发现
我们针对“苗头化合物确认”和“先导化合物优化”这两个新药研发的核心环节中存在的药物数据不足的痛点问题，建立药物数据生产实验室，构建真实的新药数据平台HighWorks。并以此平台的药物大数据为基础，依托HighMatrix的人工智能算法、算力支持，构建数据驱动的智能药物研发平台。
12
郑明月-中国科学院上海药物所研究员/课题组长
分子生成和药靶预测
我们重点关注药物设计的人工智能基础算法开发，包括药物、靶标、适应症及其相互作用网络的表示学习方法，药物活性、药代、药效及安全性的多任务深度学习模型，基于生成式模型的全新药物设计技术等。
可以预见，从人工智能和机器学习的角度推进药物设计方法发展，利用大规模的生物医药数据挖掘药物背后的生物学原理，从而对药物分子复杂体内作用进行更精准的模拟和预测，达到开发安全有效的药物来满足最合适患者的目标，将是精准医疗数据时代的重要发展方向。
13
李洪林-上海市新药设计重点实验室主任/华东理工大学药学院教授
人工智能与药物设计
“人工智能药物设计”的核心和关键仍然是药物设计，目前，人工智能药物设计的公司多数集中在分子生成，进而探索化学空间的这一环节，但化学空间并非越大越好，如果探索空间是不可行解，将徒增研发成本和浪费时间。
如何将人工智能应用到精准的药物设计的环节中？我们自主研发的1类候选新药（治疗非小细胞肺癌），以我们发展的人工智能药物代谢位点和代谢产物的预测方法，在临床前用于解决了实际的问题，并快速推动该候选药物的临床前研究，获得了CDE的默认临床许可，是人工智能应用于药物设计的经典范例。
14
讨论：AI药物发现的技术基础
三
15
孙伟杰-深势科技创始人兼CEO
AI+分子模拟为药物研发带来的全新可能性
我们开创性地提出AI与物理模型、高性能计算结合的新范式，利用AI对高维函数的出色拟合能力，连接起微观与宏观，系统性地解决药物设计中的跨尺度建模问题，实现效率与精度的统一。并打造具有准确高效的自由能计算与增强动力学模拟功能的一站式平台软件Hermite，深度赋能药物探索与研发，以AI+分子模拟为药物设计带来更多可能性。
16
裴剑锋-北京大学前沿交叉学科研究院特聘研究员
基于结构的三维药物分子生成
DeepLigBuilder是一种基于深度学习的全新3D分子设计方法，能够直接在靶标口袋内生成与之结合的三维分子结构，能够生成具有高类药性、高可合成行以及高预测结合活性的分子，所设计的分子能够很好地再现已有阳性分子的结合模式，同时也生成了新颖的化学骨架。
基于结构的三维分子生成是未来AI药物设计研究的重要新方向。DeepLigBuilder首次将3D图生成网络用于SBDD，也是首个利用深度学习和MCTS优化三维分子结构的工作。
17
岳石怡-南京浦意生命智能科技首席技术官
分子生成策略与当前面临的挑战
分子生成这个领域的发展主要取决于以下三个方面的发展。
一，人工智能在语言处理、视觉等方向的进展如何能迅速转化过来，比如编码器、BERT等新算法在分子生成中的应用。二，如何不断优化使用拓扑图形等方法表述分子的形式。三，如何密切结合计算化学的工具来解决药物化学在先导物发现和优化中遇到的实际问题。
18
何雪萦-玄刃科技创始人
智慧实验室助力AI制药
智慧实验室助力AI制药，可以解决实验室复杂的执行任务，可以更好的加速化合物、靶点筛选、毒性测试、细胞培养实验等环节，缩短研发周期，降低研发成本。
AI视觉有助于改善结果的准确性和一致性，为药物研发提供高质量数据。
19
四
郑书新-微软亚洲研究院主管研究员
开发药物研发的下一代通用AI技术
人工智能近年来取得了众多突破与质变，如GPT-3，DALL.E，AlphaFold2等，都集中在序列化数据的理解。Transformer模型作为处理序列化数据的通用技术，在自然语言、图像、蛋白质序列等多个领域取得了巨大的成功。
而药物研发领域的突破需要更多的关注结构化数据，如小分子化合物结构、蛋白质结构等。图神经网络作为处理结构化数据的上一代通用技术亟需更新，因此如何将Transformer模型引入结构化数据将会为AI在药物研发领域下一次突破带来希望。
21
陈健明-赛恪科技CTO
量子计算机在AI辅助药物研发领域的应用前景
22
张捷-商汤科技AI新药研究总监
AI技术在药物研发中的应用
我们始终认为，只有“干”算法和“湿”实验的结合，才是在实际新药研发中心真正起效的工作方式，才能真正解决行业的痛点，做到AI赋能新药研发。
此外，我们和国内外制药公司、研究机构的紧密合作，探索出了自己独特的AI算法群，解决在临床前和临床后在大分子、小分子、基因、临床用药病患画像等领域的实际问题。
王承志-镁伽科技首席科学家
机器人智能自动化实验室
我们通过对比工业和生命科学领域自动化程度，说明了当前生命科学研究的主要矛盾是生物学家对数据日益增长的需求和落后的实验生产力之间的矛盾。进一步通过模块、流程、系统和智能自动化等层次阐述了自动化在生命科学中的应用，并通过视频展示了镁伽科技在生物制药领域的自动化解决方案。以抗体研发为实例，通过自动化技术和人工智能技术相结合，可以提高研发的生产效率。
李高扬-医渡科技旗下开心生活科技远程智能临床试验负责人
远程智能临床试验与创新解决方案
临床试验数字化涉及医药企业，医院，患者，技术，伦理，法规等多方面，非常复杂。疫情催化和研发费用高昂的困境使得，以患者为中心，采用远程医疗模式和应用智能化技术的远程智能临床试验是当前临床试验的新趋势新模式。
远程智能临床试验不只是一项技术，而是包括基于大数据的试验设计，远程电子知情同意，电子源数据采集，基于风险的质量管理，药物直达患者，家庭访视，生物样本远程采集运输等多项智能化解决方案的生态体系。
廖矿标-广州实验室研究员
自动合成、高通量数据库与AI预测模型的探索与实现
化学合成，作为一门实验科学，在应用过程中需要反复进行手动试错，如果化学实验可以由机器自动完成，化学反应结果可以利用人工智能技术实现精准预测，那么未来的化学合成将实现真正的自动化与智能化。
感谢各位专家对此次论坛的支持！