“AI（人工智能）技術(shù)應(yīng)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(kāi)始賦能藥物研發(fā)的靶標(biāo)發(fā)現(xiàn)和確證、藥物先導(dǎo)化合物的發(fā)現(xiàn)和優(yōu)化、藥物藥代和毒性評(píng)價(jià)等各個(gè)階段，將成為未來(lái)藥物研發(fā)的關(guān)鍵核心技術(shù)之一。”7月12日，中國(guó)科學(xué)院院士、中國(guó)科學(xué)院上海藥物研究所研究員蔣華良在2022《理解未來(lái)》科學(xué)講座第二期“AI+分子模擬與藥物研發(fā)”作主題演講時(shí)說(shuō)。
講座中，蔣華良介紹了國(guó)際創(chuàng)新藥研發(fā)的進(jìn)展與趨勢(shì)。他認(rèn)為，小分子藥物方面有一些關(guān)鍵問(wèn)題亟待AI參與解決。例如，結(jié)合自由能的計(jì)算速度已較以往提升了3—5倍，而只有當(dāng)速度提升到上萬(wàn)倍，結(jié)合自由能預(yù)測(cè)精確度與小分子藥物設(shè)計(jì)效率才有望實(shí)現(xiàn)本質(zhì)突破。
在蔣華良看來(lái)，制藥領(lǐng)域的高投入、長(zhǎng)周期等痛點(diǎn)難以在短時(shí)間內(nèi)有所改善，但AI在預(yù)測(cè)臨床候選藥物成功率方面將大有可為。“在臨床試驗(yàn)當(dāng)中，大概10種候選藥中只有1種會(huì)試驗(yàn)成功，而我們積累了上萬(wàn)個(gè)藥物的臨床數(shù)據(jù)，里面包含以往大量臨床試驗(yàn)失敗藥物的通用數(shù)據(jù)，通過(guò)建模、計(jì)算，可以預(yù)測(cè)排除掉臨床候選藥物中的失敗藥物，更好地鎖定可能會(huì)成功的藥物。”蔣華良說(shuō)。
北京大學(xué)化學(xué)與分子工程學(xué)院教授、北京大學(xué)理學(xué)部副主任高毅勤在講座中結(jié)合分子模擬談到，傳統(tǒng)的分子模擬在應(yīng)用于復(fù)雜的化學(xué)和生物等分子體系時(shí)受到嚴(yán)重的時(shí)空尺度限制，以深度學(xué)習(xí)為代表的AI技術(shù)可以在理論和計(jì)算、理論和實(shí)驗(yàn)、計(jì)算和實(shí)驗(yàn)之間建立有機(jī)聯(lián)系，成為當(dāng)前突破傳統(tǒng)分子模擬瓶頸并為分子模擬和分子科學(xué)賦能的重要工具。
據(jù)介紹，高毅勤團(tuán)隊(duì)基于物理模型、科學(xué)實(shí)驗(yàn)數(shù)據(jù)和人工智能算法，發(fā)展了多個(gè)結(jié)合深度學(xué)習(xí)的分子模擬方法，在全球蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)競(jìng)賽（CAMEO）中取得優(yōu)異成績(jī)。
不過(guò)，AI應(yīng)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(zhuān)用的AI新技術(shù)，并與傳統(tǒng)的藥物分子設(shè)計(jì)和實(shí)驗(yàn)技術(shù)緊密結(jié)合，才能真正賦能藥物研發(fā)。
以小分子藥物設(shè)計(jì)為例，高毅勤提到，數(shù)據(jù)是制約小分子藥物設(shè)計(jì)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(biāo)不統(tǒng)一、敏感數(shù)據(jù)難以獲取等問(wèn)題”。
此次講座主持人、未來(lái)論壇理事、北京大學(xué)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(jì)算代替大規(guī)模小分子藥物篩選，實(shí)驗(yàn)中也有以微流控篩選技術(shù)增加通量，從而大幅降低費(fèi)用。然而，由于小分子數(shù)據(jù)量不足、數(shù)據(jù)庫(kù)不夠大，還不能實(shí)現(xiàn)小分子藥物的機(jī)器學(xué)習(xí)預(yù)測(cè)，這是小分子藥物設(shè)計(jì)所面臨的巨大挑戰(zhàn)。
高毅勤認(rèn)為，通過(guò)整合單細(xì)胞組學(xué)信息，建立可靠的細(xì)胞響應(yīng)模型，可以讓AI對(duì)藥物研發(fā)下游作出一些預(yù)判工作。“如果通量足夠高，可以利用該細(xì)胞模型，對(duì)大分子藥物設(shè)計(jì)及小分子藥物設(shè)計(jì)當(dāng)中的小分子入膜、蛋白信號(hào)傳導(dǎo)、蛋白質(zhì)的入核轉(zhuǎn)運(yùn)等進(jìn)行預(yù)判，隨著AI不斷自我學(xué)習(xí)和優(yōu)化，預(yù)判的精確度也會(huì)逐漸提升，若將其打造成公用性的開(kāi)放平臺(tái)，將使整個(gè)醫(yī)藥研發(fā)受益。”
