過去的一周，是人工智能最為火熱的一周。

繼GPT4.0發(fā)布后，百度發(fā)布了文心一言，微軟發(fā)布了Copilot，同一天Google發(fā)布了對標ChatGPT的Bard，而英偉達則發(fā)布了新的GPU H100，相對上一代產(chǎn)品，訓練性能和預測性能都有數(shù)倍到數(shù)十倍提高。

人工智能領域風起云涌，而創(chuàng)新藥研發(fā)領域也迎來了改變。

2023年3月24日，新藥研發(fā)領域的人工智能基礎設施和服務提供商碳硅智慧宣布，公司自主研發(fā)的AI驅動的新藥研發(fā)平臺——DrugFlow1.0正式發(fā)布。

據(jù)悉，DrugFlow努力打造覆蓋藥物研發(fā)完整流程的軟件平臺，基于自動化硬件產(chǎn)生的數(shù)據(jù)迭代模型，并將專家融合到流程中，最終形成數(shù)據(jù)驅動人機協(xié)同的統(tǒng)一設計平臺，顯著提高藥物研發(fā)的確定性。

來自浙江大學、北京大學、華東理工大學、四川大學、中南大學、中科院上海藥物所、醫(yī)科院藥物所、廣州國家實驗室、羅氏中國研發(fā)中心、石藥集團、和譽生物、華深智藥等相關領域的知名學者和企業(yè)界專家出席了會議。會議采用了新穎的虛擬直播形式，會議期間瀏覽人次近萬。

AI驅動的新藥研發(fā)SaaS平臺--DrugFlow1.0正式發(fā)布

楊波

發(fā)布會開場，由浙江大學科學技術研究院院長、浙江大學智能創(chuàng)新藥物研究院常務副院長楊波教授做開場致詞。

她談到，浙江大學智能創(chuàng)新藥物研究院正是希望培養(yǎng)一批智能新藥創(chuàng)制領域的優(yōu)秀人才，助推我國原創(chuàng)藥物的研發(fā)。侯廷軍教授本身是研究院的教授，也是計算化學領域的專家，而碳硅智慧CEO鄧亞峰是AI領域的專家，二位都深耕行業(yè)多年。本次發(fā)布的DrugFlow1.0，一方面是兩位專家及碳硅智慧團隊的智慧結晶，另一方面也正是響應了國家開發(fā)自主知識產(chǎn)權基礎軟件的號召，希望未來DrugFlow能真正助力我國的新藥研發(fā)工作。

鄧亞峰

接著，碳硅智慧CEO鄧亞峰進行了《突破 AIDD 核心技術，做創(chuàng)新藥領域的賦能者》的主題演講。

他的演講內容分為五塊：新藥研發(fā)領域面臨的挑戰(zhàn)和痛點、中國新藥研發(fā)的巨大市場、AI的蓬勃發(fā)展以及與物理驅動方法的異同、碳硅智慧成立的初衷和愿景，以及DrugFlow產(chǎn)品的功能和特色。

鄧亞峰詳細介紹了DrugFlow背后的核心技術，并就關鍵技術指標與領域已有產(chǎn)品進行了詳細比較。

據(jù)悉，DrugFlow涵蓋靶標發(fā)現(xiàn)，苗頭化合物發(fā)現(xiàn)和先導化合物優(yōu)化等環(huán)節(jié)，集成了世界領先的靶標發(fā)現(xiàn)、活性預測、成藥性預測、分子生成優(yōu)化、虛擬篩選、AI建模等模塊，幫助藥化專家更高效便捷地找到潛在成藥分子。

DrugFlow努力打造覆蓋藥物研發(fā)完整流程的軟件平臺，具有“準確性高、原創(chuàng)可靠、易用性好、安全靈活”四大優(yōu)勢。其基于自動化硬件產(chǎn)生的數(shù)據(jù)迭代模型，并將專家融合到流程中，最終形成數(shù)據(jù)驅動人機協(xié)同的統(tǒng)一設計平臺，必將顯著提高藥物研發(fā)的確定性。

此次發(fā)布的DrugFlow1.0版本，主要發(fā)布了活性預測、成藥性預測、分子生成、AI建模四大功能。

在活性預測上，DrugFlow1.0包含重打分和對接兩個主要功能。

一方面，DrugFlow基于物理對接構象，提供了當前領域最優(yōu)的重打分函數(shù)RTMScore，能顯著提高虛擬篩選能力，幫助用戶更好地選擇分子。

另一方面，Inno-Docking模塊在集成物理對接模塊AutoDock Vina的基礎上，又集成了自研的AI 對接程序CarsiDock。CarsiDock完全基于AI建模，并且考慮了構象合理性，是一種全新方法。在公開的主流評測上，CarsiDock在預測誤差RMSD小于等于2?的條件下，第一次將準確率提高到90%以上，達到了91.2%。在RMSD小于等于1?條件下，CarsiDock比物理方法和其他AI方法成功率高出26%。此外，DrugFlow1.0還提供了完整的蛋白預處理、配體預處理、自動智能化設置對接參數(shù)能力。

在成藥性預測上，DrugFlow1.0提供了Inno-ADMET模塊。

該模塊支持17種物化性質、5種藥化性質、21種成藥性參數(shù)、27種毒性性質的系統(tǒng)性評價。目前該模塊提供兩種自主知識產(chǎn)權算法，一種是基于多圖神經(jīng)網(wǎng)絡的MGA方法，不僅可以輸出ADMET預測性質，還提供了性質與子結構關系的可解釋性，另外一種是基于預訓練Transformer的MERT方法，具有更高的預測準確率?？偟膩碚f，Inno-ADMET模塊具有“預測終點多且準確率高”、“速度快”、“可解釋性”的優(yōu)點。

在分子生成上，DrugFlow1.0既支持基于活性配體的分子生成方式(Ligand-based)，也支持基于蛋白口袋結構的分子生成方式(Pocket-based)。

一方面，Ligand-Based的分子生成方法是基于活性配體進行分子生成的全新藥物設計方法，提供了MCMG和RELATION兩種算法。其中MCMG是一種基于配體的多約束分子生成方法，通過知識蒸餾結合條件變換器和基于QSAR的強化學習算法來滿足多約束條件，可生成具有所需理化和藥理學特性的新分子。而RELATION則是基于蛋白口袋-配體復合物3D生成和雙向遷移學習結合的分子生成方法，能夠生成大量結構有效并且對蛋白具有一定親和力的化合物。

另一方面，Pocket-based的分子生成方法只需要提供蛋白蛋白口袋結構，比如這次發(fā)布的ResGen算法。它是一種基于蛋白口袋的3D分子生成算法，通過自回歸模型和多尺度建模技術，在保證生成分子多樣性的同時，生成具有較好結合親和力、且具有合理蛋白-配體結合姿勢的分子。該方法不僅適用于藥物從頭設計，還支持基于片段的分子生成。

在AI建模上，DrugFlow1.0針對用戶希望基于自有數(shù)據(jù)進行AI建模的需求，提供了AI Modelling模塊。

該模塊提供數(shù)據(jù)預處理、數(shù)據(jù)批分、計算描述符定義、機器學習算法建模等功能，用戶只需在網(wǎng)頁輸入數(shù)據(jù)、做好參數(shù)設置，就可以建立自有的AI模型。為了提高建模效果，系統(tǒng)還采用了AutoML做參數(shù)和模型選擇，并支持Transformer和GNN預訓練技術，相比傳統(tǒng)機器學習算法，可顯著提高模型精度。此外，在結果頁面，AI Modelling還提供了完整的模型評估指標，并對模型表現(xiàn)作出相應解釋。

除了以上模塊外，DrugFlow1.0還提供了一些易用小工具，比如AI解核磁譜工具——NMR Parsing。

它為藥化專家合成工作中最常見的解譜場景量身打造，基于CReSS和CMGNet兩種AI檢索和生成算法來解析未知化合物的結構，用戶只需要輸入碳譜的化學位移值，就可以快速解析分子結構，大大提高解譜效率。

鄧亞峰表示，DrugFlow1.0產(chǎn)品不僅在分子生成、AI自動化建模等功能上獨具一格，而且在對接和重打分以及成藥性預測等傳統(tǒng)功能上，具有世界領先的技術能力。成立僅半年多，團隊就在Nature Communication、核酸研究以及藥物化學期刊等領域頂級刊物上發(fā)表了十多篇文章，證明了團隊的技術實力。

隨后，鄧亞峰就AIDD的技術發(fā)展和公司規(guī)劃作出展望。

他表示，目前在新藥研發(fā)領域踏踏實實做自主知識產(chǎn)權國產(chǎn)化軟件的團隊并不多，碳硅智慧團隊既具有這樣的實力，也具有強烈的使命感。

“碳硅智慧愿做創(chuàng)新藥研發(fā)領域的賦能者，在推出藥物發(fā)現(xiàn)SaaS平臺DrugFlow的同時，基于最先進的AIDD技術和自動化解決方案，愿與戰(zhàn)略合作伙伴一起攜手針對重點管線進行合作研發(fā)?！睋?jù)悉，目前碳硅智慧已在小分子、AAV設計等領域達成重要戰(zhàn)略合作。

最后，鄧亞峰表示，我們已經(jīng)看到了AI在分子生成、對接、重打分等方面的突破，隨著預訓練模型、AIGC、強化學習等新AI技術在領域的落地，未來AIDD技術的演進會更快。今天DrugFlow的發(fā)布，僅僅是一個開始，我們未來一定會迎來一個AI驅動的生命科學時代。

何浩

在產(chǎn)品發(fā)布之后，碳硅智慧商務拓展副總裁何浩介紹了“星火行動。

DrugFlow 高校支持計劃”，該計劃針對現(xiàn)有軟件使用成本高、不易用、不適合教學等問題，旨在為高校老師同學提供技術先進、易用且優(yōu)惠的國產(chǎn)AIDD軟件，且貼心地支持教學場景，希望以此推動AIDD軟件在高校的普及，為中國培養(yǎng)更多AIDD人才。

目前，已有北京大學、浙江大學、四川大學、中山大學、吉林大學、南開大學、暨南大學、中國藥科大學、澳門科技大學、中科院深圳先進技術研究院、廣州國家實驗室等十余所知名院校加入了星火行動，并給予了積極評價。

在發(fā)布會的最后，進行了戰(zhàn)略合作伙伴簽約儀式。

由碳硅智慧CEO鄧亞峰和石藥集團上海翊石醫(yī)藥科技有限公司總經(jīng)理宋云龍進行了戰(zhàn)略合作簽約。

在簽約儀式上，宋云龍總經(jīng)理表示：上海翊石作為石藥集團全資子公司，一直致力于小分子創(chuàng)新藥的研發(fā)，碳硅智慧團隊在AIDD領域具有深厚積累，DrugFlow產(chǎn)品技術領先，此次和碳硅智慧合作，希望能充分發(fā)揮雙方優(yōu)勢，尤其是DrugFlow1.0在早期分子設計上的優(yōu)勢，期待合作成果早日落地。

AI如何驅動藥物研發(fā)？

發(fā)布會后，AI驅動新藥研發(fā)進展與挑戰(zhàn)研討會正式舉行。

侯廷軍

浙江大學藥學院教授，碳硅智慧首席科學家侯廷軍，以《基于 Al 的藥物發(fā)現(xiàn)：機遇與挑戰(zhàn)》為題做了分享。

侯廷軍認為，當下創(chuàng)新藥物發(fā)現(xiàn)亟待變革性新模式，創(chuàng)新藥物研發(fā)周期長、投入高、風險大且源頭創(chuàng)新不足，缺乏先導結構發(fā)現(xiàn)的關鍵技術等問題。

而AI技術已經(jīng)應用于藥物研發(fā)的多個環(huán)節(jié)，人工智能技術推動了CADD方法的發(fā)展。深度學習模型的出現(xiàn)，加之硬件和數(shù)據(jù)的進步，使得訓練能建模復雜非線性問題的模型成為可能。

此外，侯廷軍還認為AI制藥面臨三大挑戰(zhàn)，

挑戰(zhàn)一: 新一代AI技術對性質預測并未表現(xiàn)壓倒性的優(yōu)勢，要如何有效提升基于AI的性質預測方法的預測能力?

挑戰(zhàn)二: 基于AI的打分函數(shù)在虛擬篩選中表現(xiàn)不佳 ，如何有效提升基于AI的打分函數(shù)在虛擬篩選中的預測能力?

挑戰(zhàn)三: 關鍵成藥性參數(shù)和毒性終點預測精度較低，如何有效提升關鍵成藥性參數(shù)和毒性終點的預測精度?

唐赟

隨后，華東理工大學藥學院唐赟教授，以《基于網(wǎng)絡的虛擬篩選方法》為題做了分享。

唐教授認為，傳統(tǒng)的基于結構虛擬篩選和基于配體虛擬篩選方法，過去20多年來在先導化合物發(fā)現(xiàn)方面已有許多成功的應用。但是這些方法也有一些局限性，而目前大概只有八分之一的靶標具有已知的三維結構，使得基于結構的虛擬篩選方法對大部分靶標還無法應用；為了對那些沒有三維結構的靶標也能使用虛擬篩選方法進行藥物發(fā)現(xiàn)，必須發(fā)展新的方法。

發(fā)展基于網(wǎng)絡的虛擬篩選方法，不需要已知靶標的三維結構和負樣本，從而大大擴展了可進行虛擬篩選的靶標數(shù)量。

劉振明

北京大學藥學院劉振明教授，關于《創(chuàng)新藥的新機-新技術驅動的候選藥物研發(fā)》，分享了他的看法。

劉教授看來，AIDD/CADD是生物醫(yī)藥研究的世界潮流和發(fā)展趨勢，如何應對和破解創(chuàng)新藥研發(fā)的困境，在我們的對外合作過程中，已經(jīng)很高興的看到中國的一些創(chuàng)新藥企業(yè)開始關注前端研發(fā)，愿意和中國的高等院校一起去做這些之前認為價值低的事情。

AIDD的最終目標是品種交付，劉振明教授認為，更為明智的選擇是遵循和賦能候選藥物的發(fā)現(xiàn)流程，在某幾個環(huán)節(jié)去提升新藥研發(fā)的效率。

研討會進入尾聲，一場主題為《AIDD 的未來和挑戰(zhàn)》的圓桌論壇順利進行。

圓桌論壇由碳硅智慧首席運營官施慧主持，浙江大學藥學院教授，碳硅智慧合伙人謝昌諭、廣州國家實驗室研究員陳紅明、四川大學楊勝勇教授、中國科學院上海藥物研究所鄭明月教授、中南大學藥學院教授，碳硅智慧首席算法科學家曹東升、中國醫(yī)學科學院藥物研究所汪小澗教授、上海和譽生物醫(yī)藥科技有限公司聯(lián)合創(chuàng)始人，生物學SVP陳椎、羅氏中國創(chuàng)新中心AIDD負責人林翼共同參與討論。后續(xù)，雷峰網(wǎng)&《醫(yī)健AI掘金志》將推出詳細報道。

雷峰網(wǎng)(公眾號：雷峰網(wǎng))

雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉載。詳情見轉載須知。