“我們不會(huì)去做CRO或自研管線，華為云的優(yōu)勢(shì)在云、大數(shù)據(jù)和AI這些軟件領(lǐng)域，不可能像創(chuàng)業(yè)公司一樣招聘很多生物醫(yī)藥背景的人做Biotech，我們也沒有這樣的基因?！?br/>

“IT領(lǐng)域面向醫(yī)療行業(yè)的產(chǎn)品和解決方案非常少，沒有很好的產(chǎn)品或工具能夠系統(tǒng)地解決醫(yī)療行業(yè)中存在的問題。醫(yī)療是一個(gè)非常細(xì)分且瑣碎的行業(yè)，做起來又特別難，科技公司在這個(gè)領(lǐng)域的投入是不夠的?！?br/>

近日，雷峰網(wǎng)《醫(yī)健AI掘金志》推出《AI制藥十人談》系列，探究AI制藥的前景與隱憂。

華為云醫(yī)療產(chǎn)品總監(jiān)，醫(yī)療首席科學(xué)家喬楠博士在與《醫(yī)健AI掘金志》的對(duì)話中，談到了他對(duì)醫(yī)療行業(yè)產(chǎn)品與服務(wù)情況的觀察。

喬楠是AI制藥領(lǐng)域中少有的具有綜合背景的研究者，2013年博士畢業(yè)于中國(guó)科學(xué)院后，喬楠進(jìn)入諾華制藥，從事生物信息學(xué)分析工作，參與抗癌藥物的研發(fā)。在諾華制藥工作期間，還曾獲得諾華團(tuán)隊(duì)合作獎(jiǎng)和諾華優(yōu)選獎(jiǎng)。

2015年喬楠加入埃森哲并領(lǐng)導(dǎo)成立了埃森哲中國(guó)AILab，為不同行業(yè)提供的客戶提供產(chǎn)品和解決方案。在埃森哲工作期間，喬楠發(fā)現(xiàn)，IT領(lǐng)域面向醫(yī)療行業(yè)的產(chǎn)品和解決方案還不夠豐富，這一領(lǐng)域仍有待大力發(fā)掘。

2018年，華為公開發(fā)布全棧全場(chǎng)景AI框架，搭建起了建設(shè)AI To B業(yè)務(wù)的重要基礎(chǔ)，喬楠決定加入華為，重新回到制藥行業(yè)。

在埃森哲的工作經(jīng)驗(yàn)，讓喬楠更加了解不同行業(yè)之間的壁壘，熟練掌握如何使用數(shù)據(jù)庫(kù)、AI等前沿技術(shù)解決行業(yè)難題。

加入華為云后，喬楠面臨的首要任務(wù)就是打造一個(gè)面向醫(yī)療行業(yè)的AI研發(fā)平臺(tái)，喬楠和團(tuán)隊(duì)選定基因組、藥物研發(fā)和臨床研究三個(gè)方向作為重點(diǎn)，構(gòu)建起面向醫(yī)療行業(yè)的AI和大數(shù)據(jù)能力。

依托于華為云自主研發(fā)的盤古藥物分子大模型，聯(lián)合中科院上海藥物研究所的蔣華良院士、北京大學(xué)的高毅勤教授等業(yè)內(nèi)專家，醫(yī)療團(tuán)隊(duì)打造了制藥行業(yè)的EDA軟件：盤古輔助制藥平臺(tái)，為藥物研發(fā)機(jī)構(gòu)提供SaaS化軟件服務(wù)。

喬楠指出，藥物設(shè)計(jì)平臺(tái)的基礎(chǔ)建設(shè)不是一兩家企業(yè)獨(dú)自能夠完成的，只有國(guó)內(nèi)的科技企業(yè)與科研機(jī)構(gòu)一起發(fā)力，持續(xù)打造出自己的軟件生態(tài)，才能避免被國(guó)外“卡脖子”。

以下為《醫(yī)健AI掘金志》與喬楠的對(duì)話內(nèi)容，《醫(yī)健AI掘金志》做了不改變?cè)獾木庉嬇c整理。

《醫(yī)健AI掘金志》：您博士畢業(yè)于中國(guó)科學(xué)院生物信息學(xué)專業(yè)，當(dāng)時(shí)的研究方向是什么？什么時(shí)候開始接觸藥物研發(fā)？

喬楠：我本科學(xué)的是自動(dòng)化，后來轉(zhuǎn)到生物技術(shù)專業(yè)，博士期間選擇了生物信息學(xué)，師從分子系統(tǒng)生物學(xué)專家韓敬東教授。

生物信息學(xué)本身是一個(gè)交叉學(xué)科，我們需要把生物學(xué)、數(shù)學(xué)、計(jì)算機(jī)、物理、化學(xué)等等很多領(lǐng)域的知識(shí)整合起來，運(yùn)用在生物醫(yī)學(xué)領(lǐng)域的數(shù)據(jù)分析中，構(gòu)建機(jī)器學(xué)習(xí)的模型或深度學(xué)習(xí)模型，用來驗(yàn)證科學(xué)家提出的生物學(xué)假設(shè)。

研究的內(nèi)容上，我做的比較雜，比如通過文本挖掘，分析文獻(xiàn)中基因的信息；通過分析蛋白質(zhì)相互作用網(wǎng)絡(luò)的數(shù)據(jù)，尋找潛在藥物的靶點(diǎn)；還有針對(duì)基因組數(shù)據(jù)的各種分析和建模，博士期間的一個(gè)工作就是分析 家蠶被病毒侵染之后基因表達(dá)量的變化。

另一個(gè)比較有意思的工作叫做“WormFarm”。 Worm就是是線蟲，是一種常用的模式生物 ，F(xiàn)arm是農(nóng)場(chǎng)，代表我們實(shí)驗(yàn)室研發(fā)的一種微流控芯片。

我們?cè)谥讣咨w大小的微流控芯片上刻 8 個(gè)小槽，將很小的線蟲養(yǎng)在其中，每天喂食營(yíng)養(yǎng)液，讓它們?cè)谛酒锷L(zhǎng)，通過設(shè)計(jì)各種實(shí)驗(yàn)觀察線蟲的表型，比如對(duì)線蟲的基因進(jìn)行敲除之后觀察線蟲的生存時(shí)間，通過這些觀察建立起長(zhǎng)壽與基因相關(guān)的模型，尋找長(zhǎng)壽基因與藥物靶點(diǎn)。

《醫(yī)健AI掘金志》：博士畢業(yè)后，您曾在諾華制藥工作過一段時(shí)間，您在這一階段專注于哪些研究工作？那一時(shí)期AI制藥技術(shù)的發(fā)展情況如何？

喬楠：讀博期間，我做了很多科研數(shù)據(jù)分析，畢業(yè)之后希望能夠進(jìn)入具體的行業(yè)中，看看大家如何用機(jī)器學(xué)習(xí)、數(shù)據(jù)分析這些技術(shù)解決業(yè)務(wù)問題，于是加入了諾華制藥在張江藥谷建立的研究所。

進(jìn)入諾華制藥后，我主要從事生物信息學(xué)分析工作，分析病人樣本、動(dòng)物模型、細(xì)胞系等不同維度的多組學(xué)數(shù)據(jù)。通過對(duì)多組學(xué)數(shù)據(jù)的分析，找到可能的生物標(biāo)記物或潛在的藥物靶點(diǎn)。同時(shí)也對(duì)實(shí)驗(yàn)團(tuán)隊(duì)的數(shù)據(jù)進(jìn)行分析和建模，指導(dǎo)他們做早期的藥物發(fā)現(xiàn)。

我在諾華制藥工作期間，深度學(xué)習(xí)才興起不久，ImageNet等相關(guān)工作才剛剛發(fā)表，藥物設(shè)計(jì)還處于CADD階段（計(jì)算機(jī)輔助藥物設(shè)計(jì)），藥企開始使用計(jì)算機(jī)軟件和算法對(duì)藥物進(jìn)行輔助設(shè)計(jì)和計(jì)算模擬優(yōu)化，如今興起的AIDD，也是起源于CADD，對(duì)于CADD的一些問題，AI的算法可以做到更好。

《醫(yī)健AI掘金志》：您為什么選擇加入華為云，擔(dān)任醫(yī)療產(chǎn)品總監(jiān)及醫(yī)療首席科學(xué)家？加入華為云后您帶領(lǐng)醫(yī)療團(tuán)隊(duì)進(jìn)行了哪些工作？

喬楠：在諾華制藥工作習(xí)慣后，我發(fā)現(xiàn)日常進(jìn)行的大多是重復(fù)性的工作，我想要看一看在更多的行業(yè)中大家如何借助機(jī)器學(xué)習(xí)處理相關(guān)業(yè)務(wù)，于是在2015年，我加入埃森哲，擔(dān)任埃森哲中國(guó)首席數(shù)據(jù)科學(xué)家，并領(lǐng)導(dǎo)成立了埃森哲中國(guó)AILab，面向不同行業(yè)的客戶提供AI產(chǎn)品和解決方案。

在這個(gè)過程中，我發(fā)現(xiàn)IT領(lǐng)域面向醫(yī)療行業(yè)的產(chǎn)品和解決方案非常少，沒有很好的產(chǎn)品或工具能夠系統(tǒng)地解決醫(yī)療行業(yè)中存在的問題。醫(yī)療是一個(gè)非常細(xì)分且瑣碎的行業(yè)，做起來又特別難，科技公司在這個(gè)領(lǐng)域的投入是不夠的。

另一方面，2018年，華為的輪值董事長(zhǎng)徐直軍發(fā)布了全棧全場(chǎng)景的AI框架，這是建設(shè)AI ToB業(yè)務(wù)的重要基礎(chǔ)，一個(gè)企業(yè)如果想要從頭構(gòu)建AI 平臺(tái)，就必須要有一套全棧全場(chǎng)景的AI平臺(tái)和解決方案。

在2018年，全球只有谷歌一家公司有這樣的全棧全場(chǎng)景能力，先后發(fā)布過Tensorflow、TPU、Google Cloud等產(chǎn)品和平臺(tái)。

當(dāng)我看到華為發(fā)布了完全國(guó)產(chǎn)的全棧全場(chǎng)景AI框架時(shí)，覺得這是一個(gè)非常有前瞻性、非常重要工作，于是決定加入華為云，重新回到醫(yī)療行業(yè)。

在埃森哲的工作經(jīng)歷對(duì)我回到醫(yī)療行業(yè)后的工作幫助很大，讓我了解了不同行業(yè)之間的壁壘，如何使用數(shù)據(jù)庫(kù)、AI等前沿技術(shù)解決行業(yè)難題，將不同的技能串聯(lián)起來，這是很多生物醫(yī)藥背景出身的從業(yè)者缺乏的能力。

我加入華為之后，首要的任務(wù)是打造一個(gè)面向醫(yī)療行業(yè)的AI研發(fā)平臺(tái)。

對(duì)于任何企業(yè)來說這都是一個(gè)難題，大部分傳統(tǒng)行業(yè)的公司缺乏云、大數(shù)據(jù)、AI背景的人才，很難快速地構(gòu)建起一個(gè)AI研發(fā)平臺(tái)，沒有AI研發(fā)平臺(tái)公司就很難快速進(jìn)行研發(fā)創(chuàng)新。

所以，我們希望實(shí)現(xiàn)的效果是，用戶只要在云平臺(tái)上創(chuàng)建一個(gè)賬號(hào)，訂閱相關(guān)的服務(wù)，就能夠借助平臺(tái)的支持進(jìn)行AI 研發(fā)工作。

醫(yī)療行業(yè)的細(xì)分領(lǐng)域非常多，華為云究竟要構(gòu)建什么樣的平臺(tái)？這也是一個(gè)很緊要的問題。

我們對(duì)醫(yī)療行業(yè)進(jìn)行了系統(tǒng)的分析和洞察，最終決定選擇三個(gè)方向作為工作的重點(diǎn)，基因組、藥物研發(fā)和臨床研究。

圍繞著這三個(gè)方向，我們構(gòu)建起基礎(chǔ)的AI和大數(shù)據(jù)能力，同時(shí)，聯(lián)合華為云的技術(shù)合作伙伴，高校和中科院研究所共同研發(fā)，開發(fā)了這些領(lǐng)域中核心的技術(shù)和算法，將其產(chǎn)品化后放到平臺(tái)上，供醫(yī)療行業(yè)的研發(fā)人員使用。

在一次研討中，中科院上海藥物研究所的蔣華良院士，北京大學(xué)的來魯華教授、高毅勤教授、李洪林教授等業(yè)內(nèi)專家，提到大家在藥物研發(fā)領(lǐng)域涉及到的物理化學(xué)、量子力學(xué)、量子化學(xué)、結(jié)構(gòu)生物學(xué)等諸多基礎(chǔ)學(xué)科中分別有各自擅長(zhǎng)的方向，但教授們開發(fā)的算法或工具，往往幾年后就不再進(jìn)行維護(hù)了，缺少連續(xù)性。

我們希望和這些教授合作起來，打造出一套完全自主可控的AI 輔助藥物設(shè)計(jì)平臺(tái)。

《醫(yī)健AI掘金志》：SaaS、AI CRO與AI Biotech，是AI制藥領(lǐng)域的三種主要商業(yè)模式，華為云在打造AI輔助藥物設(shè)計(jì)服務(wù)平臺(tái)時(shí)，是如何在這三者中進(jìn)行選擇的？

喬楠：華為云提供的是SaaS化的軟件服務(wù)，企業(yè)注冊(cè)賬號(hào)后，開通相關(guān)服務(wù)即可使用。我們的盤古輔助藥物設(shè)計(jì)平臺(tái)是依托華為云平臺(tái)打造的，華為云主要為企業(yè)提供IT數(shù)字化和智能化的服務(wù)，旗下的研發(fā)人員多為算法工程師、軟件工程師，軟件和算法是我們的優(yōu)勢(shì)，平臺(tái)本身的定位就是藥物設(shè)計(jì)軟件，通過SaaS化的方式向藥物研發(fā)機(jī)構(gòu)提供服務(wù)。

我們不會(huì)去做CRO或自研管線，華為云的優(yōu)勢(shì)在云、大數(shù)據(jù)和AI這些軟件領(lǐng)域，不可能像創(chuàng)業(yè)公司一樣招聘很多生物醫(yī)藥背景的人做Biotech，我們也沒有這樣的基因。

《醫(yī)健AI掘金志》：盤古藥物分子大模型能夠賦能新藥研發(fā)流程中的哪些工作？

喬楠：我們的AI輔助藥物研發(fā)平臺(tái)能夠覆蓋藥物設(shè)計(jì)的全流程，為靶點(diǎn)發(fā)現(xiàn)、藥物篩選、分子優(yōu)化三個(gè)環(huán)節(jié)提供強(qiáng)力支撐。

在靶點(diǎn)發(fā)現(xiàn)環(huán)節(jié)，2019年以來，我們針對(duì)基因數(shù)據(jù)、基因多組學(xué)數(shù)據(jù)、基因調(diào)控網(wǎng)絡(luò)數(shù)據(jù)陸續(xù)發(fā)布了三個(gè)算法：AutoGenome、AutoOmics、AutoGGN，通過從細(xì)胞系、動(dòng)物模型、病人身體組織中測(cè)到的多組學(xué)數(shù)據(jù)進(jìn)行AI建模，為生物標(biāo)記物發(fā)現(xiàn)和靶點(diǎn)發(fā)現(xiàn)等相關(guān)問題提供依據(jù)。

我們聯(lián)合北京大學(xué)高毅勤教授團(tuán)隊(duì)開發(fā)的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)算法MEGA-Protein，可以根據(jù)已有的蛋白質(zhì)序列出蛋白質(zhì)的三維結(jié)構(gòu)；

獲取蛋白質(zhì)三維結(jié)構(gòu)以后，下一個(gè)任務(wù)就是基于元?jiǎng)恿W(xué)進(jìn)行靶點(diǎn)發(fā)現(xiàn)與構(gòu)象搜索，找到靶點(diǎn)與配體的可能的結(jié)合位置；

我們從軟件和硬件層次對(duì)分子動(dòng)力學(xué)模擬工具進(jìn)行了大幅提升，使計(jì)算時(shí)間得以縮短。

在藥物篩選環(huán)節(jié)，我們打造了一個(gè)獨(dú)有的小分子庫(kù)生成功能，基于盤古藥物分子大模型，從模型學(xué)習(xí)到的類藥化學(xué)空間中均衡采樣，生成新穎且類藥性質(zhì)更優(yōu)的化合物分子庫(kù)，幫助加速藥物篩選過程。

獲得新穎的小分子庫(kù)后，可以進(jìn)行小分子藥物虛擬篩選，這也是CADD中最典型的一個(gè)功能，除小分子外，平臺(tái)同樣支持多肽分子的虛擬篩選。

在分子優(yōu)化環(huán)節(jié)，分子搜索功能基于華為云盤古藥物分子大模型的小分子化合物表征，以使用者輸入的參考化合物結(jié)構(gòu)為起點(diǎn)，從海量的小分子庫(kù)中搜索到相似結(jié)構(gòu)和排序，可以實(shí)現(xiàn)百億級(jí)小分子的秒級(jí)搜索。

分子屬性預(yù)測(cè)也是藥物研發(fā)中的重要一環(huán)，藥物分子設(shè)計(jì)完成后，不經(jīng)過實(shí)驗(yàn)驗(yàn)證就無法了解化合物的性質(zhì)。盤古藥物分子大模型能夠預(yù)測(cè)化合物的ADMET/PKPD相關(guān)的80多種成藥性質(zhì)，給出預(yù)測(cè)值與置信度。

分子優(yōu)化功能是AI輔助藥物設(shè)計(jì)中最核心的功能，不論是創(chuàng)新藥還是Me-too、Me-better，都要基于前期的分子進(jìn)行改造。使用者在平臺(tái)中輸入一個(gè)分子，指定其結(jié)合口袋、分子屬性、分子結(jié)構(gòu)等，即可對(duì)分子進(jìn)行定向優(yōu)化，我們支持針對(duì)70余種分子屬性的多目標(biāo)優(yōu)化。

《醫(yī)健AI掘金志》：數(shù)據(jù)問題一直是AI制藥領(lǐng)域的痛點(diǎn)，已經(jīng)成為目前制約AI藥物研發(fā)的重要因素之一。華為云為獲取和積累藥物數(shù)據(jù)做了哪些工作？AI制藥應(yīng)如何打破數(shù)據(jù)孤島？

喬楠：華為云盤古藥物分子大模型共學(xué)習(xí)了17億個(gè)小分子的化學(xué)結(jié)構(gòu)。

在藥物設(shè)計(jì)領(lǐng)域，尤其是小分子領(lǐng)域，學(xué)術(shù)界有很多開源的數(shù)據(jù)庫(kù)可以使用，我們收集的17億個(gè)小分子化合物全部源于開源信息，我們聯(lián)合中科院上海藥物研究所蔣華良院士團(tuán)隊(duì)共同完成了盤古藥物分子大模型的訓(xùn)練。

在訓(xùn)練盤古藥物分子大模型時(shí)，我們采用了無監(jiān)督學(xué)習(xí)的方法，只需要化合物的信息，不需要實(shí)驗(yàn)數(shù)據(jù)。在學(xué)習(xí)了這17億個(gè)小分子化合物后，已經(jīng)能夠讓大模型比較好地學(xué)習(xí)到小分子化合物隱含的表征空間。

另一方面，藥物設(shè)計(jì)是一個(gè)非常微觀的過程，小分子化合物、蛋白等都是微觀層次下的結(jié)構(gòu)和狀態(tài)。我們可以借助分子動(dòng)力學(xué)模擬等軟件和工具，通過計(jì)算和模擬的方法去產(chǎn)生大量的數(shù)據(jù)，這些數(shù)據(jù)也可以應(yīng)用到大模型的訓(xùn)練之中。

實(shí)驗(yàn)數(shù)據(jù)是藥企的重要資產(chǎn)，一般無法輕易獲取，數(shù)據(jù)共享是一個(gè)很難的問題，近年來業(yè)內(nèi)在藥物數(shù)據(jù)共享上做了很多工作，但收效甚微，短期內(nèi)這一問題都難以解決。

我們能做的就是將盤古藥物分子大模型開放給藥企，讓藥企可以基于自己的數(shù)據(jù)再加上盤古藥物分子大模型調(diào)優(yōu)自己的模型，用于藥物管線的分子設(shè)計(jì)與優(yōu)化。

當(dāng)藥企的研發(fā)工作結(jié)束，不再使用這個(gè)平臺(tái)，就可以將自己的數(shù)據(jù)和模型完全刪除，避免泄露。

《醫(yī)健AI掘金志》：隨著AI制藥技術(shù)的不斷成熟，近年來業(yè)內(nèi)涌現(xiàn)了一批AI制藥初創(chuàng)企業(yè)，互聯(lián)網(wǎng)、科技巨頭在該領(lǐng)域也多有布局。在眾多競(jìng)爭(zhēng)者之中，盤古藥物分子大模型有哪些差異化優(yōu)勢(shì)？

喬楠：我們希望國(guó)內(nèi)的科技公司、初創(chuàng)企業(yè)不斷在AI制藥這一領(lǐng)域加大投入，雖然中國(guó)的AI制藥行業(yè)發(fā)展得很好，但目前行業(yè)內(nèi)處于最尖端的仍是歐美國(guó)家。這個(gè)領(lǐng)域本身就具有很高的難度，只有大家都投入進(jìn)來，才能讓中國(guó)吃到這一波紅利。

華為在云、大數(shù)據(jù)和AI領(lǐng)域有很深的基礎(chǔ)，我們具備建設(shè)基礎(chǔ)平臺(tái)的能力，同時(shí)也具備一些核心的技術(shù)優(yōu)勢(shì)，比如華為云自主提出了一套全新的深度學(xué)習(xí)架構(gòu)，這是我們專門針對(duì)小分子化合物的性質(zhì)設(shè)計(jì)的一套架構(gòu)，能夠更好地學(xué)習(xí)小分子化合物的深度表征，是盤古藥物分子大模型的核心，決定了大模型的性能和效果。

此外，在AI輔助藥物設(shè)計(jì)平臺(tái)的產(chǎn)品設(shè)計(jì)上，我們每年會(huì)進(jìn)行數(shù)十次的迭代升級(jí)，不斷引入新的技術(shù)和方法，并且會(huì)吸收用戶提出的建議對(duì)產(chǎn)品進(jìn)行改進(jìn)和迭代。

《醫(yī)健AI掘金志》：針對(duì)國(guó)內(nèi)創(chuàng)新藥研發(fā)現(xiàn)狀，目前還是Fast Follow居多，或者是Me-too、Me-better，這種情況下最需要AI去解決什么問題？

以華為為代表的大型科技公司的入局，將如何推動(dòng)國(guó)內(nèi)創(chuàng)新藥的發(fā)展，優(yōu)化行業(yè)生態(tài)？下一步，華為云將在藥物研發(fā)領(lǐng)域進(jìn)行哪些新的布局？

喬楠：當(dāng)前國(guó)內(nèi)情況肯定是Me-too、Me-better更多，但是這不是個(gè)大問題，比如我們的分子優(yōu)化工具可以基于Fast Follow分子直接進(jìn)行改造優(yōu)化，如果優(yōu)化的結(jié)果更好，就是Me better藥物了。所以目前的重點(diǎn)是如何讓藥企的研發(fā)人員更快、更好地掌握AI工具的使用。

在藥物設(shè)計(jì)這個(gè)領(lǐng)域，國(guó)內(nèi)外的藥企如今應(yīng)用最多的還是國(guó)外的CADD軟件，如薛定諤、MOE等，我們希望中國(guó)的科技公司在領(lǐng)域內(nèi)不斷投入，構(gòu)建起國(guó)產(chǎn)的藥物設(shè)計(jì)平臺(tái)與生態(tài)。

這個(gè)過程中，必然會(huì)涉及到很多基礎(chǔ)能力建設(shè)，絕非是一兩家公司獨(dú)自就能夠解決的，只有國(guó)內(nèi)的科技公司、科研機(jī)構(gòu)等一起發(fā)力，打造出自己的軟件生態(tài)，才能夠不斷地升級(jí)迭代，優(yōu)化藥物設(shè)計(jì)各類工具，提升能力，避免被國(guó)外“卡脖子”。

創(chuàng)新藥研發(fā)的核心在于生物技術(shù)實(shí)驗(yàn)的驗(yàn)證，而AI和BT的融合將會(huì)起到1+1大于2的效果，下一階段，我們將會(huì)進(jìn)一步推進(jìn)對(duì)AI+BT的融合的制藥平臺(tái)研究。同時(shí)，圍繞藥物設(shè)計(jì)軟件的更多領(lǐng)域進(jìn)行布局，希望能夠支持更多類型的藥物研發(fā)。

作為一個(gè)開放的平臺(tái)，我們也支持第三方工具通過華為云向藥企提供服務(wù)，做好產(chǎn)業(yè)鏈的協(xié)同發(fā)展，與下游伙伴更好地合作，共同推動(dòng)制藥產(chǎn)業(yè)的創(chuàng)新與變革。

《醫(yī)健AI掘金志》：盤古藥物分子大模型目前已經(jīng)支撐了多家藥企和科研院的商業(yè)服務(wù)或藥物管線開發(fā)合作，其中有哪些典型案例？

喬楠：我們聯(lián)合西安交通大學(xué)第一附屬醫(yī)院的劉冰教授團(tuán)隊(duì)發(fā)現(xiàn)了一款超級(jí)抗菌藥Drug X。

抗生素類藥物如今正面臨的一個(gè)很大的危機(jī)——抗生素耐藥性（AMR）。根據(jù)世界衛(wèi)生組織（WHO）的預(yù)測(cè)，到2050年，抗生素耐藥性將可能導(dǎo)致超過1000萬人死亡，超過癌癥導(dǎo)致的死亡人數(shù)。

有些藥物甚至在剛剛進(jìn)入臨床階段時(shí)，細(xì)菌就已對(duì)其產(chǎn)生了耐受。因此，找到能夠?qū)鼓退幘目股厥欠浅＞o要的任務(wù)。

劉冰教授借助華為云盤古藥物分子大模型的分子優(yōu)化能力，有效地提升了小分子化合物與目標(biāo)抗菌靶點(diǎn)蛋白的結(jié)合、降低與人體蛋白的結(jié)合，從而減弱了Drug X對(duì)人體正常細(xì)胞可能產(chǎn)生的毒副作用。

同時(shí)，Drug X的靶點(diǎn)特質(zhì)決定了細(xì)菌將難以對(duì)其產(chǎn)生耐藥性，這一發(fā)現(xiàn)對(duì)抗瘧（即瘧原蟲）藥物研發(fā)等多個(gè)領(lǐng)域有著重要的影響。Drug X可能會(huì)成為全球近40年來首個(gè)新靶點(diǎn)、新類別的抗生素。

目前，這款藥物正處于臨床前階段，已經(jīng)進(jìn)行動(dòng)物實(shí)驗(yàn)驗(yàn)證，在推進(jìn)IND申報(bào)中，并且已在國(guó)際范圍申請(qǐng)專利。

在人體器官芯片領(lǐng)域，我們與江蘇運(yùn)動(dòng)健康研究院院長(zhǎng)、東南大學(xué)生物科學(xué)與醫(yī)學(xué)工程學(xué)院院長(zhǎng)顧忠澤教授達(dá)成了合作。

顧忠澤教授團(tuán)隊(duì)是國(guó)內(nèi)最早一批開展人體器官芯片研究的團(tuán)隊(duì)，成功構(gòu)建了腫瘤、皮膚、心臟、血管等多種器官芯片，在部分研究領(lǐng)域中領(lǐng)先于國(guó)際水平。

2022年12月底，F(xiàn)DA不再要求人體臨床試驗(yàn)前必須進(jìn)行動(dòng)物實(shí)驗(yàn)，人體器官芯片將成為變革性的動(dòng)物和臨床替代實(shí)驗(yàn)技術(shù)。

顧忠澤教授將盤古藥物分子大模型與器官芯片進(jìn)行了融合，利用盤古藥物分子大模型打通干濕實(shí)驗(yàn)循環(huán)，通過器官芯片獲取更加精準(zhǔn)的實(shí)驗(yàn)數(shù)據(jù)，從而提升臨床試驗(yàn)的成功率。

在中樞神經(jīng)系統(tǒng)創(chuàng)新藥物的研發(fā)上，蘇州旺山旺水生物醫(yī)藥股份有限公司利用盤古輔助制藥平臺(tái)取得了很好的進(jìn)展。

中樞神經(jīng)系統(tǒng)的不可再生性是藥物研發(fā)中面臨的一大難題，此外，中樞神經(jīng)系統(tǒng)相關(guān)疾病的病例機(jī)制復(fù)雜、病程過長(zhǎng)等特點(diǎn)，導(dǎo)致藥物實(shí)驗(yàn)的周期過長(zhǎng)。

為提升研發(fā)效率，旺山旺水公司借助我們的盤古輔助制藥平臺(tái)，覆蓋藥物研發(fā)干實(shí)驗(yàn)的三大核心環(huán)節(jié)，“靶點(diǎn)發(fā)現(xiàn)和藥效驗(yàn)證、化合物屬性預(yù)測(cè)、化合物分子優(yōu)化設(shè)計(jì)”，使藥物設(shè)計(jì)效率提升了3倍，為分子設(shè)計(jì)實(shí)驗(yàn)節(jié)省了60%以上的時(shí)間、資金成本。

在這些的合作過程中，我們對(duì)BT與AI深度融合的理解逐漸加深，同時(shí)客戶也為我們提出了產(chǎn)品改進(jìn)的建議，我們進(jìn)行評(píng)估后，及時(shí)更新到產(chǎn)品的迭代中，進(jìn)一步完善AI輔助藥物設(shè)計(jì)平臺(tái)。

《醫(yī)健AI掘金志》：AI制藥技術(shù)可將先導(dǎo)藥物研發(fā)周期大幅縮短，雖然已經(jīng)有少數(shù)藥物進(jìn)入臨床階段，但到目前為止，AI驅(qū)動(dòng)研發(fā)的藥物仍然沒有一款成功獲批上市，AI技術(shù)研發(fā)的藥物距離上市還有多遠(yuǎn)？

喬楠：AIDD為藥物設(shè)計(jì)的效率和準(zhǔn)確性帶來了極大的提升，更重要的是使用起來非常方便，降低了藥物設(shè)計(jì)的門檻，即便是沒有化學(xué)背景的研發(fā)人員，經(jīng)過簡(jiǎn)單的培訓(xùn)后，都可以借助AI輔助藥物設(shè)計(jì)平臺(tái)來做藥物設(shè)計(jì)。

很多創(chuàng)業(yè)公司也已經(jīng)開發(fā)了AI輔助藥物設(shè)計(jì)的工具和算法，這些工具的效果和價(jià)值已經(jīng)經(jīng)過了驗(yàn)證。

藥物研發(fā)本身就有一定的周期，并且成功率一直都不算高，正常來說研發(fā)一款藥物的成功率只有10%，Al工具一定程度上能夠加速研發(fā)流程，提高成功率，但是距離AI輔助設(shè)計(jì)的藥物真正上市，還要再等一段時(shí)間。

如今這個(gè)行業(yè)需要解決的問題，一是對(duì)藥企的研發(fā)人員進(jìn)行培訓(xùn)，讓他們都能掌握借助AI工具進(jìn)行藥物設(shè)計(jì)的方法，提升藥物研發(fā)的效率。

關(guān)于GAIR全球人工智能與機(jī)器人大會(huì)

“全球人工智能與機(jī)器人大會(huì)”（GAIR）始于2016年雷峰網(wǎng)與中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）合作創(chuàng)立的CCF-GAIR大會(huì)，由鵬城實(shí)驗(yàn)室主任高文院士、香港中文大學(xué)（深圳）校長(zhǎng)徐揚(yáng)生院士、GAIR研究院創(chuàng)始人朱曉蕊、雷峰網(wǎng)創(chuàng)始人林軍等人聯(lián)合發(fā)起，旨在打造人工智能浪潮下，連接學(xué)術(shù)界、產(chǎn)業(yè)界、投資界的新平臺(tái)，而雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))“連接三界”的全新定位也在此大會(huì)上得以確立。歷屆大會(huì)邀請(qǐng)了多位圖靈獎(jiǎng)、諾貝爾獎(jiǎng)得主、40位院士、30位人工智能國(guó)際頂會(huì)主席、 100多位 Fellow，同時(shí)也有500多位知名企業(yè)領(lǐng)袖，是亞洲最具國(guó)際影響力的AI論壇之一。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。