<mark id="oztn4"></mark>
0
作為藥物發現階段的研究核心，先導結構的發現和優化往往需要花費數年時間，投入數億美元，長期被視為藥物研發的關鍵技術瓶頸。
從20世紀70年代以來，計算機輔助藥物設計（CADD）作為一個日趨完善的藥物發現手段，主要包括虛擬篩選和藥物從頭設計兩種策略，曾極大提升新藥設計和開發的效率。
“我們即將迎來生物醫學大爆發的時刻，但這一成果的取得，不僅取決于生物學家與醫學家的努力，甚至更大程度上取決于數學、物理學、化學、計算機技術等的發展以及與生物醫學的結合?！?/p>
“隨著AI技術的成熟，蛋白質、基因組學數據的積累，AI制藥平臺化勢必成為醫藥行業的一股革命性力量，從根本上改變傳統藥物設計試錯流程，未來AI大模型技術又將引發新的期待。”
近日，由雷峰網GAIR Live&《醫健AI掘金志》舉辦的《「人機協同」模式下的新藥研發》線上圓桌論壇落幕，五位具有投資、企業、藥物實驗、AI制藥背景的專家表達出這樣的愿景。
本次論壇，由浙江大學藥學院教授謝昌諭主持，北京大學藥學院研究員劉振明、騰訊醫療健康AIDD技術負責人劉偉、浙江工業大學智能制藥研究院院長段宏亮、清華大學智能產業研究院戰略發展與合作部主任張煜參與討論。
在上篇中，他們共同辨析了人機協同模式下的藥物研發歷程、近幾年AI制藥領域的算法和模型突破、以及與傳統藥物研發手段相比AIDD的優劣性。
在下篇中，則探討了我國創新藥研發的痛點、AI制藥的數據之困，以及新一輪AI浪潮下藥物研發的可能性。近期AI大模型爆火，歡迎添加作者微信（微信號：icedaguniang），互通有無。
“全球人工智能與機器人大會”（GAIR）始于2016年雷峰網與中國計算機學會（CCF）合作創立的CCF-GAIR大會，旨在打造人工智能浪潮下，連接學術界、產業界、投資界的新平臺，而雷峰網“連接三界”的全新定位也在此大會上得以確立。
經過幾年發展，GAIR大會已成為行業標桿，是目前為止粵港澳大灣區人工智能領域規模最大、規格最高、跨界最廣的學術、工業和投資領域盛會。
GAIR Live作為雷峰網旗下視頻直播品牌，旨在輸出新鮮、深度、原創的大咖訪談與對話內容，打造輻射產、學、研、投的特色線上平臺。
以下是主題論壇的現場內容，雷峰網(公眾號：雷峰網)《醫健AI掘金志》做了不改變原意的編輯和整理。
謝昌諭：人機協同模式下的新藥研發大概經歷了2-3個階段。
第一階段屬于計算機輔助藥物設計，也叫做Computer aided drug design（CADD），可以追溯到20世紀70年代。它是通過模擬和計算受體與配體的相互作用，進行先導化合物的優化與設計，應用場景有分子對接、虛擬篩選、自由能對接等。
所以這個階段基本上還是使用基于一些規則或統計方法，篩選已知的化合物庫，其中并沒有太多人機交互，更多是人來決定整個計算流程并執行，一步一步篩選藥物直到找到潛先導化合物。
值得一提的是，90年代前，中國藥物分子設計領域主要借鑒歐美的方法與軟件，后來經過863計劃、973計劃等推動，進入本世紀后涌現出不少自研的CADD軟件，諸如AlloDriver、Corrsite、SCORE、PharmMapper、DL-AOT等。
第二階段是用機器學習（ML）來做QSAR（Quantitative structure-activity relationship，定量構效關系 ），指使用數學模型來描述分子結構和分子的某種生物活性之間的關系，1980年代以來，3D-QSAR逐漸取代了2D-QSAR的地位，但機器學習用于新藥研發是90年代后期以來。
機器學習的擴展是深度學習（DL），后者巔峰時期可以追溯至2014年，最近十年來隨著可用化合物的活性和生物醫學數據量顯著增加，應用于藥物發現的DL研究層出不窮。
無論是ML還是DL，它們更多基于數據驅動，如果將篩選出來的分子配合濕實驗的驗證反饋，模型迭代速度更快，準確度也會更高。
實際上，這時候就產生了一定的人機互動。
第三階段或許可以視為如今AI大模型/GPT下的新藥研發。
現在我們看到AI大模型帶來的核心能力是In Context Learning，它的翻譯有好幾種--上下文學習、情景學習、提示學習，本質就是在實時訓練中學習。
這一階段的人機互動也更加明顯，也這可能是大家期待的一種藥物研發模式。盡管現在還處于萌芽階段，但我們在很多arXiv預印版論文上看到，已經有人積極探索如何把GPT等大型語言模型技術用到藥物研發以及相關的化學研究的環節當中，比如 Andrew White 教授提出的 ChemCrow 工具 (arXiv：2304.05376)和arXiv:2305.18090 ）等等。
劉振明：因為我本身在藥學院，我覺得“新藥研發”這個概念有點大，希望更多是圍繞自己比較熟悉的“藥物發現”做闡述。
大模型出現之前，前前后后經歷了三個階段，剛才謝老師已經講得很全面了，我做下補充。
第一階段，CADD。
當時計算機技術剛剛開始在化學和生物學領域中得到應用。隨著計算機性能和軟件算法不斷提高，CADD在藥物研究和開發中的應用越來越廣泛，比如動力學模擬模擬、計算和預測藥物與受體生物大分子之間的結合，設計和優化先導化合物的方法等等。
后來CADD可以根據藥物分子的結構，利用計算機輔助技術進行結構優化和模擬，預測藥物的生物活性、代謝途徑、毒副作用等。
第二階段，AIDD。
到了2015-2017年，隨著神經網絡深度模型的發展，有了另一個名字“AIDD”（AI輔助藥物設計）。很多人針對有限的數據、有限的目標去做訓練，發了不少文章。但圈內人認為廣義的CADD是包含AIDD的，AI也需要基于計算機去執行。當然狹義上講，CADD本質上是計算化學，AI的本質是通過數據去提取和學習，所以只要能產生標準化數據的地方就可以用AIDD。
第三，大模型時代。
這一階段正在發展中，人機交互的特性更明顯。可能除了藥學家，除了專門做計算化學的人，很多人都感覺做藥物的門檻變低了。即便不懂那么多的藥學知識，但可以通過不斷的交互也能“做藥”。這種交互模式帶來的巨大的應用場景最讓大家興奮，而且這種“社交性”的人機協作，讓它比CADD和AIDD看起來更親切。
劉偉：我從工作實踐中也提一些我的看法。人機協同這個提法我覺得非常好，強調了“協同”二字。
因為我們在過去幾年中有個發現，或者是業內一致看法：新藥研發不能只靠人來做實驗，同時也不能完全依賴于計算機來算，或者AI算法去找規律，需要人和AI相互協作。
至于發展階段，大的發展階段剛才兩位老師都提到了，就是從傳統的計算機輔助藥物設計（CADD），到基于統計學的QSAR模型，再到后來的深度學習。
深度學習階段也分好幾個小階段。最初是圖深度學習(Graph Deep Learning) ，顧名思義就是把各種藥物分子看作一個個graph，從圖結構的角度來對數據建模，研究其屬性和功能關系。
但這一方法也存在一些嚴重缺陷：高度的數據依賴性、over smoothing等問題。
隨后Transformer模型流行開來，很多藥物AI算法研究也從圖遷移到Transformer。當下的GPT系列模型，正是基于Transformer架構的大規模預訓練語言模型，通過在海量的文本數據上進行無監督學習，學習到文本的通用表示和生成能力，然后在不同的下游任務上進行微調。現在有研究證明不太需要微調，也可以用提示學習的方法提高垂類能力。
基于統計學的傳統QSAR方法的優勢也很明顯，有相對好的可解釋性，結構也比較簡單，相對于深度學習類的方法魯棒性更好，不容易過擬合。但通常它的上限比深度學習模型低，比如很多領域的SOTA還是深度學習做出來的。
所以在騰訊藥物研發工作中，既保留了傳統的QSAR類方法，又重點投入了Transformer模型，希望保證比較好的效果的前提下，也能夠獲得非常好的可解釋性。因為兩者是相輔相成的，不是簡單的對立關系，兩者配合才能發揮最大功效。
舉個例子，我們基于騰訊在算法、算力上的能力，將AI與物理、化學做了結合，這是團隊近年來新生長出來的能力。
我們認為，AI只靠數據驅動是不夠的、缺乏可解釋性，做出來的模型有時也會因為數據稀疏、分布漂移產生一些問題。如果能夠將物理、化學知識有效地輸入到AI算法模型中，模型能夠非常好地反映在化學、物理等底層的特征和規律，比如可以學習量子化學中的波函數、原子受力分析等。而且這種AI模型不僅過擬合風險更低，實際應用中也有非常好的可解釋性，這也是我們最近幾年重點發展的能力。
這套技術棧一直在藥物分子、有機化學小分子體系上做訓練，直到2022年底，我們用這套技術棧參加了Open Catalyst Challenge競賽（由Meta AI研究院和CMU聯合發起），獲得第一名，證明這個思路是可行的。
段宏亮：我是藥物化學出身，十幾年來都是從事新藥開發工作，和實驗打交道更多。后來到了AI時代，我開始做一些AI和制藥的融合工作。剛才幾位老師已經把新藥研發的發展階段說的很清晰了，都提到CADD到QSAR的轉變，我就從實驗視角做一些補充。
實際上，QSAR已經有點像現在的AI制藥了，都是數據驅動模型做活性預測，但QSAR的數據量相對較小，只需要幾十個、幾百個分子，但如今的AI大模型動輒千億參數，兩者對數據的需求明顯不在同一層級。
從我自身的經歷來看，AI是否真的幫到新藥研發，不是說僅僅跑一些標準數據集、提升幾個點的準確率、是否使用最新模型做一些深度學習的任務。我們更關心的是，這些方法是否真的有助于藥物化學家和藥學家的藥物研發項目進展。
所以圈內提出干濕實驗結合的觀點，希望實驗室里產出更多的實時數據，進一步迭代訓練模型；以及采用一些強化學習、小樣本學習，盡量彌補數據量不足的缺點。
如今非常多的科研人員倡導借力AI研發藥物，把數據看得極為重要，很大一部分原因是2020年底，AI程序AlphaFold2（DeepMind研發的深度神經網絡方法）在蛋白質結構預測大賽CASP14中，取得了幾乎媲美人工實驗的解析結果。這一現象級成就，迅速讓AI制藥進入到一個全新的發展階段。
應該說，在DeepMind把蛋白質結構預測任務做出來之前，整個新藥研發領域還停留在比較常規乏味的道路上。
但蛋白質結構預測這個問題被大部分解決了之后，很多人突然發現了新大陸，原來蛋白質結構這種非常玄妙的東西，幾乎可以通過計算的方式解決掉，與冷凍電鏡解析結果相媲美。
所以這短短兩年時間，幾乎是產生了一個全新的研究領域--AIDD（AI Drug Discovery & Design），大量的藥物學家，計算機AI人才進入這一領域。
大家自然認為，AI和大數據驅動下，跑出first in class新藥似乎是毋庸置疑的。這兩年時間里，我們看到了大量的非常可喜的成就，尤其在大分子藥物、多肽藥物、合成生物學等等跟蛋白結構相關的一些領域，無一例外呈現出全新發展態勢。
最關鍵的是，AlphaFold2的出現一定程度上解決了以前AI制藥中比較困惑的問題：數據問題。
正是由于結構生物學家們幾十年來采用冷凍電鏡等濕實驗方式獲得了十幾萬的蛋白質結構數據，使得訓練我們的深度學習AI模型成為了可能，并由AI從業人員在計算機上面驗證了這種可以同實驗學科相媲美的可能性。
AI技術對新藥研發的的幫助，理論上是全流程的幫助。從靶點發現到新藥上市，每個階段都能看得到AI制藥學者，或者是一些企業的介入，其中不乏在一些環節做得非常好。
比如晶型預測是藥物研發長流程中非常小的一個環節，有的公司就采用計算的方式將這個問題解決得非常好，它的計算結果跟實驗結果是相匹配的，得到了國外大型制藥公司的認可。
可見AI技術在某些藥物研發環節上的用處非常大。但這并不代表目前AI技術就能帶來藥物研發全流程、全系統的賦能，它可能在某些環節方面會率先突破，進而以點帶面擴展開來。
跟傳統的藥物研發相比，AI制藥的優勢更多是效率、成本的提升，以及觸及一些人類藥物研發工作者難以企及的新領域。
比如我們通過一些計算機模擬技術看到藥物分子內部的微觀世界。如果沒有人機協同，我們永遠不可能知道微觀世界中一個藥物分子是一種怎樣的構象，它跟蛋白靶點如何作用。通過計算機，我們可以相對準確地捕捉到原子和原子之間的相互作用力，從而更好地改造藥物開發的技術。
另外，對于數據量非常龐大的一些藥物開發場景，比如蛋白質組學、基因組學等，數據量動不動是幾十個T，這種級別的數據量對于人類來說基本上是無能為力的，無法用肉眼來分析和總結規律。計算機就可以把所有的數據中最核心的規律總結出來展現給藥學家，大大提高效率。
張煜：我們主要關注大分子藥物研發。尤其是這兩年我們也能夠感受到，AlphaFold2確實讓整個蛋白質結構解析領域發生了顛覆性的變化。由于蛋白質是幾乎所有藥物的主要靶點，了解蛋白質結構，是解決如何通過特定方式干預疾病表征的關鍵。
隨著AlphaFold2開源，一些生物技術公司現在正在使用它來協助開發藥物，尤其是一些原本致力于大分子藥物的研究更是加速進行。
這也說明了AI技術的一大好處--降低了從業門檻。比如說冷凍電鏡設備，不是每個大學或機構都有這樣的財力或物力，但AlphaFold2提供了強大的蛋白質預測和分析工具，讓很多從業者幾乎無條件地投入到這波創新浪潮中。
相對來講，大分子方面規律性更強，蛋白質有“序列決定結構，結構決定功能”的鏈路，反過來以后發現我們需要這樣一個功能，能不能把這個結構拿到，同時我們知道它是什么樣的序列生成出來的，也就是蛋白質設計。
所以，AI展現出極強的理解和生成能力， 使得它在在大分子方面的效果非常明顯。尤其是如今ChatGPT驗證了參數增長、訓練數據量增大，對AI模型的重要意義，AI大模型的確能讓大分子制藥領域取得突破性效果。
但小分子有自己的化學性質，以及數據是制約小分子藥物設計最大的瓶頸，不僅可靠數據非常少，還存在指標不統一、敏感數據難獲取等問題?；蛟S這一點，讓AI大模型在小分子制藥領域的效果沒那么顯著。
劉偉：AI對新藥的諸多流程都有幫助。
這幾年，我們把小分子和大分子都做了一遍。在騰訊的藥物AI平臺上，小分子這塊，從常見的ADMET評估，到苗頭化合物發現（hit），再到lead優化都有相應的AI算法工具支持。
在大分子這塊，最近兩年我們陸續開發了抗體結構預測、活性預測、人源化等技術模塊。幾乎覆蓋了大分子和小分子的整個臨床前研究環節。
相對傳統的藥物研發模式優勢有哪些？
剛才兩位老師也提到了，優勢是更快的速度，用更少的錢做更少的實驗。在這一塊我們體會也特別深，迭代速度快非常關鍵。
比如我們與某個藥企合作分析某系列化合物的心臟毒性（herg指標優化項目）。剛開始我們的數據比較少，經歷了幾次濕實驗后產生的數據，雖然不是很多，但是放進模型進行訓練后大幅度地提升了這一模型。在項目中后期階段，計算結果基本上與實驗結果相關性達95%以上，后來就不太需要去做實驗了，而是直接使用模型預測結果去做分析了。
實際上，藥企合作的初衷是希望通過AI的方法更快地做出藥物，更快上市，更快產生對患者的臨床價值。但按照以往的臨床前研究可能需要好幾年時間，現在最快幾個月就可以完成，效率上的優化非常明顯。
段宏亮：過去這些年，AI制藥領域很多算法基本跟隨AI技術而進步。
一、最開始的QSAR時代，我們更多是用機器學習，因為那時候數據量不是太大，機器學習足夠用，所以支持向量機（SVM）、神經網絡（NN）、隨機森林（RF）等已建立的方法，很長一段時間都被用于開發QSAR模型。
二、隨后，十年前以圖像識別領域的卷積神經網絡（CNN）為代表，開始了深度學習時代。相對而言，CNN在藥物研發上用得不多，因為CNN是二維的，藥物分子以三維為主，但無論如何，至少將深度學習概念引入藥物研發領域。
但深度學習真正和藥物研發密切結合，是將自然語言處理領域的深度學習技術引入藥物研發之后。因為藥物分子可以表示成一串SMILES代碼，跟自然語言非常相像，所以后來在藥物研發領域得到廣泛應用的的RNN和transformer等深度學習模型，都是承接了自然語言處理的技術流派。
現如今，藥物研發領域中遍布transformer-base的模型，比如BERT和GPT都是在transformer技術上發展起來的大模型。
此外，因為藥物原子等價于圖中節點，化合物的鍵等價于圖的邊，所以Graph-base的GCN（圖卷積）流行開來。這種方法的基本思想是學習節點(如藥物與藥物的相互作用)、邊(如藥物-藥物或藥物-疾病之間的關系或相互作用)、圖(如分子圖)的有效特征表示。
三、直到最近兩年，比較火的模型是對比學習、擴散模型等各種新的深度學習技術，在藥物研發里的應用非常多。
最近幾個月，大家一致認為在ChatGPT的推動下步入了大模型時代。但在學術界，比GPT更火的可能是BERT--谷歌推出的NLP大模型。
相對而言，因為蛋白藥物、多肽藥物具備更加龐大的數據量，比如PDB數據庫可以提供20萬左右的蛋白質三維結構數據量，可以訓練出不錯的大模型。目前蛋白結構預測模型還是以transformer-base模型為主。
比較可喜的地方在于，CADD等底層物理能量算法，正在將一些深度學習模型融合在一起。
比如David Baker課題組，他們一直在做RoseTTA系列，在做底層的物理能量計算，受AF2啟發正在將深度學習與物理能量算法融合在一起，開發出RosettaFold，也有RoseTTAFold Diffusion用于蛋白質生成設計。
這也證明，底層物理能量計算和完全基于數據驅動的兩個技術流可以相互結合。藥物研發領域的算法在不停融合，不停升級中。
當然模型的泛化能力一直是一個比較嚴重的問題。在一些論文中，針對某些靶點預測的小分子藥物數據集可以達到95%甚至99%的準確率。然而，一旦我們脫離這個特定的測試數據集，應用到新的藥物分子上面時，泛化能力會明顯削弱。
長此以往，導致我們在一個標準數據集上可以用很多很炫的算法，準確率刷到非常高，但過擬合問題卻難以解決。
這可能有待于我們藥學家、計算化學家以及AI專家進行深度融合，怎么把某個藥物研發問題徹底定義好，而不是說藥學的人在化學生物實驗室里做實驗，計算機的從業人員在在計算機實驗室里面訓練模型，各行其是。
劉偉：AI制藥領域的算法能力同樣來源于AI本身的一些算法，最近十年AI有三個重要的里程碑節點，分別為以AlphaGo為代表的強化學習技術的廣泛應用、以AlphaFold為代表的蛋白質結構預測技術、以及最近的預訓練AI大模型技術。
在強化學習方面，2020年左右，我們利用強化學習和VAE做了分子生成，無論是用什么方法，重點是要生成滿足特定屬性和條件的分子。后來這個技術我們在跟一家藥企的技術合作中，選擇將生成和SBDD統一起來判斷活性，通過屬性反饋來強化控制分子生成的化學結構。
后來藥企也反饋這一方法的結果很不錯，在不少藥化合作項目上都能夠明顯看到DMTA循環周期縮短。我們將這一成果發表于ACS Omega，也是業內最早發表的經過濕實驗驗證的分子生成技術方案。我們還將生成式預訓練AI模型結合藥物構象生成，這方面的工作還在進展中。
此外，我們在模型泛化能力問題也有一些工作進展。
模型泛化能力這個問題確實非常困難，也是非常核心的問題，當前很多預測效果不盡人意，落地難的問題都是跟模型泛化能力有關。泛化也是機器學習研究的核心問題，在已知的數據集上做風險最小化的訓練，從而希望能將模型推廣到未知數據上，使其具有一定的預測能力。
一方面是前面提到的，如果能夠將物理、化學知識有效地輸入到AI算法模型中，就能夠非常好地反映在化學、物理等底層的特征和規律，模型過擬合風險就會較低，有比較好的可解釋性。還有就是利用幾何深度學習方法約束化合物空間結構的學習過程，就可以使用比較少的參數，從而減小過擬合的風險，也增強了泛化能力。
另一方面，利用AI大模型技術，使用非監督的方法來減少數據過少帶來的過擬合問題。
因為大模型可能已經比較好地反映出各種化合物的空間結構信息、屬性信息，這樣就對有標簽的數據需求相對少，那么訓練過程中泛化能力就能有比較好的提升，并且只需要較少的訓練迭代，做微小的調整。
針對泛化問題的第二個例子，就是我們最新的一個工作。
我們在做AI輔助藥物發現時，發現了這樣一個問題，在A靶點（A場景）中訓練的AI模型，會非常難以應用到B靶點（B場景）上。這也是一個明顯的泛化問題，現在也沒能100%完全解決，甚至有時候這種明顯的降效得到了“模型不可用”的結論。
為了驗證我們模型的有效性，我們做了一個名叫DrugOOD的框架，在github上有開源，并且根據不同的domain把它做了一個劃分，比如按照骨架、實驗assay、或者靶點區分，這樣訓練出來的模型就會非常不一樣。
在這個過程中，我們實際上希望模型在不同場景具備一定的遷移能力，不然模型只能適合單一訓練數據場景，這其實不是我們所希望的，因為這樣的模型適應能力非常弱，沒辦法應用到新的問題上。
第三個例子是量子實驗室的工作，和浙大也有合作，是針對某一類型的靶點去訓練。
我們認為，如果不同場景下的數據混合在一起訓練，不容易達到比較好的泛化效果，這樣把它單獨拎出來做一個AI模型，一定程度上也可以解決模型難以泛化的問題。
例如把含有金屬離子的蛋白質靶點的數據拿出來單獨訓練一個模型。你可以認為是一種場景的細分，還有給GPCR做一個專門的AI模型也是這種情況。
謝昌諭：我個人在模型泛化能力問題上面也有比較深刻的感觸，畢竟這是如今AI制藥面臨的最大的現實挑戰之一。
我試過很多基于純數據驅動的機器學習方案來提升模型在不同場景下的泛化能力，比如預訓練一個大模型然后在下游任務上進行微調、小樣本算法、元學習、 多任務學習和 domain adaptation等等，一些特定的問題如活性/親和力預測或者分子的 pKa 預測，我們還甚至可以融入基于物理與化學的專業知識來提升模型的泛化能力。這些方法雖然針對某一些數據集/場景可以看到不錯的提升，但整體而言，我們還是得根據不同的場景/任務去做定制化的策略。
最后，除了研究如何在訓練數據被固定的前提下來提升模型的泛化能力，另一個值得關注的方向，是通過開發更新的主動學習方法去添加少量的合適數據來提升模型的準確度。
劉振明：CADD和AIDD確實是一種協同。
藥企對于新生事物非常歡迎，他們知道做新的藥物品種很難。
打個比方，如果他們自己培養一支AI團隊，一年要花20個億，還不如合作上花20億和AI制藥公司合作，既能收到“果實”，還有可能埋了幾個“種子”。而且只要能成一個，依靠他們這種大公司的強大商業能力，一定能獲得回報。
所以，現在只要AIDD企業能夠交付藥物品種，藥企就愿意合作。
有個數字，過去五年，國外一些藥企已經開始關注前端研發，超過40家藥企建立了跟AI研發相關的部門。
為什么他們不抵觸？因為藥物研發行業跟別的行業很不一樣，別的行業可能會競爭，但是藥企缺少藥物品種，有人能給我更多的選擇，我為什么不去鼓勵呢？
另外，藥企更關注的是自身的商業版圖。這種情況下，它和AIDD公司是一種互惠互利的關系，沒有理由去反對，甚至是歡迎、扶持。但是你會發現，藥企跟AIDD公司的合作，更多的是藥物品種交付。藥企不管你的軟件有多好，能做品種就合作，簽一個里程碑付費的合同。
但是這種合作更像是藥企“系統外的合作”，藥企并沒有分享數據，甚至藥企會用自己的數據，自己花精力做一遍驗證，也絕不會把數據直接開放給AIDD公司。
其次，即便藥企采用了現在常說的聯邦學習，做了數據接口，也不能解決數據稀缺的問題。因為聯邦學習使用的數據，大部分都是拷貝數據，甚至有些數據清洗完丟失了很多信息；而且由于聯邦學習的數據光有接口，沒有打通數據內部，所以“模型拿走數據留下”的理念具體實施起來非常難。
但在新藥研發中，數據就是知識產權，命根子，所以傳統CADD公司和AIDD公司的協同更多在哪？技術協同。
因此AIDD演化成三種商業模式：SaaS、CRO、biotech，即售賣AI藥研平臺與軟件的使用服務、提供藥物發現服務、利用AI自建新藥研發管線成為藥企，“藥味”逐漸變濃。
在這種商業導向下，AIDD公司才會動不動說“顛覆”藥物發現，實際上他們還是在“打輔助”：一定程度上避免了化合物設計過程中的試錯路徑，同時帶來更多的全新結構，為藥物發現打破常規的結構壁壘。
張煜：我從藥物研發的角度說一下。
全球Top10藥企都在做各種各樣的藥物研發，多數研發投入占當年總收入的20%以上。在疫情管控放開后，他們的研發力度在疫情之下非減反升，而且將更多精力投入在“抗疫”“抗癌”等核心領域，研發重點也從飽和的新冠疫苗轉向新冠藥物的研發上。
當然，也有一部分小藥廠憑借一兩個藥物就上市，但因為藥研部門缺少藥物積累，實踐和理論積累不強，長期盤踞在一類藥或一款藥上做深度研發，最終研發無以為繼，上市虧損嚴重。
這是藥物管線不足帶來的困境，更進一步說是缺失平臺化發展模式所面臨的必然困境。
長期來看，AI制藥平臺化是企業打“組合牌”的關鍵，隨著中國仿制藥行業面臨外部環境的快速變化，創新藥領域政策出臺密集、監管力度趨嚴，在同樣的外部挑戰下，企業對資源進行整合重配變得更加明顯。
尤其是基于AI的藥物研發勢必成為醫藥行業的革命性力量，有望從根本上改變傳統的試錯藥物設計流程。最近MIT傳出消息，稱他們已經研發出大語言模型，一天內可篩選超一億種化合物，比任何現有模型都要多得多。
所以，從制藥的流程看，AI技術已經滲透到多個環節，AI制藥平臺雖然現在還沒有顯示出優勢，但一定會帶來藥物研發的革命。
此外，如今的AIDD公司在平臺化策略中，既有AI計算平臺（干實驗），還有濕實驗平臺。從理論上講，AI在任何情況下都起作用，特別是深度學習框架出來后，能在有限的范圍內比較好地解決一個問題，在觸及到人類認知邊界的問題上效果最為明顯。
總體來說，AI制藥平臺化至少會帶來幾個好處：
一、藥研工作更穩定，減少了藥物的人為干擾。
眾所周知，藥物研發的時間很長，業界的“雙十定律”可以簡明扼要地回答這個問題，即需要超過10年時間、10億美元的成本，才有可能成功研發出一款新藥。即便如此，也大約只有10%的新藥最終能成功挺進臨床試驗。
這個過程中，有些企業研發一款藥物可能會換好幾撥人。換一撥人就要重新做實驗，重新走流程，AI的加入會促使藥物研發重新成為一項系統工程。
第二、更多的數據積累。
剛才講到做實驗，實際上數據積累本身是有價值的，但傳統藥企來沒有在挖掘數據上投入很大的精力，導致數據之間的關聯性并不強，遺漏研發規律。所以現在大模型在參數足夠多的情況下，有可能外溢到不同的種類，可以進行相互參考。最近一些論文已經有這方面的探討，我認為這也是未來的發展方向。
第三、藥物研發預測性。
過去我們的所有的藥物研發幾乎很難講預測性，更多是出現一個病就想辦法做藥，不管是實驗方法也好，還是做發現、篩查，優化也好，都是有病才治病。
但一個AIDD平臺可以把相關規律做總結，比如預測五年以后的新冠病毒是什么樣子；通過深度學習和分子動力學預測個體身體狀況，那么我們也可以更針對性地尋找相關的抗體或者藥物。
劉偉：AIDD平臺可以整合藥物創新藥物研發中的諸多復雜流程，AIDD公司會把很多工具都整合在一個平臺上、快速迭代AI模型、干濕實驗結合，目的是方便用戶使用，提升迭代效率。所以AIDD平臺絕不是靜態的，而是一直動態變化，它需要吸納新數據，自身進行迭代提升，即便是很少的數據也可以有非常大的提升。
除了行業內通常提到的數據反饋、流程迭代循環，我們也碰到非常不一樣的例子—不是通過數據反饋去訓練模型，而是通過濕實驗結果數據來約束AI模型的搜索空間。
例如小分子或者抗體結合位點，只要了解了晶體結構實驗結果后，就可以比較精確的框定分子和靶點結合位點，活性預測模型的提升能力可提升50%以上。
段宏亮：醫藥研發企業更多是醫藥項目驅動型，它們更在意的是管線。
醫藥企業自身的CADD部門，或者叫AI部門，往往只有三五個人，多是配合公司內部的醫藥研發項目，或者做一些比較常規的醫藥開發軟件，更多是一種輔助作用，并沒有太多的精力做原創性的算法技術開發工作。
但是對于AI制藥公司來說，就不太一樣了。
大多數AI制藥公司的導向并不在于開發新藥管線，而是算法開發。多數AI制藥公司創始人是IT出身，他們更多是招聘大量的AI算法人才，研發CADD+AIDD的交叉類產品，以及一些底層算法開發。比如AF2出現后，他們可能會做一些蛋白質結構設計的新算法開發，進而用來做一些抗體藥物的設計改造。
有個數據，截止到2022年11月，國內有80多家AIDD公司，主要分布在科研資源豐富或者產業集群的地帶，以北京、上海和深圳三地最為突出，均有10家及以上AI制藥企業選擇落戶。
根據創始人/團隊的不同背景，中國AI藥企主要分為6類：高校/研究所成果轉化、互聯網大廠入局、基金孵化；或海歸博士、資深藥企專家、互聯網人創業。
可以說，這80多家公司給整個制藥行業帶來了無限的可能性。雖然我們不確定哪一家或者哪幾家能夠在整個AI制藥行業競爭中勝出，但單純靠醫藥企業內部的CADD平臺，很難給我們這個新的AI制藥行業帶來太多的想象空間。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
