AI技術(shù)到底能在多大程度上影響一顆新藥的誕生？未來十年，AI技術(shù)又將如何實質(zhì)性地顛覆生命科學(xué)領(lǐng)域？

5月10日，“首屆中國生物計算大會” 在蘇州金雞湖畔拉開帷幕，產(chǎn)、學(xué)、研、資界專家圍繞 “BT＆IT” 主題，從各自領(lǐng)域出發(fā)，從不同角度探討生物計算的定義、邊界以及 AI 對于生物數(shù)據(jù)的意義。此次大會由中國首家生物計算技術(shù)驅(qū)動的生命科學(xué)公司百圖生科，與致力于 IT 和 BT 交叉融合的創(chuàng)新孵化中心播禾創(chuàng)新共同主辦。

在國際視角下的生物計算新孵化專場，進行了兩場極具深度且充滿干貨的圓桌討論，其中一場是由百圖生科聯(lián)合創(chuàng)始人＆CEO劉維、恒瑞醫(yī)藥高級副總經(jīng)理兼全球研發(fā)負責(zé)人張連山、藥明康德聯(lián)席CEO楊青、佐治亞理工學(xué)院機器學(xué)習(xí)中心副主任宋樂、清華大學(xué)智慧產(chǎn)業(yè)研究院首席科學(xué)家馬維英五位嘉賓共同參與的圓桌對話，動脈網(wǎng)對場上嘉賓的精彩觀點進行了不改變原意的整理，以饗讀者：

劉維：首先請各位結(jié)合各自在生物計算領(lǐng)域所做的探索，進行一個簡單的自我介紹。

張連山：我來自江蘇恒瑞，主要負責(zé)公司研發(fā)。我們公司在設(shè)計領(lǐng)域開始地比較早，至少五年之前已經(jīng)跟很多公司做過接觸。過去，我們是從“猜”做藥，那時能做的靶點非常多，給社會和患者帶來了很大的紅利。但到今天形勢已經(jīng)變得復(fù)雜，很難再找到一個新的靶點。所以我們需要AI幫助，利用計算機輔助制藥的發(fā)現(xiàn)。

很多患者認為一款新藥太貴，這是因為新藥研發(fā)的成本極高，一款新藥的落地需要10億美金甚至更貴。事實上，研發(fā)成本還在不斷上升。今天我想通過與同行和跨領(lǐng)域的科學(xué)技術(shù)研究者來探討一種新的模式，努力把做藥的成本降下來。

馬維英：我在這個領(lǐng)域是最新進入的研究人員，過去20年一直在互聯(lián)網(wǎng)做搜索、做推薦，做內(nèi)容生成，都是比較傳統(tǒng)的AI領(lǐng)域，例如計算機視覺、自然語義處理、語音、機器翻譯、個性化推薦算法方面。

為什么開始對這個AI新藥這個領(lǐng)域感興趣呢？2019年，我開始注意到做自然語言處理的與新藥發(fā)現(xiàn)這兩個領(lǐng)域產(chǎn)生交叉，也就從那個時候進入這個領(lǐng)域。我相信隨著生命科學(xué)數(shù)據(jù)的累計到了一定階段，接下來十年，AI在生命科學(xué)、生物計算領(lǐng)域會有一個非常大的爆發(fā)和蓬勃的發(fā)展態(tài)勢，就相當(dāng)于過去20年互聯(lián)網(wǎng)時代的發(fā)展。

所以我最近常常跟AI領(lǐng)域的同事說，你們不要在紅海里面“擰毛巾”了，不管是視覺、自然語言理解都有非常多的事情可以做。今天在生命科學(xué)領(lǐng)域，我們把已有的工具借鑒過來，就會產(chǎn)生非常大的突破。AI新藥市場還是一片藍海，擁有巨大的機會。

隨著個體化精準(zhǔn)醫(yī)療時代的到來，越來越多的個性化治療方案被推出，比如一些免疫療法。但目前這些療法對于患者來說還是太貴，精度也還不夠高。如果AI介入提升新藥研發(fā)效率，把這些個性化療法的價格降下來，把基因測序價格降下來，縮短新藥研發(fā)時間，把精度提升上去，無疑會顛覆現(xiàn)有的醫(yī)療行業(yè)。

宋樂：我是百圖生科的顧問宋樂，我的背景和馬老師有很多重疊的地方，在過去大部分時間在AI和互聯(lián)網(wǎng)領(lǐng)域，研究AI對模態(tài)的數(shù)據(jù)分析，圖像、文本和復(fù)雜網(wǎng)絡(luò)的數(shù)據(jù)分析。我在學(xué)術(shù)界也做了很多關(guān)于生物數(shù)據(jù)的分析，包括多組學(xué)數(shù)據(jù)、小分子數(shù)據(jù)分析等。

目前在互聯(lián)網(wǎng)上有很多公開的數(shù)據(jù)集，有各種各樣的手段能夠測量生物很多不同的指標(biāo)，似乎是已經(jīng)到了一個點。通過AI的方法，通過把公開的數(shù)據(jù)集合在一起，為新藥的發(fā)現(xiàn)起到助力作用。

劉維：場上嘉賓有來自大藥企生態(tài)鏈的高管都對生物計算持擁抱態(tài)度，邀請你們此次前來參會也正是因為我們看到了這一點。你們各自公司自身內(nèi)部都有很大的團隊在做這方面的研發(fā)，在對外合作層面也有非常多的嘗試。作為傳統(tǒng)藥物研發(fā)企業(yè)，你們認為還有什么機會是留給外面的AI藥物發(fā)現(xiàn)？有哪些事是你們傳統(tǒng)企業(yè)做不了，希望他們來做的？

張連山：在做藥方面，我們對AI非常有興趣。政府和國家層面都希望藥企做一個First－in－Class的東西，但目前我們很難找到全新的靶點。能不能通過應(yīng)用AI來解決這類問題，提高藥物研發(fā)效率、降低研發(fā)成本，目前的探索還處于初期。

此外，現(xiàn)在我們倡導(dǎo)精準(zhǔn)診斷、精準(zhǔn)治療。由于每一個藥對不同的患者不一定都有效，如果沒效的話對于患者來講帶來的就剩下藥物的副作用。如果AI技術(shù)能夠幫助我們提高進行精準(zhǔn)診斷、精準(zhǔn)治療的效率，降低成本，我們就可以騰出更多的資源去做更重要的事情。

劉維：大家是否愿意把數(shù)據(jù)開放給AI領(lǐng)域的伙伴？這是一個通用的問題。同時我們也請兩位AI方面的專家來談一談，如果他們回答是“yes”，你們最想要什么數(shù)據(jù)來加速模型的構(gòu)建？

張連山：我們研發(fā)新藥是從一個靶點開始，這個信息完全可以跟大家共同享受。我要的是分子，至于里面的知識也是可以跟大家共同享受的。

馬維英：最近我注意到美國有幾個大學(xué)在做一件事情叫TDC（Therapeutics Data Commons），這是一個機器學(xué)習(xí)在生物醫(yī)藥的大規(guī)模公開數(shù)據(jù)集。TDC包含了20＋有意義的任務(wù)和70多個高質(zhì)量數(shù)據(jù)集，從靶蛋白的發(fā)現(xiàn)，藥物動力學(xué)，安全性，藥物生產(chǎn)都有包含。20幾個任務(wù)由專門的生命科學(xué)專家定出，又有標(biāo)準(zhǔn)化的表達。在這個公開數(shù)據(jù)集出來以后，就會有很多聰明的人進行競賽，想辦法提高數(shù)據(jù)精度。這個發(fā)展模式蠻值得我們參考。如果生命科學(xué)領(lǐng)域聯(lián)合AI人才共同推進該領(lǐng)域的發(fā)展，我個人覺得是一個非常好的方式。

另外一個維度——個人健康管理也值得思考。目前，我們有越來越多的個人健康管理工具，包含可穿戴設(shè)備。AI賦能個人健康，讓個人積極主動參與健康管理，貢獻數(shù)據(jù)。用一個開放的模式驅(qū)動數(shù)據(jù)AI在醫(yī)療、生命健康領(lǐng)域發(fā)展，這是蠻值得參考的方式。總的來講，AI還是靠數(shù)據(jù)。我個人覺得隨著時間的積累，數(shù)據(jù)的問題會被解決。

宋樂：我很贊同馬老師說的一些觀點，包括在醫(yī)藥行業(yè)如果能夠設(shè)計一些數(shù)據(jù)集和問題，就會發(fā)動更多的人參與，用AI來挖掘、探索新藥的靶點或者藥物設(shè)計的問題。這里非常重要的一個點就是在數(shù)據(jù)和AI模型之間產(chǎn)生閉環(huán)系統(tǒng)，讓更多人嘗試用系統(tǒng)發(fā)現(xiàn)新的藥物靶點或者成藥的可能性。

用AI去賦能升級實驗平臺其實和互聯(lián)網(wǎng)的發(fā)展有很多相似之處，比如用戶搜索平臺和平臺智能推薦搜索可以相輔相成。當(dāng)AI的數(shù)據(jù)庫平臺建立起來后，用戶通過使用平臺會更新AI的模型，AI的模型會對用戶產(chǎn)生一些新的推薦，用戶根據(jù)推薦做一些相應(yīng)的操作，就會有越來越多的數(shù)據(jù)在平臺上積累。但如果沒有數(shù)據(jù)和AI模型閉環(huán)的操作，就很難看到AI的模型進行不斷迭代和提高。

劉維：我挺同意馬老師和宋老師的觀點，我們百圖生科也很想做宋老師說的閉環(huán)系統(tǒng)，我們將自己定位為一些創(chuàng)新藥物領(lǐng)域的“創(chuàng)新藥廠”，希望能夠在這些領(lǐng)域能夠解決這幾點問題：一是行業(yè)數(shù)據(jù)稀缺，比如說董晨老師提到的免疫靶點的數(shù)據(jù)，尤其是自身免疫性疾病領(lǐng)域，整個行業(yè)都是稀缺的，大藥廠內(nèi)部數(shù)據(jù)也有限；第二是怎么把閉環(huán)的驗證能力建立起來，無論是我們自己利用數(shù)據(jù)集進行更好的學(xué)習(xí)、驗證，還是為行業(yè)更多的AI伙伴提供循環(huán)，讓大家可以圍繞新的數(shù)據(jù)挖掘出新的可能性，再去賦能傳統(tǒng)的大型藥廠，看看能否圍繞這些數(shù)據(jù)做后續(xù)的研發(fā)。圍繞新的數(shù)據(jù)集和新的計算方法的初期嘗試，其實失敗率還是比較高的，需要比較長周期的嘗試和驗證才能符合大藥廠的標(biāo)準(zhǔn)。

張連山：目前有各種各樣的數(shù)據(jù)，比如多組學(xué)、基因、免疫等等，但難的是如何把似乎不相關(guān)的數(shù)據(jù)通過AI處理串聯(lián)起相關(guān)性，找到實質(zhì)性的東西，我認為這是這個領(lǐng)域想發(fā)展起來首先需要解決的問題。

劉維：是的，很多數(shù)據(jù)存在批次效應(yīng)，散在各處的標(biāo)準(zhǔn)化程度不夠。標(biāo)準(zhǔn)化程度不夠在以前數(shù)據(jù)的顆粒度比較粗的時候不太會形成實質(zhì)性的阻礙，但隨著目前數(shù)據(jù)的顆粒度越來越細的時候，誤差可能就會掩蓋規(guī)律。

馬維英：如何把看似不相關(guān)的數(shù)據(jù)、知識關(guān)聯(lián)起來真的很重要，尤其是在生命科學(xué)這一非常需要專業(yè)知識儲備的領(lǐng)域。目前的AI制藥公司，還只是做到把小分子化合物推演出來交給后面，但他也不知道怎么引導(dǎo)、去搜索更好的藥物空間，這在目前還是一個斷裂的。

我認為的確需要把知識引擎、知識圖譜規(guī)則的東西引入到深度學(xué)習(xí)里面。生命科學(xué)也提供了一個新的土壤，讓AI繼續(xù)往前突破，把知識跟符號邏輯，跟統(tǒng)計，跟純數(shù)據(jù)驅(qū)動的，或者原來是模型驅(qū)動和數(shù)據(jù)驅(qū)動進一步結(jié)合，再把實驗室打通。我相信將來這個鏈條越通暢我們整個流程會轉(zhuǎn)得越快，創(chuàng)新也會越快，新的科學(xué)發(fā)現(xiàn)也會越快。

劉維：現(xiàn)在有一個詞叫做“計算可成藥性”或者叫“計算藥物”，如果沒有生物計算，這個藥不太能夠做出來，或者說是轉(zhuǎn)化率太低，沒有人敢做。我想問大家比較看好哪一個細分領(lǐng)域，會因為生物計算出現(xiàn)一大批的創(chuàng)新藥物？

張連山：我覺得是在國內(nèi)的小分子領(lǐng)域會有一些突破，我也很有信心我們能做到這一點。

馬維英：我個人的理解是如果是在已有的靶點的基礎(chǔ)上用AI的方法去推斷結(jié)構(gòu)，預(yù)測功能。此外，我認為一個新的機會是將來AI成藥性能更加精準(zhǔn)化、個體化。

宋樂：我很贊同馬老師的觀點。除此之外，我的另外一個理解就是AI可以在哪些方面能夠助力現(xiàn)在的新藥開發(fā)。目前該領(lǐng)域已經(jīng)有一些公開數(shù)據(jù)集存在但散落在不同的角落。為了發(fā)現(xiàn)一個新的靶點或設(shè)計一款新的藥物，我們能否把這些紛繁復(fù)雜的數(shù)據(jù)組合起來，通過AI的模型進行數(shù)據(jù)統(tǒng)計、分析和推理，或者通過AI來篩選比如小分子結(jié)構(gòu)、蛋白質(zhì)結(jié)構(gòu)等。在這樣的情況下，AI會助力傳統(tǒng)醫(yī)藥研發(fā)進步，帶來突破。

劉維：我自己的選擇跟兩家大藥廠的不太一樣。百圖生科會把更多的重心放在大分子藥物的設(shè)計中。剛剛馬老師也提到蛋白質(zhì)本質(zhì)上也是一種語言，包括它的序列、結(jié)構(gòu)預(yù)測的進程等，會對整個狀態(tài)空間起到了輔助探索的作用。我們自身會圍繞復(fù)雜動態(tài)免疫問題，復(fù)雜的可編程抗體等作為我們重要的探索方向，希望在這個過程中實現(xiàn)比較精準(zhǔn)的，針對動態(tài)免疫組裝的免疫藥物。

因為時間關(guān)系，今天我們就交流到這里，謝謝各位。

作者：陳宣合