【理解未来02期】：AI+分子模拟和药物研发

发布时间：

Jul 15,2022

从不同层面和角度，系统阐述大数据与AI在分子模拟及药物研发中的前沿技术、应用现状、研发动态与未来发展趋势，促进相关从业者对AI药物研发的认知。

AI+分子模拟和药物研发

项目时间：2022年7月12日

主持嘉宾

谢晓亮北京大学李兆基讲席教授、北京大学北京未来基因诊断高精尖创新中心主任、北京大学BIOPIC中心主任

分享嘉宾

蒋华良，中国科学院院士，中国科学院上海药物研究所研究员

高毅勤，北京大学化学与分子工程学院教授北京大学理学部副主任

内容摘要

蒋华良：主要分为四个部分介绍：

药物研发的挑战和关键问题

AI药物研发探索与实践，主要介绍一些案例

第三是AI在药物研发中的问题和展望

第四部分制药领域AI的十大挑战性问题

高毅勤：主要分为三个部分介绍：

传统分子模拟的瓶颈

突破瓶颈的方法及典型应用

未来的分子模拟技术

金句提炼

蒋华良：

对于我国来说，新药研究已经不是问题，比如2021年我国药监局批准的创新药物已经达到50多个，创新药物对我国来说不是问题，关键是原创性药物就是First in Class药物的产出，我国的原创能力还非常薄弱。
一个靶点的发现需要十五年到二十年以后才能出现第一代药物，研究一个药物又要花十几年的时间，周期非常长，效率也非常低，失败率非常高，从万到百再到十，十再到一。这是一个漏斗型转化的过程，转化也是非常漫长的，所以投入大、风险大，产出也比较低，解决药物研发的投入问题，缩短周期、提高效率、加快转化，就是四个关键性的挑战问题
药物研发的周期长、转化慢、研发投入大，要想解决这样的一个问题，一百多年来药物科学工作者想尽各种办法，用上各种技术，最近人们寄希望于AI加速解决刚才我讲的四个问题
个人认为主要是信息技术和生物技术的融合对药物研发产生了深刻的影响，尤其是最近五年来人工智能技术大大促进药物研发领域的技术发展，也成为药物研发技术发展的一个热点

高毅勤：

首先从发展它的科学家团队来讲，传统的分子动力学模拟软件绝大多数都是由欧美发达国家开发的，开发的时间一般都很长，软件的成熟度也非常高，用户的依赖性已经非常强
但是它也存在一些问题，比如程序框架一般比较老旧，灵活性比较差，如果我们有新的算法想要添加上去的时候需要大量的（改）写程序的工作
第一个（方面）就是传统的分子模拟方法，包含了两部分：静电相互作用和增强取样。
第二个（方面）是分子体系里面的深度学习，主要集中在蛋白结构预测、蛋白序列的生成和蛋白结构打分这样一些基本的功能
第三个（方面）是把人工智能和分子模拟进行结合，从而来实现更好的蛋白结构的优化，机器学习和分子对接的联用，还有深度分子模型和化学反应中的应用。
实际上，如果我们仔细分析一下分子模拟和深度学习，会发现两者有非常大的相似性，也有非常好的同构性
最后请允许我在这样的基础上对未来进行一个展望：面向未来的话，我们应该看到现在的模拟除了分子模拟之外还有超越分子的模拟，我期待未来会有更多的一站式的生物医药应用平台。比如前面我们已经提到，如果我们已经知道蛋白结构，不管是预测得来还是从实验得来，我们还知道小分子的结构或者分子式，那么我们可以利用深度学习和基于物理的方法（如Docking）进行快速的复合物结构的搜寻，然后还可以进行非常快的加速了的自由能计算，这样可以大大促进药物研发流程（的效率）。

媒体发布

实现媒体报道396篇，其中原发68篇，转载328篇

主要发布媒体：光明日报、澎湃新闻、科技日报、中国科学报、中国科学院院刊、人民政协报、扬子晚报、江苏科技报、科学中国人、北京青年报、北京科技报、公益时报、公益中国网、新浪科技、搜狐科技、CSDN、广州日报等30+媒体。

同上一堂科学课-01期项目总结报告

《追星就追科学家》走进校园