近日，淡马锡在苏州主办了以“2024赋能全球生命科学生态”为主题的医疗健康会议。维亚生物计算化学及人工智能平台执行主任钱玥博士作为受邀嘉宾参与了题为“进军人工智能药物研发：平衡愿景与现实挑战”的圆桌讨论并分享其专业见解。
钱玥博士首先介绍了维亚生物的整体布局。作为一站式综合服务企业，维亚生物的业务范畴涵盖从早期药物研发到后期商业化生产的全流程。公司构建了从结构生物学、到药物筛选、再到后期药物化学、药效等的系统化尖端技术平台，其中计算化学和人工智能贯穿始终，发挥着关键的桥梁作用。这种创新模式使得干实验平台能与各类湿实验平台紧密联动，深入理解实验过程，并赋能各个实验平台，实现计算与实验的完美融合，形成相辅相成的良性互动。
随后，在被问及AI制药领域面临的数据封闭和数据量稀缺等挑战时，钱玥博士提出了三个关键突破方向：一是通过计算和实验相结合的方式，让实验能够产生计算可以利用的数据，包括搭建特定的实验平台；
其次是对数据的深度挖掘和清洗。尽管生物实验数据量较少且珍贵，但通过精确的数据处理，能够在有限的数据点中发现潜在的关联性。尤其是在高维数据的处理上，单纯的表面信息往往不足以揭示其潜在价值。以结构生物学数据为例，它的数据是三维的，不仅包含原子分子在空间中的位置信息，还涵盖了原子之间的关系及动态特性，对这些高维度信息的充分理解将为模型带来显著增益；
三是基于物理原理上的理解，很多时候大家停留在一个数据点训练的层面上，在模型构建过程中，如果能够透过现象看本质，理解数据点背后的深层含义，将有助于建立具有更强泛化能力的通用模型，从而更好地利用有限的数据集。
关于AI对工作效率提升的量化表现，钱玥博士以抗体研究为例进行了阐述。她表示，在维亚生物的研究中，无论是大分子还是小分子的案例都有类似的经验。以抗体的研发为例，过去研发人员往往需要筛选一个庞大的抗体库来找到合适的候选分子。但现在，她们会通过计算的设计直接表达特定的蛋白序列，省去了构建庞大库的过程，并且在这一过程中，对靶点的机理和结构已经有了深刻的理解。这种基于假设验证的研究策略大大缩短了研发周期，使团队在后续设计过程中更具主动性。小分子的开发也是如此。传统方法通常从表型筛选入手，虽然可以找到潜在的小分子，但在后续过程中仍需需要花费大量的时间回归机理研究。如果采用主动学习的筛选方法，则可以在早期就提出结构假设，明确分子间可能的相互作用，并通过实验进行验证。这样一来，验证实验就能从一个更有针对性的起点出发，避免了盲目试错的过程。她强调，借助一系列计算工具与实验的紧密结合，研发团队能够从源头上提升创新效率，避免在研发过程中遇到难以逾越的障碍。
最后谈及AI在该领域的未来展望时，钱玥博士期待AI在制药行业实现更深层次的渗透和融合，对每个环节都有帮助，不是停留在解决某些世界性的难题层面，而是能够真正做到无处不在的小突破。她表示，目前这个领域确实还很新，面临的挑战也很多，尤其是在人才储备方面，如何培养具备跨学科能力的“通才”成为一个重要问题，虽然这不一定需要耗费过多的时间，但关键在于能够建立贯通各环节的工作范式，从而使得数据能够充分利用，真正实现AI与传统研发的相辅相成、教学相长的状态。目前AI在早期研发阶段已取得显著成果，未来如能在研发后期这个投入巨大、周期较长的阶段实现突破，才是真正的成功。
维亚生物AIDD/CADD平台——一站式赋能药物研发全流程
（点击查看大图）
如果您对维亚生物AIDD/CADD平台感兴趣，欢迎访问：https://www.vivabiotech.com，或者通过info@vivabiotech.com邮件与我们专家团队深入沟通。
更多推荐
维亚生物（01873. HK）成立于 2008 年，向全球创新药研发企业提供从早期基于结构的药物研发到商业化药物生产的一站式综合服务。凭借在基于结构的药物研发（SBDD）技术领域的领先优势，我们向全球合作伙伴提供新药研究阶段的CRO服务，搭建了X射线蛋白晶体技术、冷冻电镜技术（Cryo-EM）、DNA编码化合物库技术（DEL）、亲和力质谱筛选技术（ASMS）、表面等离子共振技术（SPR）、氢氘交换质谱技术（HDX-MS）、AIDD/CADD等多个先进技术平台，并有资深药物化学家与药物发现生物专家领军的团队提供药物设计、药物化学（H2L，LO）、化合物合成、化学分析及纯化、公斤级放大及多肽合成及相应的生物活性测试服务。通过子公司朗华制药，我们提供从临床前开发到商业化生产的一站式CMC/CDMO解决方案。同时，我们专注于发现、投资高潜力生物医药初创公司，以独创的技术服务换取股权（EFS）的商业模式，解决未满足的临床需求。
