新方法與新工具為生命科學領域翻開一頁頁嶄新的篇章，如今，AI for Science的到來，正在為生命科學領域帶來前所未有的新機遇。在8月11日召開的2023科學智能峰會“Al for Life Sciences（生命科學專場）”學術峰會上，圍繞AI for Life Sciences關鍵科學問題，國內外優秀的專家學者分享真知灼見，共同探討了生命科學如何走向AI4S時代。

  AI已經成為驅動藥物研發的重要因素

  上海交通大學特聘教授、藥學院院長張翱認為，隨著生命科學技術和疾病生物學的高速發展，生物醫藥研究范式和行業産業發展格局正在發生復雜而深刻的變化。尤其是先進計算技術和人工智慧技術的快速演化，採用海量數據和先進方法來加速藥物研發、推動計算資源向自然化的階段演進已經成為發展趨勢，AI計算工具的創新成為驅動藥物研發的重要因素。

  藥物研發是多環節、漫長且昂貴的流程，每一環節的效率提高都有巨大的價值。在數據驅動的加持下，“AI+藥物研發”正成為必然發展趨勢。

  四川大學華西醫院生物治療國家重點實驗室的楊勝勇教授長期從事電腦輔助藥物分子設計研究，近年來在基于AI的藥物分子設計、特別是分子生成模型方面開展了深入的研究。例如，該團隊建立了一種新型的基于條件迴圈神經網絡的分子生成模型，並將該模型應用于RIPK1小分子抑制劑的研發，發現了一個具有全新結構的、高活性和高選擇性的RIPK1抑制劑，該研究顯示了生成式深度學習（GDL）模型生成全新分子結構的能力，表明深度學習在藥物發現領域具有巨大潛力。相關研究發表于Nat Commun（2022）。

  “我們團隊將人工智慧演算法引入到藥物分子設計，建立了基于膠囊神經網絡的藥物分子設計新方法，使用向量神經元代替傳統的標量神經元，可以在一定程度上解決藥物研發中遇到的小樣本問題，對數據的學習效果更好，顯著提升藥物分子設計以及藥代動力學預測準確度。我們近期還發展了基于條件迴圈神經網絡和自回歸流的分子生成模型，這些模型已展現了良好的生成全新結構類藥性分子的能力。”楊勝勇説。

  AI為藥物發現整體流程進行顯著賦能。通過運用AI技術如深度學習、強化學習等，研究人員可以快速篩選潛在藥物分子、預測藥物靶點和優化藥物分子設計，極大地提高了藥物研發的效率和成功率。

  如何讓AI 手段更好地為藥物研發服務？澳門大學中華醫藥研究院教授歐陽德方自2011年專注于計算藥劑學研究，建立了藥物制劑數據庫，並發展了制劑預測的機器學習演算法，從而構建了藥物制劑人工智慧平臺，並且將量子力學、分子模擬和藥動學模擬相結合用于藥物劑型研究。

  歐陽德方談到，現代藥劑學從“物理藥學”，“奈米藥物”再到“計算藥劑學”，近十年來藥劑學領域取得了很大進展，但目前仍存在許多挑戰。第一是缺少高品質數據，目前制藥廠仍然是一個個數據孤島，如何進行數據分享非常重要。第二是目前對于處方研發人員來説，仍然缺乏用戶友好的數字化工具或計算工具，目前急需開發用戶友好的計算工具開發。第三是交叉學科人才培養，高素質人才是促進本領域發展的根本。

  基于數據建模的機器學習及創新型智能計算工具的飛速發展，將不斷滿足日趨多元化的分析需求，並推動生命科學産業轉化。總的來説，藥物研發范式正在經歷巨大的顛覆與變革。

  AI4S新范式為生命科學研究注入新活力

  人工智慧正在生物學機制研究、疾病的篩查、檢測和治療中發揮著越來越重要的作用。隨著人類基因組計劃的完成，科學家們對于疾病與基因關係的理解更加深入。

  在基因組學領域，通過機器學習和統計模型，研究人員已經成功預測基因組中編碼蛋白質的功能、基因剪切事件和調控網絡等重要生物學過程，為生物科學的研究提供了龐大的數據資源。

  在 AI4S 新范式下，預訓練模型展現了前所未有的能力，但對于具體的科學數據和資訊，還需要深入結合學科底層特性，以其特殊的“語言”作為載體，如在生命科學中以蛋白序列和核酸序列這樣有別于般自然語言的方式來承載資訊。

  在RNA藥物設計方面，科研人員急切需要一種能夠高效全面探索描述RNA空間的計算工具，以實現對 RNA 研究的數字化革新。深勢科技開發的Uni-RNA應運而生。據深勢科技大分子研發負責人溫翰介紹，Uni-RNA 利用約 10 億條高品質 RNA 序列進行了大規模的預訓練，幾乎涵蓋了所有 RNA 空間，充分挖掘了 RNA序列的潛在資訊。通過在廣泛的下遊任務中微調模型，Uni-RNA在 RNA 結構預測、mRNA 序列性質預測和 RNA功能預測等三個 RNA 領域的七個主要任務中全部取得了領先的結果（SOTA），為未來 RNA領域深度研究提供了無限可能性。

  “ Al for Life Sciences”這一將AI能力與底層生物機理結合的新范式，正在從底層技術突破角度為整個行業注入嶄新的活力，其係統性的發展有望為行業帶來更多可能。

  找到新抗原（neoantigen）是個體化癌症免疫治療的核心，然而利用傳統實驗方法在細胞表面找到精準識別與T細胞結合的肽鏈（Peptides），進而驗證 “免疫原性” 的方式成本高、耗時長 ，仍然是個巨大挑戰。加拿大皇家學會院士、加拿大滑鐵盧大學校級教授李明表示,“個體之間新抗原的特異性極高，難以在通用蛋白或多肽數據庫中得到精準匹配，因此在無數據庫參考的從頭測序技術上，就要求有極高的精確度，亟需高效的方法驗證新抗原。引入深度學習的方法，開發“新抗原從頭測序”的方法，帶來了新的機會。模擬人體中心耐受係統來解決在免疫原性預測中沒有TCR的問題，利用深度學習技術，使得新抗原的檢測精度和效率大大提高。生命科學領域中，人工智慧幫助促進“濕實驗”與“幹實驗”的結合，推動個體化癌症免疫治療的落地和普惠。”

  利用AI技術進行數據分析、模型構建和預測，以及計算工具的研發，這些都展示了AI4S在生命科學領域中所具有的巨大潛力和廣闊的應用空間。

  華中師范大學副教授章丹談到，“鐵死亡”是不同于細胞凋亡、壞死和自噬的細胞程式性死亡方式。過氧化氫酶（CAT）有望作為誘導腫瘤細胞發生鐵死亡的新靶標，而要實現這一目標的關鍵，在于設計合成出高活性的CAT抑制劑。動物實驗結果顯示苯甲醛縮氨基硫類化合物（BT-Br）可以有效抑制CRPC小鼠腫瘤的生長。這項研究表明，CAT有潛力成為基于鐵死亡誘導策略治療CRPC的新靶點。這一套流程可以運用到植物領域進行除草或者抗真菌病害，這也是人工智慧技術運用到實驗室從計算到合成，再到分子生物學實驗和動植物實驗中整個流程的結果。

  如今，AI for Science 新范式已經為生命科學領域提供了強大的支援，極大地推動了生命科學領域的創新與發展。隨著AI技術的不斷進步，未來的生命科學研究將更加智能化、高效化，為人類的健康福祉帶來更多的希望。

  8月10日-11日，2023科學智能峰會在北京圓滿舉行。作為中關村論壇係列活動，2023科學智能峰會由北京科學智能研究院主辦，旨在搭建AI for Science領域科研突破、技術培育、人才交流的共建共創平臺。峰會設置1場主論壇和10場主題學術峰會，議題覆蓋模型演算法、數據庫、能源材料、算力引擎等。在會上，與會院士、專家、企業代表分享先進理念與前沿見解，展示研究成果、創新技術，展望AI for Science未來發展趨勢。