AI制药离“照进现实”还有多远？爱游戏- 爱游戏体育- AYX体育官方网站丨ToB产业观察

2025-05-07 09:55:11

　　爱游戏- 爱游戏体育- AYX爱游戏体育官方网站

　　无独有偶，深势科技生物医药研发总工程师郑行也对笔者表示，深势科技基于 AI for Science的范式，打造了Hermite药物计算设计平台和RiDYMO高质量Hit发现平台。基于平台能力，深势科技在一个靶向GPCR先导化合物筛选的项目中，从1200万个候选化合物中结合AI高通量筛选和高精度评估，仅通过少量实验验证就发现了14个单纳摩尔级先导化合物。比同样做这个靶点的国际大药企的发现效能提升了数百倍以上。

　　利用AI进行药物研发已经不是个例，在靶点发现与药物设计阶段，辉瑞利用AI技术成功研发出针对罕见遗传病的创新药物，其研发周期缩短至传统方法的1/3，成本降低至1/200，；AlphaFold2通过预测蛋白质三维结构，解决了传统实验耗时数年的难题，已被全球超200万科研人员使用。值得注意是，深势科技在2021年就推出了 Uni-Fold，将最新注意力机制加速技术Flash-Attention与Uni-Fold深度结合，进一步优化了模型的显存利用和计算效率。优化后，Uni-Fold端到端训练速度再增18%，将现有蛋白折叠模型（Jumper et al, 2021）的端到端训练时间由11天降至4天。此外，该技术大幅降低了模型推理的显存需求，在不使用模型并行与分块计算技术时，支持的最大序列长度增至2倍。公开资料显示，2023年11月，深势科技发布的Uni-Mol Docking v2，其性能超越了 DeepMind 于2023年10月底发布的 AlphaFold-latest。在PoseBuster数据集上，Uni-Mol Docking v2的预测精度达77.6%，生成的分子构象更加合理，确保了几何形态和手性关系的准确性。2024年5月，该模型被作为实验基线，列入AlphaFold3的官方Nature论文中，表现仅次于AlphaFold3，且差距微小。

　　不过，在郑行看来，近两年来，资本对于AI+制药的关注度回归“理性”，这会促进行业的良性发展。而科学大模型、超级实验室等在AI+新药研发领域的实际落地和有效应用，也加强了大家对AI+新药研发的信息。“虽然AI制药的周期很长，但是AI在药物研发的关键环节上已经在解决实际问题提升研发效能，科学大模型如何结合物理模拟方法组成解决方案的路径也已经探索出来，AI+制药还有广阔的前景和巨大的潜力，”郑行进一步指出，“深势科技经过多年的积累，基于AI for Science的理念，构建的Hermite药物设计平台，已经服务了众多的药企和生物技术公司，同时依托RiDYMO高质量Hit发现平台的服务能力，深势科技在AI+制药的商业化上已经取得了不错的成绩。”

　　另一方面，与其他行业应用大模型的痛点相同，AI+制药也面临着缺乏足量的高质量专业数据用于训练模型的问题，对此，郑行告诉笔者，AI本质上是数据驱动的研究范式，但有别于图像识别、语音识别等领域，在AI+制药遇见最大的问题是：自身的高质量数据量不足，“这时候，AI for Science的理念就有了用武之地，”郑行进一步指出，“通过这种理念，我们可以把科学家的经验与AI建模相结合，就能仅用很少的数据，就能得到一个更棒的模型。”

【返回列表】