【AI技术生态论】望石智慧周杰龙：AI+新药研发将迎来黄金十年-精品文档资料整理.docx

《【AI技术生态论】望石智慧周杰龙：AI+新药研发将迎来黄金十年-精品文档资料整理.docx》由会员分享，可在线阅读，更多相关《【AI技术生态论】望石智慧周杰龙：AI+新药研发将迎来黄金十年-精品文档资料整理.docx（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、【AI技术生态论】望石智慧周杰龙：AI+新药研发将迎来黄金十年 CSDN首页 业界 订阅业界RSS 【AI技术生态论】望石智慧周杰龙：AI+新药研发将迎来黄金十年度 发表于 2020-04-12 18:57:39 作者 | Just 出品 | AI科技大本营 ID:rgznai100 是CSDN提议的“建议下的重要组成局部 与、一起 打造一个覆盖百万开发者的AI生态联盟。 2020年度 AI技术生态论栏目将对1000 AI生态大咖进展系列访谈 勾勒出AI生态最具影响力人物图谱以及AI产业全景图 百万人学AI你也有份 介入文章评论 评论区留言入选 可获得价值299元的2020 AI开发者万人大会

2、在线直播门票一张。 要在AI医疗领域创业 扎实的AI技术以及对医疗行业背景的解析缺一不可 这也是许多创业者想要在此掘金却望而止步或者中道崩溃的原因。但是 也总有一些开拓者能不断探究前路 望石智慧创始人兼CEO周杰龙就是其中之一。 要想在AI医疗领域创业 扎实的AI技术以及对医疗行业背景的解析缺一不可 这也是许多创业者想要在此掘金却望而止步或者中道崩溃的原因。但是 也总有一些开拓者能不断探究前路 望石智慧创始人兼CEO周杰龙就是其中之一。 早在硕士研究生时期 周杰龙的研究方向就是人工智能。2020年度 他参加百度 曾任百度主任架构师 负责百度搜索机器学习排序、反垃圾以及挪动云语音搜索、拍照搜索等

3、工程。两年度后 他带着团队把深度学习引入到百度搜索引擎 用机器学习方法替代了人工规那么 他称这是全球首次成功将深度学习应用于大规模搜索系统。 百度工作4年度后 他把目光聚焦在医疗行业 并最终确定在深耕新药研发赛道创业。 作为一名从互联网跨界到医药研发的创业者 他越来越发现做药物研发与搜索引擎的逻辑共性 一个非常根底的环节就是不断验证候选化合物与靶点的匹配经过 这类似于用户在搜素引擎中不断得到相匹配的搜索列表。“这些蛋白其实都是原子构成的 在成药的分子里常用的有机化学元素也就10种 你可以把它看成是10个字母 一个分子式是由10个字母所构成的一个句子 靶点是大分子 相当于很长的篇章 所以它像是句

4、子跟篇章之间匹配的关系。 经过近一年度的调研后 2018年度 望石智慧正式成立 周杰龙带着团队正式利用AI技术新工具专注早期新药研发。 应用深度学习 在1060化学空间中搜索有效分子 一般而言 新药研发要先确定靶点 然后去做化合物的发现以进展药物候选 候选药物审批过关后去申报IND 临床试验后才能最终申报上市。总之 这是一个产业链很长的行业。而在药物发现经过中 AI在每一环节都可以发挥作用。 要发现一种新药 相当于要从10的60次方化学空间里去寻找一个有效化合物分子 这是一个庞大空间的搜索经过。 早期 化学家通过已有的医药研发知识 比方在解析靶点架构的根底上展开医药设计 但有时需要的靶点构造并

5、没有被测定 只能找到少数适宜的分子化合物。不过 AI的出现可以从已有的庞大药物数据中挖掘更多靶点构造 进而给人类专家在早期药物设计上提供更多思路。 “这就好比要装修一个房子 人类设计师凭个人经历可能只能想出几种构图 但AI学习了大量的建筑以及装修设计数据后能推荐出数十种甚至上百种构图 这样就能辅助人类设计师发现新颖的房屋设计图。周杰龙对AI科技大本营 ID:rgznai100 解释。 当前 深度学习已经在CV、NLP等领域展现出强大的才能 同样地 可以在药物研发的早期环节药物设计阶段发挥强力作用。 药物设计一般会经历多个环节 包括候选分子库生成、分子活性预测、分子性质预测、分子构造优化等。基于

6、GAN以及ANN的候选分子库生成技术已得到普遍应用 并展现出良好的性能。机器学习一直是分子活性预测的重要工具 在深度学习开展以前 各种传统的机器学习方法 包括SVM RF等 已得到普遍应用 并成为非常有竞争力的预测手段。近年度来 深度学习技术以及计算才能的开展 带来更大的应用空间 研究人员开场逐步采用3D CNN以及GCN等网络技术 展现出更优的性能以及潜力 为药物设计提供更有效的手段。 对于早期新药发现的AI技术链条 不同的环节有不同的技术道路。周杰龙介绍 通过机器学习 尤其深度学习来做化合物发现 会借鉴搜索推荐技术来预测其一系列性质。而逆合成反响可能又会用翻译模型进展逆合成反响道路设计以及

7、分析。最后 信号通路是蛋白与蛋白、基因以及蛋白之间的互相作用网络 概率图模型那么可以应用到信号通路研究进展建模以及推断。 基于上述AI技术 望石智慧目前构建了面向小分子新药发现的智能化药物分子设计及知识图谱两大平台。 两大新药研发的“杀手锏 覆盖药物早期发现 智能化药物分子设计平台是借助分子进展药物设计 针对药物设计前期的苗头、先导和候选药物环节 望石智慧用产品的不同子模块去解决对应的问题。 “一个分子可以认为是由骨架以及药效团构成 类似于树干以及树枝的关系。在药物设计中 骨架跃迁好比对药物分子进展树干部位的修改 而骨架衍生那么是对分子的树枝进展变化。周杰龙解释讲 通过骨架跃迁 药物化学专家可

8、以找到破专利的新分子 然后通过骨架衍生找到先导化合物 之后通过分子优化模块 去改善先导化合物的某个性质 在此根底上设计出质量更好的新分子。 在技术上 这三个子模块也有不同的目的以及实现方法。 骨架跃迁中一个重要的目的是 找到从整体以及药效团角度来看都与输入的参考分子比拟相似的分子。因此这里可以借用很多深度学习算法模型 例如语言模型中的翻译模型 将两个相似分子分别看成两种不同的语言 但它们都有核心一样的内容。这样就可以借助模型生成大量相似的分子 供后续挑选、排序使用。后续的挑选以及排序算法也涉及到很多深度学习或者机器学习方法 是一个很复杂的系统。 骨架衍生是为了从一个不错的骨架生成更有活性的分子

9、 模型可以根据骨架学习到该骨架背后的靶点信息 进而更好地生成可能的侧链。 而分子优化是为了获得在某个性质上更优质的分子 在有一个比拟准确的评价方法根底上 可以通过强化学习等方法对整个分子生成经过中进展策略的调整 同时也限制分子生成的相似度 这样来保证生成的分子具有更优质的性质。 目前智能化药物分子设计平台已在学术界以及工业界推广使用。 另一方面 望石智慧的药物知识图谱平台成为药物研发中的另一关键利器。 药物知识图谱平台将为药物研发算法模型提供源源不断的高质量数据 同时 由于基于知识与情报的AI医药研发领域是以专利为核心 所以药物知识图谱平台还可以提供靶点、适应症、药物和基因互相作用以及属性信息

10、 帮助药企在立项、调研等工作中提供有价值的参考信息。 深度学习技术在知识图谱中的发挥依赖于大规模高质量数据。公开的专利以及发表的文献是药物数据的重要来源 CV以及NLP技术是数据的自动化解析以及知识图谱构建的手段。 周杰龙表示 对于早期的小分子新药发现 这两大平台已根本涵盖了应有的功能 这也是望石与药企展开工程合作的根底。但由于医药研发周期比拟长 望石智慧会在新药发现的不同阶段提供相应价值进展变现。 “不同于基于文本的搜索推荐 上线小流量验证都在线上完成 迭代非常快 但做新药发现无论是推荐一条合成道路还是分子设计 需要花几个月时间才可以把分子合成结果进展反应。他讲。 当然 目前的AI平台设计也

11、需要不断做技术迭代 包括解决多靶点的问题 与DNA编码化合物库技术、高通量技术和其他技术的结合。更重要的是 借助平台与合作方进展深度落地实验。一方面他们需要用历史数据进展回首 确保算法性能 另一方面也需要专家把控 来确定化合物的效用 如此才能验证平台的才能。 目前望石智慧有多个合作工程 其中一个工程是寻找新冠病毒的特效药。今年度2月初 通过其两大平台 他们利用新冠病毒RNA的聚合酶抑制剂以及核酸 对几十篇新专利进展信息挖掘 运用知识图谱技术进展构造化梳理 找到1400多个化合物并将相应化合物信息与医药机构进展公开共享。 同时他们对新冠病毒RdRp靶点利用计算做了同源建模 利用分子动力学对该复合

12、物进展模拟 然后基于望石智慧分子设计平台 将分子以及靶点RdRp进展对接。目前 他们正在与中国医学科学院协以及药物所合作一项新冠工程。 结语 2017年度 AI 医学影像在资本的助推下成为创业风口 伴随2020年度新冠疫情的发生 AI医药研发也旋即升温。 周杰龙认为 公众对这一行业的认知更加迫切 也更明晰 他相信将来十年度是中国新药研发的“黄金十年度 而AI会起到非常重要的作用。 他预测 将来2-3年度是证明AI技术辅助医药研发的一个非常关键的时期。“ 一个候选药物从早期研发到进入临床要几年度时间 假如有多个AI设计的药物进入临床 应该就足以讲明这件事情的价值非常大 临床试验成功当然更好。 望石智慧正在朝这一目的前行。3月中旬 他们宣布融到了由美元基金长岭资本以及线性资本结合投资的近千万美元A轮融资 方案下一阶段在核心产品研发 加强与药企CRO上下游之间的合作 和在引入更多AI以及药物研发优秀人才等方面进展投入。 【End】