从实验室到赛场，物理学融入AI药物筛选，能否带来精准高效的新突破？
团队介绍｜PROFILE
团队名称：AIforDrug团队
名次：三等奖
主要成员：王泽琛、孙瑨原
山东大学、中国科学院微生物所
AIforDrug团队
人工智能已经在多个领域大放异彩并深入到我们的日常生活中。从围棋领域的AlphaGo到预测蛋白结构的AlphaFold……人工智能技术成为千行百业打造全新想象力与未来可能性的利器，生物制药行业也正在被AI所改变。
“我们团队的名称是AIforDrug，因为我们就是在做AI制药。”在谈及团队命名的时，团队队长、山东大学物理学院在读博士生王泽琛说道。
创新药九死一生，在逆摩尔定律的趋势下，只会越来越难。而在庞杂且无序的数据海洋中，作为桥梁的AI被寄予了厚望。“计算生物学作为一个学科，其实早在上世纪就已经存在。”王泽琛指出，“但近年来，随着人工智能技术的飞速发展，计算生物学迎来了新的春天。现在我们所说的计算生物学，更多的是AI赋能的计算生物学。”
1
从实验室到赛场：“实际应用需要用实验来检验”
在谈及本次比赛的经历时，王泽琛表示，这次参赛的目的之一，是希望通过真实的项目来检验他们的AI算法和经验在实际应用中的价值。“以前我们更多的是做算法，很少直接接触实际应用，这次比赛给我们最大的启发是，为特定项目设计特定的解决方案，而不是像以前那样做一个通用的算法，然后在一些数据集上跑测试。”王泽琛坦言。
举办这项大赛，是上海市科委“以赛选项”的创新举措，赛题以NMDA通道家族中尚未被充分研究的GluN1/GluN3A亚型为研究目标，希望通过参赛团队的创新方案和湿实验验证，获得高活性、高选择性的小分子调节剂，为抑郁症、阿尔茨海默病、癫痫、疼痛等神经系统疾病的新药发现奠定基础。
谈到他们的技术优势和创新点，王泽琛介绍道：“我们的团队在参赛过程中并不是仅依赖单一算法，而是经历了多个步骤。首先，我们基于蛋白质和化合物分子的序列信息通过AI算法进行初筛，将原始数据库中1800万个分子缩减到几万个。然后，我们对剩余的化合物进行蛋白质-配体复合物结构建模，再应用我们的AI算法来预测复合物的结合亲和力。”
作为山东大学物理学院的博士生，王泽琛在蛋白质-配体相互作用的建模中加入了物理学的思想。“毕竟这种两体相互作用本质上是一个物理问题，所以我们在神经网络模型中隐式地表现了相互作用能。”在他看来，这种创新性的算法设计，也使得他们的研究在实际应用中具备更高的可靠性和有效性。
“实际应用需要用实验来检验。”对于“AIforDrug”团队来说，这是一次检验他们的算法能否在真实的场景中发挥作用的机会。“通过主办方提供的数据库，我们确实找到了一个具有高活性的分子，但要将其转化为实际药物，还需要走很长的路。”
2
是惊喜也是新动力
谈及比赛结果时，王泽琛用“惊喜”来形容他们团队的感受。他解释说，这次比赛的受体亚型在国际上尚未得到充分研究，主办方提供了三个数据库，要求参赛团队使用AI算法从每个数据库中筛选出100个分子作为提交的成果。尽管对比赛结果并没有十足的把握，王泽琛认为：“能进入前五，说实话还是比较幸运的。”
回顾这次参赛的经历，王泽琛坦言这是他参与过的难度最大的一次比赛。“药物筛选本身就是一个非常困难的问题，不同的算法可能筛选出再多分子也不一定有活性分子。所以这次能够取得这样的成绩，确实让我们感到意外和惊喜。”
相比以往的研究经验，王泽琛认为这次比赛的意义更大，这是一个实际的应用项目。“以前我们主要是在一些公共测试集和数据集上跑算法测试，没有在真实项目中检验过。”他进一步补充道，“即便在学术研究中表现再好，如果没有实际应用的成功案例，那也只是空中楼阁，缺乏实际意义。”
“这次比赛不仅给了我们一个惊喜，也验证了我们的算法在实际应用中的潜力，为我未来的研究方向提供了新的动力。”
企业及专家观点不代表官方立场
作者：许织
特别声明：本文经上观新闻客户端的“上观号”入驻单位授权发布，仅代表该入驻单位观点，“上观新闻”仅为信息发布平台，如您认为发布内容侵犯您的相关权益，请联系删除!
页:
[1]