不久的將來，技術(shù)革新將這樣改變我們的生活：人工智能極大地加快新型藥物、材料的研發(fā)速度;新型診斷工具打造更先進(jìn)的個(gè)性化醫(yī)療;增強(qiáng)現(xiàn)實(shí)變得隨處可見，現(xiàn)實(shí)世界被大量信息和動(dòng)畫所覆蓋……

這些足以改變世界的想法與其他新興技術(shù)，近期一起入圍由《科學(xué)美國(guó)人》和世界經(jīng)濟(jì)論壇發(fā)布的2018年全球十大新興技術(shù)。其中，人工智能輔助化學(xué)分子設(shè)計(jì)—機(jī)器學(xué)習(xí)算法加速新型藥物和材料的研發(fā)，尤為引人關(guān)注。

目前，全球有近100家初創(chuàng)企業(yè)已在探索用于研發(fā)新藥的人工智能方法。“人工智能在材料合成的自動(dòng)建模、高速匹配和假設(shè)檢驗(yàn)等環(huán)節(jié)可以發(fā)揮重要作用，其性能比人類高出多個(gè)數(shù)量級(jí)。”新一代人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟秘書長(zhǎng)、北京大學(xué)計(jì)算科學(xué)技術(shù)系主任黃鐵軍說，一旦材料和藥物的模型庫比較完備，人工智能就會(huì)極大加速新型材料和藥物的研發(fā)進(jìn)程。

助力化合物合成簡(jiǎn)單直接有效

無論是設(shè)計(jì)新型太陽能材料、抗癌藥物還是用于農(nóng)作物的抗病毒化合物，有兩個(gè)難題待解：找到所需的正確化學(xué)結(jié)構(gòu)，并確定哪些化學(xué)反應(yīng)能讓正確的原子與所需的分子連接。如果使用傳統(tǒng)方法，上述問題的答案往往來自于復(fù)雜的猜測(cè)和意外的發(fā)現(xiàn)。

常規(guī)的新藥研發(fā)模式是，隨著一個(gè)潛在的藥靶被發(fā)現(xiàn)，新藥研發(fā)工作者通常利用高通量篩選的方式來發(fā)現(xiàn)苗頭化合物。對(duì)數(shù)以百萬計(jì)的化合物進(jìn)行篩選，過程十分緩慢且產(chǎn)生的有效結(jié)果較少，并且要經(jīng)歷許多次失敗、痛苦的嘗試。

顯然，人類做這樣的工作力不從心。“人工智能的助力，正在提高設(shè)計(jì)和合成化學(xué)分子的效率。”北京大學(xué)前沿交叉學(xué)科研究院特聘研究員裴劍鋒說，機(jī)器學(xué)習(xí)算法通過分析已知的所有實(shí)驗(yàn)，設(shè)計(jì)新分子的合成步驟，可極大提高分子合成的成功率。

值得注意的是，有機(jī)合成的概念在19世紀(jì)就已產(chǎn)生，但人類在近100年后才真正開始對(duì)合成路徑設(shè)計(jì)的模式進(jìn)行探究總結(jié)。

“20世紀(jì)中期，化學(xué)家開始用計(jì)算機(jī)進(jìn)行化合物合成路徑輔助預(yù)測(cè)。近年來，人工智能算法被廣泛地應(yīng)用到合成設(shè)計(jì)領(lǐng)域。”裴劍鋒告訴科技日?qǐng)?bào)記者，化學(xué)家們也在創(chuàng)造和發(fā)展一種叫做自動(dòng)合成機(jī)器人的設(shè)備，用于自動(dòng)合成特定的目標(biāo)化合物或者多個(gè)不同類型的化合物分子。機(jī)器學(xué)習(xí)和人工智能算法的引入，讓合成機(jī)器人得以更加自動(dòng)高效的工作，并能發(fā)現(xiàn)新的化學(xué)反應(yīng)。

今年4月，一則“化學(xué)界‘Alphago’問世”的消息讓人印象深刻，科學(xué)家們?cè)凇禢ature》上發(fā)文證明，AI能以前所未有的速率進(jìn)行逆向合成反應(yīng)。上海大學(xué)教授馬克?沃勒等人使用類似Alphago算法的三種神經(jīng)網(wǎng)絡(luò)+蒙特卡洛樹搜索的方法，實(shí)現(xiàn)了逆合成分析和路徑預(yù)測(cè)。該方法在雙盲測(cè)試中表現(xiàn)優(yōu)異，有機(jī)化學(xué)領(lǐng)域的專家們認(rèn)為AI的合成預(yù)測(cè)結(jié)果并不遜于人類專家。評(píng)論稱，這將加速合成人類所需的化合物。

提速藥物研發(fā)更快更經(jīng)濟(jì)

最近，大名鼎鼎的英國(guó)Benevolent AI公司籌集了1.15億美元，準(zhǔn)備將其人工智能技術(shù)應(yīng)用于運(yùn)動(dòng)神經(jīng)元疾病、帕金森病和其他難治疾病的藥物研發(fā)。

業(yè)界專家表示，人工智能可應(yīng)用在藥物開發(fā)的不同環(huán)節(jié)，包括虛擬篩選苗頭化合物、新藥合成路線設(shè)計(jì)、藥物有效性及安全性預(yù)測(cè)、藥物分子設(shè)計(jì)等。通過有效運(yùn)用人工智能技術(shù)，基于已有的化學(xué)、生物學(xué)數(shù)據(jù)和知識(shí)建立有效的數(shù)據(jù)模型，來預(yù)測(cè)藥品研發(fā)過程中的安全性、有效性、副作用等，從而有望實(shí)現(xiàn)減少人力、時(shí)間、物力等投入，降低藥品研發(fā)成本。

人工智能技術(shù)在藥物研發(fā)中已然嶄露頭角，顯示出光明前景。比如，Benevolent AI公司使用人工智能助力新藥開發(fā)，自2013年以來，Benevolent AI共開發(fā)出24個(gè)候選藥物，且已有藥物進(jìn)入臨床二期試驗(yàn)階段。

“北京大學(xué)化學(xué)與分子工程學(xué)院/前沿交叉學(xué)科研究院分子設(shè)計(jì)實(shí)驗(yàn)室已初步完成1個(gè)人工智能化合物酶促合成路徑輔助分析系統(tǒng)，用于節(jié)省合成生物學(xué)家大量的人工設(shè)計(jì)工作。”在裴劍鋒看來，藥物設(shè)計(jì)已成為創(chuàng)新藥物研發(fā)的核心技術(shù)之一。目前，各發(fā)達(dá)國(guó)家都有一批著名科學(xué)家領(lǐng)導(dǎo)的研究組從事藥物設(shè)計(jì)方法和應(yīng)用研究，各大跨國(guó)制藥企業(yè)的研發(fā)中心都設(shè)有與化學(xué)合成和生物測(cè)試部門并列的藥物設(shè)計(jì)部門，其中，不乏通過計(jì)算機(jī)輔助藥物設(shè)計(jì)而成功上市的藥物。

而裴劍鋒所在的北京大學(xué)分子設(shè)計(jì)實(shí)驗(yàn)室，在國(guó)際上較早、國(guó)內(nèi)率先開展人工智能藥物設(shè)計(jì)的研究，所發(fā)展的藥物設(shè)計(jì)方法在國(guó)際上有較大影響，相關(guān)軟件在國(guó)內(nèi)外擁有上萬用戶，包括輝瑞、諾華、默克和強(qiáng)生等國(guó)際大型醫(yī)藥公司等商業(yè)用戶。

市場(chǎng)表現(xiàn)可期時(shí)間將給出答案

業(yè)界評(píng)價(jià)，人工智能技術(shù)的加持，讓新藥研發(fā)開始提速換擋。能否解決新藥研發(fā)投入越來越大、時(shí)間越來越長(zhǎng)的痛點(diǎn)，人工智能的介入才只是開始。

據(jù)《Nature》報(bào)道，新藥研發(fā)的平均成本約為26億美元，大約耗費(fèi)10年時(shí)間。它包括了漫長(zhǎng)的小分子化合物研發(fā)階段、三期臨床試驗(yàn)、以及注冊(cè)審批的過程。然而，能夠通過這重重考驗(yàn)并成功上市的藥物，僅有不到1/10。

“藥物信息研究中常面臨大量的非結(jié)構(gòu)數(shù)據(jù)、數(shù)據(jù)集數(shù)據(jù)較少、負(fù)樣本數(shù)據(jù)不足、數(shù)據(jù)不平衡等問題，人工智能技術(shù)也有助于解決這類藥物設(shè)計(jì)中的難題。”在裴劍鋒看來，人工智能技術(shù)不僅有望破解藥物信息雜亂和難以利用的問題，實(shí)現(xiàn)針對(duì)特定疾病、靶標(biāo)和化合物分子自動(dòng)進(jìn)行藥物研發(fā)評(píng)估和自動(dòng)新藥發(fā)現(xiàn)的系統(tǒng)。同時(shí)，還能顯著提高藥物研發(fā)流程中各種計(jì)算預(yù)測(cè)模型的準(zhǔn)確性，促進(jìn)新型藥物設(shè)計(jì)技術(shù)的產(chǎn)生，使得基于文獻(xiàn)信息數(shù)據(jù)的新藥研發(fā)等新方向變得真正可行。

“可以預(yù)計(jì)，人工智能技術(shù)對(duì)傳統(tǒng)技術(shù)的改進(jìn)以及由其引發(fā)產(chǎn)生的新型藥物研發(fā)技術(shù)，將極大縮短新藥研發(fā)周期、降低研發(fā)成本，顯著提高藥物研發(fā)的成功率。”裴劍鋒坦言，新藥研發(fā)是個(gè)長(zhǎng)周期的過程(10年—15年)，人工智能藥物研發(fā)技術(shù)還處于起始和發(fā)展期，其影響還需要用一段時(shí)間的積累來證明。

與藥物設(shè)計(jì)類似的是，材料設(shè)計(jì)中的典型應(yīng)用如新能源、電池和高性能合金材料等，也將會(huì)通過新一代分子模擬的方法被大力推動(dòng)。裴劍鋒說，基于機(jī)器學(xué)習(xí)和大數(shù)據(jù)的材料設(shè)計(jì)所面臨的挑戰(zhàn)是，實(shí)現(xiàn)高效精準(zhǔn)的高通量計(jì)算，這勢(shì)必需要在分子模擬層面有質(zhì)的突破。

對(duì)此，黃鐵軍表示認(rèn)同，“人工智能提高了合成的效率，基礎(chǔ)有賴于高精度的材料和藥物模型，這方面需要長(zhǎng)期的試驗(yàn)積累。”