必?fù)P醫(yī)藥（Beyang Therapeutics），成立于2021年，是一家既年輕又成熟的Biotech公司。基于ExCEED（Experiment + Computation w/ Enhanced Evaluation & DMPK）技術(shù)平臺，必?fù)P專注于計算模擬技術(shù)和藥物發(fā)現(xiàn)實(shí)驗(yàn)技術(shù)的高度融合，尋找更快、更智能的方法來發(fā)現(xiàn)新的和更好的藥物。

基于多年在行業(yè)深耕的經(jīng)驗(yàn)和獨(dú)特的創(chuàng)新視角，胡齊悅在2021年創(chuàng)立了必?fù)P醫(yī)藥。他的初衷是：“我希望必?fù)P作為創(chuàng)新藥物的‘夢工廠’，以另外一種方式，匯聚有各自專長的人組成精煉小團(tuán)隊，研發(fā)出Best in Class的分子，加速藥物研發(fā)進(jìn)程。”從分子設(shè)計、成藥性評價與生物學(xué)評價三個核心環(huán)節(jié)入手，必?fù)P期望打造一個能不斷產(chǎn)出高質(zhì)量分子的創(chuàng)新藥“夢工廠”，助力中國創(chuàng)新藥走出國門、邁向海外。

01
計算機(jī)土壤上的
創(chuàng)新藥“夢工廠”

全球高手組隊打造“夢工廠”，專注創(chuàng)新藥

必?fù)P的團(tuán)隊來自世界各地，精煉且資深。

胡齊悅在Pfizer（輝瑞）La Jolla實(shí)驗(yàn)室工作十多年后，選擇回國加入恒瑞醫(yī)藥。在中國創(chuàng)新藥的發(fā)展萌芽階段，繼續(xù)深耕近十年后，成立了必?fù)P醫(yī)藥。公司創(chuàng)始團(tuán)隊成員均擁有超過20年新藥研發(fā)與計算模擬結(jié)合的實(shí)踐經(jīng)驗(yàn)，累計對20余個臨床階段候選藥物或已上市新藥的研究與開發(fā)做出過重要貢獻(xiàn)，例如Adebrelimab、Axitinib、Crizotinib、Sunitinib、Sylatron等等。

必?fù)P的“夢工廠”模式不僅在于小而精的團(tuán)隊本身，還在其強(qiáng)大的創(chuàng)造能力。

必?fù)P的優(yōu)勢體現(xiàn)在，具有挑戰(zhàn)性的靶點(diǎn)與適應(yīng)癥選擇，以及臨床前項目管線的推進(jìn)和有明顯差異化的數(shù)據(jù)。

成立不到三年，已經(jīng)有一款以滴眼治療眼底疾病的項目管線正在推進(jìn)臨床注冊申報研究，該適應(yīng)癥臨床可用藥物匱乏，且無治療指南推薦藥物，未滿足臨床需求巨大。同時，另一款治療高危型白血病復(fù)發(fā)難治亞型的項目也即將進(jìn)入臨床注冊申報研究，該適應(yīng)癥標(biāo)準(zhǔn)療法為化療，尚無針對性靶向療法獲批，亦存在非常明確的未滿足臨床需求。

無論是眼科項目還是腫瘤項目，均在臨床前研究中，通過與所選適應(yīng)癥/靶點(diǎn)上最好的藥物頭對頭比較，充分證明其 Best in Class 潛力。

出生自帶計算機(jī)技術(shù)基因：CADD+AIDD

三年前，速石寫過一篇文章，盤點(diǎn)了全球44家頂尖藥企用人工智能輔助新藥研發(fā)的現(xiàn)狀。到今天，依然可以得出這個結(jié)論：我們離主要靠計算機(jī)發(fā)現(xiàn)藥物，通過一大堆機(jī)器人完成實(shí)驗(yàn)測試，然后將它們送給患者的世界還相距甚遠(yuǎn)。
但這并不意味著，我們不能繼續(xù)往前。

正是計算機(jī)技術(shù)的應(yīng)用讓創(chuàng)新藥研發(fā)這件事情變得扁平化，把中國與世界的距離拉近。

必?fù)P從誕生的一刻起就自帶計算機(jī)技術(shù)基因 （CADD+AIDD）。

胡齊悅在輝瑞就專注于計算機(jī)輔助藥物研發(fā)的工作，在恒瑞任職期間，帶領(lǐng)團(tuán)隊充分發(fā)揮計算模擬與實(shí)驗(yàn)的協(xié)同作用，并將計算模擬的應(yīng)用從小分子領(lǐng)域進(jìn)一步拓展到包括抗體、重組蛋白、ADC和RNA等生物大分子形式。

胡齊悅表示，相比Me Too，做Best in Class會更需要計算機(jī)技術(shù)的幫助，或者說，借助這樣的技術(shù)可以把這件事做得更好。比如分子設(shè)計，一般靠的是研究人員經(jīng)驗(yàn)，他知道什么樣的化學(xué)結(jié)構(gòu)可以跟靶點(diǎn)有很好的結(jié)合。但一個人即使再有經(jīng)驗(yàn)，也不可能窮舉所有可能性，這時候可以借助計算機(jī)的力量把已知可能的分子都設(shè)計出來，通過一個評價體系來排序并選擇。
而一個奇思妙想的結(jié)構(gòu)，有時能點(diǎn)燃創(chuàng)造的火花。

而像成藥性評價，如果通過AI機(jī)器學(xué)習(xí)的算法模擬實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練預(yù)測模型可以節(jié)省人力、物力以及實(shí)驗(yàn)資源，并能更快獲得最終的實(shí)驗(yàn)結(jié)果。

02
專注核心
借助外部的力量

Biotech的主業(yè)，始終是前沿靶點(diǎn)和技術(shù)，解決未滿足臨床需求。必?fù)P的“夢工廠”模式，最重要的就是專注于自己的核心目標(biāo)，同時充分借助外部的力量。

隨著整個制藥行業(yè)的發(fā)展與成熟，CRO、CMO、第三方研究所等專業(yè)機(jī)構(gòu)的出現(xiàn)，為行業(yè)的發(fā)展帶來了全新的商業(yè)模式，很多非核心業(yè)務(wù)都可以被拆分出來，實(shí)現(xiàn)“分布式”分工協(xié)同，讓必?fù)P的發(fā)展更輕松與高效。

比如，做新藥研發(fā)云平臺的速石科技就是必?fù)P的合作伙伴之一。
過去一年，必?fù)P在速石平臺的使用趨勢如下圖：

最高達(dá)到1500+核心并發(fā)，最低值是0。
真正做到：需要的時候就在那。無需預(yù)測，想用就用，用完即走。

給必?fù)P帶來的好處在于：
首先，輕松無負(fù)擔(dān)。無需增加自有資產(chǎn)，占用公司現(xiàn)金流；
其次，使用方式靈活。需要的時候購買，用完即走，不需要培養(yǎng)一個專門的團(tuán)隊；第三，減少前期摸索時間與降低試錯成本。

還在美國工作的時候，胡齊悅就已經(jīng)知道云的優(yōu)勢了。
在恒瑞時他曾經(jīng)也想上云，但即便在大型藥企，從無到有地搭建一套可用研發(fā)環(huán)境依舊是復(fù)雜的：從爭取公司資源，到招聘專業(yè)人才，包括后續(xù)一系列采購設(shè)備、設(shè)計底層架構(gòu)、打通網(wǎng)絡(luò)、部署系統(tǒng)、管理維護(hù)集群等工作。
考慮到這些繁瑣耗時的工作都需要他付出相當(dāng)大的精力，就一直沒往這個方向投入。

而在本地機(jī)器購買完成的那一刻起，就開始了固定資產(chǎn)的貶值。

創(chuàng)立了必?fù)P后，作為一家企業(yè)的創(chuàng)始人，面臨的問題就更多更現(xiàn)實(shí)了。

專門準(zhǔn)備一個機(jī)房，招一堆人來搭建整個環(huán)境和底層架構(gòu)，再專門找IT維護(hù)。他直接表示：“這個對于多數(shù)Biotech不實(shí)際”。而且每年可以投入到機(jī)房的費(fèi)用是一定的，但是需要做計算的事其實(shí)是在增長的，這種模式也非常不靈活，很難匹配一家高速增長的企業(yè)需求。

在胡齊悅看來，速石提供的新藥研發(fā)云平臺是一條捷徑或者說高速路，而這對藥物研發(fā)企業(yè)具有很重要的價值。

面對多樣的藥物研發(fā)場景和BIO/AI工具，如分子對接、虛擬篩選、蛋白質(zhì)折疊等，速石能為像必?fù)P這樣的用戶提供三大核心價值：

1. 標(biāo)準(zhǔn)藥物研發(fā)環(huán)境的規(guī)劃與搭建。

速石站在醫(yī)藥公司整個新藥研發(fā)體系與架構(gòu)視角進(jìn)行標(biāo)準(zhǔn)藥物研發(fā)環(huán)境的規(guī)劃與搭建，為企業(yè)提供一整套即開即用的CADD/AIDD研發(fā)平臺，一體化產(chǎn)品端到端交付到用戶手里。
有效降低用戶的前期投入與摸索成本，任何起步的公司都可以嘗試，沒有使用門檻，且對企業(yè)的未來擴(kuò)張有極強(qiáng)的兼容性與彈性。

2. 藥物設(shè)計研發(fā)流程的構(gòu)建與驗(yàn)證，BIO/AI應(yīng)用的適配和銜接。

速石深入藥物研發(fā)業(yè)務(wù)場景，為用戶提供藥物研發(fā)流程自動化的構(gòu)建與驗(yàn)證，對上層BIO/AI應(yīng)用運(yùn)行提供支持與優(yōu)化，同時與底層資源聯(lián)動，給用戶更靈活、更高效使用資源的能力。
一方面把用戶原來手動做的工作自動化，大大提升用戶的工作效率；另一方面為用戶提供應(yīng)用與資源層面的最佳實(shí)踐參考，解決了研發(fā)場景里普遍存在的資源利用率不高、成本難以把控等問題。

3. 處理研發(fā)與IT領(lǐng)域的交叉問題。

做計算機(jī)輔助藥物研發(fā)，遇到的通常是介于藥物研發(fā)與計算機(jī)IT領(lǐng)域的交叉問題，定位困難，解決復(fù)雜，非常消耗用戶精力。速石能幫用戶預(yù)判部分問題，通過自動化減少部分問題發(fā)生，定位并解決部分問題，幫助用戶專注更重要的藥物研發(fā)工作。

此外，速石的新藥研發(fā)平臺還能支持市面上所有主流新藥研發(fā)應(yīng)用，和AlphaFold、RoseTTAFold等常用AI框架的快速搭建，并提供開源/自有分子庫構(gòu)建與治理，如Zinc、Drugbank、Maybridge、Enamine等等。

速石常見BIO應(yīng)用實(shí)證：
Vina/ Amber/ MOE/ LeDock

03
思路拓展：
一個假設(shè)性問題

我們問了胡齊悅一個假設(shè)性的問題：
“如果沒有預(yù)算，你會怎么使用我們平臺？”
或者換一種表達(dá)方式：“如果沒有資源限制，你會如何使用計算機(jī)技術(shù)來輔助藥物研發(fā)？”
他回答：“會用得更多。”

多跟少之間的權(quán)衡點(diǎn)具體有哪些？

第一， 研究的全面性。
面對資源限制，企業(yè)首要考慮的是該研究項目的必要性與重要性，然后計算需要投入的時間與資源量。這可能會嚴(yán)重影響研究的全面性。
以設(shè)計分子為例，藥物研發(fā)人員會從現(xiàn)有的資源與認(rèn)知出發(fā)，制定研究計劃，無法考慮超出資源之外及認(rèn)知之外的可能性。
隨著研究邊界的不斷拓展，可能會因?yàn)橛邢薜馁Y源與認(rèn)知，對某一個項目帶來致命的、決定性的負(fù)面影響。而研發(fā)人員永遠(yuǎn)無法知道錯過了什么。

第二，應(yīng)用與資源的適配。
資源限制會對研發(fā)人員使用應(yīng)用的方式提出要求，他們需要能根據(jù)任務(wù)特性挑選更合適、性價比更高的機(jī)器。
如果只選用大機(jī)型執(zhí)行任務(wù)，將會浪費(fèi)大量資源，而如果錯誤選擇了小機(jī)型，很可能中途會面臨任務(wù)失敗。
如何找到應(yīng)用與資源類型、資源規(guī)模的最佳適配，需要不斷地學(xué)習(xí)和實(shí)踐。

第三，時間與金錢的取舍。
從事藥物研發(fā)，研發(fā)速度不是唯一的考量。要提升研發(fā)的深度與廣度，實(shí)現(xiàn)整體效率的提升，充足的資源必不可少，但這也意味著企業(yè)需要付出更多的成本。企業(yè)需要在效率與成本間做抉擇，甚至需要根據(jù)外部環(huán)境的變化做動態(tài)調(diào)整。這也是大部分企業(yè)都在面臨的難題。

Take Away

1. 高手組團(tuán)，小而精且靈活，計算機(jī)技術(shù)加持，專注有挑戰(zhàn)性的靶點(diǎn)與適應(yīng)癥，我們有理由期待必?fù)P醫(yī)藥將在創(chuàng)新藥研發(fā)這條路上越走越遠(yuǎn)。畢竟“夢工廠”是為大家制造夢想的地方，而生命/健康是人類永恒的追求。
2. 對計算機(jī)技術(shù)輔助藥物研發(fā)的信心，也就是CADD/AIDD到底能在創(chuàng)新藥研發(fā)過程中起到多大的作用，必?fù)P作為一家Biotech給國內(nèi)的醫(yī)藥公司們成功打了個樣。而我們提供給必?fù)P以及創(chuàng)新藥公司的價值，就是讓他們盡可能專注自己的研發(fā)業(yè)務(wù)，其他事情都能交給我們。
3. 生物制藥這個行業(yè)，05、06年開始一直往上走，到2015年達(dá)到頂峰，直到2021年開始往下走了。但中國醫(yī)藥從“仿制藥”轉(zhuǎn)型“創(chuàng)新藥”這個大方向是不會變的，只是泡沫退去之后，不再有冒險和神話，只留下專業(yè)、理性和冷靜做事的人和公司。

關(guān)于必?fù)P

蘇州必?fù)P醫(yī)藥科技有限公司是一家創(chuàng)新的制藥公司，利用其專有的ExCEED 平臺來加速針對未滿足臨床需求的新藥發(fā)現(xiàn)和開發(fā)進(jìn)程。創(chuàng)始人和管理團(tuán)隊平均擁有超過20年新藥研發(fā)經(jīng)驗(yàn)，曾任職于輝瑞、默克、阿斯利康、先靈葆雅和恒瑞。他們在藥物靶點(diǎn)選擇、CADD、AIDD、生物篩選和優(yōu)化以及DMPK方面具有豐富的經(jīng)驗(yàn)。他們共同參與促成了20 多個臨床候選分子的開發(fā)，其中多個藥物（Adebrelimab、Axitinib、Crizotinib、Sunitinib、Sylatron等）已獲得 FDA 和 NMPA 的批準(zhǔn)，于中美兩地上市。

必?fù)P建立了專有的計算機(jī)加速藥物發(fā)現(xiàn)整合平臺ExCEED，該平臺利用新的分子生成和優(yōu)化方法 MMPT 和計算機(jī) DMPK 模擬預(yù)測來指導(dǎo)臨床前候選分子的發(fā)現(xiàn)和開發(fā)，能夠大幅拓展可探索化學(xué)空間，打破制藥專家固有思維的桎梏，從而提高藥物研發(fā)效率，獲得更優(yōu)質(zhì)的分子。公司專注于眼科、腫瘤等具備臨床未滿足需求的疾病領(lǐng)域，旨在打造全球新藥研發(fā)界的“DreamWorks”（夢工廠），充分發(fā)揮團(tuán)隊在藥物發(fā)現(xiàn)階段的優(yōu)勢，自建管線與合作授權(quán)開發(fā)（License-out or Co-development) 并行。

關(guān)于fastone云平臺在各種BIO應(yīng)用上的表現(xiàn)，可以點(diǎn)擊以下應(yīng)用名稱查看：

Vina │ Amber │ MOE │ LeDock

速石科技新藥研發(fā)行業(yè)白皮書，可以戳下方查看：

新藥研發(fā)37問 │ 頂尖藥企AIDD調(diào)研

-END-

我們有個一站式新藥研發(fā)平臺
集成行業(yè)應(yīng)用與自編譯軟件
支持AlphaFold、RoseTTAFold等常用AI應(yīng)用
可視化Workflow隨心創(chuàng)建、便捷分享
提供Zinc、Drugbank等開源/自有分子庫
CADD專家團(tuán)隊全面支持

掃碼免費(fèi)試用，送200元體驗(yàn)金，入股不虧~

更多BIO電子書歡
迎掃碼關(guān)注小F（ID：iamfastone）獲取

你也許想了解具體的落地場景：

王者帶飛LeDock！開箱即用&一鍵定位分子庫+全流程自動化3.5小時完成20萬分子對接
1分鐘告訴你用MOE模擬200000個分子要花多少錢
155個GPU！多云場景下的 Amber自由能計算
提速2920倍！用AutoDock Vina對接2800萬個分子

新藥研發(fā)平臺：
國產(chǎn)調(diào)度器之光——Fsched到底有多能打？
創(chuàng)新藥研發(fā)九死一生，CADD/AIDD是答案嗎？
全球44家頂尖藥企AI輔助藥研行動白皮書

近期重大事件：

速石科技入駐粵港澳大灣區(qū)算力調(diào)度平臺，參與建設(shè)數(shù)算用一體化發(fā)展新范式
速石科技成NEXT PARK產(chǎn)業(yè)合伙人，共同打造全球領(lǐng)先的新興產(chǎn)業(yè)集群
速石科技出席ICCAD2023，新一代芯片研發(fā)平臺助力半導(dǎo)體企業(yè)縮短研發(fā)周期
速石科技與芯啟源開啟戰(zhàn)略合作，聯(lián)手打造軟硬件一體芯片研發(fā)云平臺
速石科技作為特邀服務(wù)商入駐IC PARK，合力打造集成電路產(chǎn)業(yè)新生態(tài)
速石科技成為國家“芯火”深圳雙創(chuàng)基地（平臺）戰(zhàn)略合作伙伴，推動國產(chǎn)EDA公共技術(shù)服務(wù)云平臺建設(shè)

a16z的Vijay Pande博士在上周寫的文章《AI is Too Dumb… For Now》，同樣認(rèn)為現(xiàn)階段的AI還是太“笨”了。如果人工智能不能變得比現(xiàn)在“聰明”很多，它在生物領(lǐng)域的潛力將是有限的。

Vijay Pande博士，a16z普通合伙人，主要專注于生物制藥和醫(yī)療領(lǐng)域的投資。
此前，Vijay是斯坦福大學(xué)的 Henry Dreyfus 化學(xué)教授，結(jié)構(gòu)生物學(xué)和計算機(jī)科學(xué)教授，開創(chuàng)并一直在推動計算機(jī)科學(xué)技術(shù)在醫(yī)學(xué)和生物學(xué)領(lǐng)域的應(yīng)用。他擁有300多篇出版物，兩項專利，兩種新型候選藥物。

那么，如果想要讓AI更加“聰明”，數(shù)據(jù)上，算法上，具體應(yīng)該怎么做呢？
用“AI inside”替代“Intel inside”，對企業(yè)來說又意味著什么？

我們看看他怎么說的：

為了證明AI在生物領(lǐng)域的應(yīng)用價值，我們走了很長一段路。
2018年，我還在《紐約時報》上爭辯：考慮到醫(yī)生的大腦很大程度更是黑匣子的前提下，圍繞醫(yī)學(xué)中人工智能“黑匣子”的恐懼到底有多不合理，以及未來的障礙和機(jī)會可能在哪里。

（注：這個爭辯背景是，有人提出沒有人知道那些高級AI算法到底是怎么學(xué)習(xí)的，過程過于黑箱，令人害怕。而Vijay說其實(shí)人類做決策很多時候是出于直覺，也不一定能說清背后的邏輯推理過程，本質(zhì)上是個更大的黑箱。）

今天，已經(jīng)有大量證據(jù)表明AI能掀起醫(yī)療和生命科學(xué)領(lǐng)域的革命（更不用說其他領(lǐng)域），甚至在一度被認(rèn)為過于復(fù)雜而無法通過算法處理的一系列任務(wù)上表現(xiàn)得超越人類。 

但是，盡管有了這些證據(jù)，現(xiàn)實(shí)中的現(xiàn)實(shí)是：如果人工智能不能變得比現(xiàn)在更智能，它在生物領(lǐng)域的潛力將是有限的。

AI可以被訓(xùn)練（很像狗），但不能真正理解；它可以玩游戲，但僅限于已知規(guī)則；總之，它無法超越訓(xùn)練本身。

拿識別與致病蛋白質(zhì)結(jié)合的小分子為例，人工智能能夠超出人類能力地加速和擴(kuò)大藥物發(fā)現(xiàn)范圍，它必須從給定的訓(xùn)練數(shù)據(jù)中推斷出物理規(guī)律（比如原子可以堆積多近）、化學(xué)規(guī)律（比如不同化學(xué)鍵的強(qiáng)度）和生物學(xué)規(guī)律（比如蛋白質(zhì)口袋的靈活性）。但如果在任何方向上數(shù)據(jù)量過小，就會導(dǎo)致毫無意義的結(jié)果。 哈佛大學(xué)醫(yī)學(xué)院使用自研的VirtualFlow云平臺調(diào)用16萬核CPU對接10億分子花了15小時：《15小時虛擬篩選10億分子，《Nature》+HMS驗(yàn)證云端新藥研發(fā)未來 - 速石科技BLOG (www.jf-health.com) 》

需要明確的是：我們所討論的不是一些類似于人類的科幻人工智能概念，也不是只有生物學(xué)才需要面對的“笨”人工智能挑戰(zhàn)。但是，由于需要大量行業(yè)專業(yè)知識才能理解問題的根源和提出可能的解決方案，在生物和醫(yī)療領(lǐng)域最能感受到依賴于這些樸素算法帶來的影響。 

如果我們想在生物學(xué)和醫(yī)療領(lǐng)域更有意義地應(yīng)用人工智能，并取得真正的進(jìn)步，我們需要能夠創(chuàng)建具備行業(yè)專業(yè)知識的更“聰明”的AI算法。

那么，怎么才能做到呢？
對這個領(lǐng)域的玩家意味著什么？   

一切從數(shù)據(jù)開始……

房地產(chǎn)行業(yè)的至理名言是“l(fā)ocation，location，location”，而在人工智能領(lǐng)域，永遠(yuǎn)是“數(shù)據(jù)，數(shù)據(jù)，數(shù)據(jù)”。

然而，現(xiàn)在的數(shù)據(jù)不太適合AI在生物學(xué)中的實(shí)際應(yīng)用。探索這些數(shù)據(jù)可以得到一些零散的信息，但沒法得出普適性的生物學(xué)洞察。而且，這些數(shù)據(jù)也缺乏對AI學(xué)習(xí)內(nèi)容和方向上的控制，無法避免數(shù)據(jù)缺陷。

為了讓人工智能在生物和醫(yī)療領(lǐng)域得到更實(shí)際和更廣泛地應(yīng)用，需要通過自動化的方式生成數(shù)據(jù)。自動化的好處在于：更系統(tǒng)化，更可重復(fù)，不受人類情感約束，比如過于重復(fù)過于無聊。 

但更關(guān)鍵的點(diǎn)在于如何設(shè)計實(shí)驗(yàn)，需要在一開始就有針對性地為AI提供數(shù)據(jù)，從而確保更高質(zhì)量的數(shù)據(jù)，規(guī)避數(shù)據(jù)缺陷。AI應(yīng)該在開始數(shù)據(jù)收集之前就介入，這樣能更好地進(jìn)行實(shí)驗(yàn)設(shè)計，確定實(shí)驗(yàn)路線。但很多時候，AI往往是在實(shí)驗(yàn)快要結(jié)束的時候被硬塞進(jìn)來的。

這跟科學(xué)家們之前受過的訓(xùn)練完全不同，以前的實(shí)驗(yàn)?zāi)繕?biāo)往往是驗(yàn)證一個特定假設(shè)，而現(xiàn)在因?yàn)?strong>AI極大地擴(kuò)展了可能性，為我們開啟了新世界的大門，讓我們可以擁抱那些我們不知道我們不知道的現(xiàn)實(shí)。

還是拿識別與靶標(biāo)蛋白質(zhì)結(jié)合的小分子為例（在初創(chuàng)公司和制藥企業(yè)中越來越常用的應(yīng)用場景）：
一方面，AI可以變得特別強(qiáng)大，尤其是當(dāng)結(jié)果信息可以匯總，加強(qiáng)原來的數(shù)據(jù)，開始新一輪學(xué)習(xí)；
另一方面，AI可能會選擇一些違反科學(xué)家直覺的分子。以前，藥物化學(xué)家會根據(jù)經(jīng)驗(yàn)，對哪些修改會提高親和力和選擇性下一系列賭注，通常會排除他們“知道”行不通的選擇。而除了需要在計算機(jī)上進(jìn)行大量天文數(shù)字模擬計算之外，AI不需要排除任何可能的修改，從而幫助藥物化學(xué)家擴(kuò)大探索范圍，選擇應(yīng)該制造和測試的分子。

這里就有一個虛擬篩選海量分子的案例，我們調(diào)用了10萬核CPU資源，花了15小時搞定了2800萬個分子：《生信云實(shí)證Vol. 生信分析上云案例, AutoDock Vina分子對接虛擬篩選 (www.jf-health.com)

這就是人工智能的力量——超越人類所能做的。當(dāng)然，前提是它是“聰明”的，而不是“笨”的。 

所以，到底如何讓AI更智能呢？

除了更高質(zhì)量的數(shù)據(jù)，我們顯然還需要更優(yōu)秀的算法。

1.升級算法

學(xué)彈吉他是件有挑戰(zhàn)性的事情，但對于會彈鋼琴的人來說則要容易得多（因?yàn)樗麄円呀?jīng)會看樂譜、操作一種樂器以及對音高和音調(diào)有敏感性）。我們可以將學(xué)鋼琴當(dāng)成學(xué)吉他的“預(yù)訓(xùn)練”。而在生物領(lǐng)域，預(yù)訓(xùn)練看起來像是一種醫(yī)學(xué)轉(zhuǎn)錄算法，在使用醫(yī)學(xué)術(shù)語和分類學(xué)進(jìn)行訓(xùn)練之前，先使用英語語言和語法進(jìn)行訓(xùn)練。預(yù)訓(xùn)練為AI提供了大量練習(xí)，教會它有關(guān)概念之間的關(guān)系，并且具有一些明顯可見的好處，比如加快以更少輸入實(shí)現(xiàn)更高準(zhǔn)確度這個過程。預(yù)訓(xùn)練的缺點(diǎn)是它仍然依賴于AI根據(jù)已知數(shù)據(jù)發(fā)現(xiàn)和推斷已知規(guī)則。

另一種方案是把行業(yè)專業(yè)知識直接編進(jìn)算法里。這里的關(guān)鍵是以一種足夠通用的方式表示數(shù)據(jù)，讓它可以處理所有不同的排列組合。例如，在自然語言處理中，樸素AI以像素的形式輸入數(shù)據(jù)，然后將其翻譯為字母、單詞和句子等。使用更智能的編碼可以將文本顯示為字母，這樣可以大大減少訓(xùn)練數(shù)據(jù)量，為數(shù)據(jù)貧乏的環(huán)境和更可預(yù)測的算法打開大門。在生物中，這可能意味著不再以體素（3D像素）的格式向AI描述分子，而是從包含了化學(xué)鍵信息的圖形開始，這意味著更大的化學(xué)空間。 讓數(shù)據(jù)表示包含更多目標(biāo)信息是棘手的，必須經(jīng)過深思熟慮，因?yàn)樗赡茏兊梅浅Ｇ宄踩菀谆蚍疵妫兊酶訌?fù)雜難懂。 

2. 面向行業(yè)應(yīng)用而設(shè)計

當(dāng)算法從一開始就面向某個特定生物應(yīng)用進(jìn)行設(shè)計時，它們也將變得更智能，同時能獲得行業(yè)專業(yè)知識。生物領(lǐng)域使用的很多AI技術(shù)都是直接從非生物應(yīng)用中搬過來的；放射學(xué)中的算法與用于基本圖像識別的神經(jīng)網(wǎng)絡(luò)類型是一樣的。 

現(xiàn)在我們開始看到了針對生物學(xué)問題設(shè)計的算法和訓(xùn)練的出現(xiàn)，像自監(jiān)督算法的變體，它們從通用對應(yīng)物開始，但結(jié)合了生物學(xué)見解來幫助學(xué)習(xí)。例如，了解細(xì)胞自然特征（染色質(zhì)、細(xì)胞器等）的細(xì)胞成像算法可以讓我們更自然地使用自監(jiān)督方法。這是因?yàn)閿?shù)據(jù)更加一致（所有類型都相同，全都是細(xì)胞成像），并且圖像中的元素在沒有高級機(jī)器學(xué)習(xí)的情況下是眾所周知的（因?yàn)槲覀兞私饧?xì)胞的基本生物學(xué)）。這也將帶來更好的整體表現(xiàn)，并降低訓(xùn)練數(shù)據(jù)量需求。  

3.深入結(jié)合行業(yè)知識

最終，當(dāng)算法與特定行業(yè)的計算方法成功融合時，它們將變得更智能，并提高適用性。 

以分子動力學(xué)模擬為例，這是一種可以對分子物理和化學(xué)的許多方面進(jìn)行編碼的強(qiáng)大計算方法，但它仍然依賴于以臨時、有偏見和依賴于人類判斷的方式完成的參數(shù)和訓(xùn)練。通過將AI融入這些模擬計算中，可以使參數(shù)選擇更加穩(wěn)健和可重復(fù)，帶來方法的整體改進(jìn)。

在《生信云實(shí)證Vol.6：155個GPU！多云場景下的Amber自由能計算 - 速石科技BLOG (www.jf-health.com)》中，我們調(diào)用155個GPU進(jìn)行基于分子動力學(xué)模擬的煉金術(shù)自由能計算。

今天，我們在蛋白質(zhì)、細(xì)胞和器官水平上看到了這樣的組合。

未來，我們將基于AI模擬整個生物體。 

綜上所述，所有這些都導(dǎo)致人工智能的“智能”發(fā)生翻天覆地的變化——從基于任務(wù)的簡單訓(xùn)練（類似于訓(xùn)練狗的特定技巧）轉(zhuǎn)變?yōu)樾枰儆?xùn)練的更通用的智能，更自然地超出訓(xùn)練本身（在科學(xué)范圍內(nèi)），實(shí)現(xiàn)更準(zhǔn)確的預(yù)測。

AI inside……意味著什么？

把“Intel inside”換成“AI inside”，對創(chuàng)業(yè)公司和老牌企業(yè)意味著什么？生物領(lǐng)域并不是第一個正在適應(yīng)這種大轉(zhuǎn)變的行業(yè)。從華爾街到麥迪遜大道再到硅谷，每個人都在適應(yīng)AI，我們能看到文化障礙與技術(shù)障礙幾乎一樣高。 

對于一家生物公司來說，更實(shí)際和更廣泛地采用AI意味著將人工智能以及懂人工智能技術(shù)的人員將融入每個團(tuán)隊，而不是一個通常在最后才被叫過來了解其他人做了些什么的獨(dú)立AI小組。這可能意味著企業(yè)需要配備在人工智能和生物領(lǐng)域“雙語”的人員，以及建立一種重視雙方的文化：渴望計算能力的生物學(xué)家和深深植根于生物領(lǐng)域的計算科學(xué)家。

眾所周知，改變根深蒂固的文化非常困難。

初創(chuàng)公司在這方面有明顯優(yōu)勢，可以從0開始構(gòu)建基于AI原生的團(tuán)隊和思維方式。對于老牌企業(yè)來說，與其他創(chuàng)新一樣，領(lǐng)先的永遠(yuǎn)是那些能夠調(diào)整傳統(tǒng)模式的公司。當(dāng)然，他們也可以選擇建立全新的以AI為中心的團(tuán)隊，讓這些團(tuán)隊承擔(dān)越來越多的責(zé)任，從內(nèi)部進(jìn)行瓦解。

一種新的人才即將到來。
過去，“藥物獵人”是藥物化學(xué)家。但是隨著可以幫助完成機(jī)械重復(fù)工作和分子合成的CRO公司的興起，現(xiàn)在誰制造分子遠(yuǎn)不如誰設(shè)計它們重要。隨著“量化分析師”的出現(xiàn)，我們看到金融領(lǐng)域就有類似的轉(zhuǎn)變，這些人更多擁有計算技能而不是對該領(lǐng)域?qū)I(yè)知識。同樣的，這種轉(zhuǎn)變也將發(fā)生在化學(xué)和生物實(shí)驗(yàn)室里。 

到目前為止，這些生物“量化分析師”必須依賴大數(shù)據(jù)來支持他們的統(tǒng)計方法，由于成本和復(fù)雜性，現(xiàn)在還很難落地。但未來的智能算法能將他們的技能應(yīng)用于小數(shù)據(jù)——從而應(yīng)用到公司的所有領(lǐng)域。大數(shù)據(jù)是基礎(chǔ)設(shè)施和管線問題；小數(shù)據(jù)永遠(yuǎn)是個智力問題，通過智能算法來解決，而不僅僅是靠聰明人。 

正是這種能處理小數(shù)據(jù)能力的智能算法，將使AI無處不在。 
與之前的其他重大技術(shù)轉(zhuǎn)變一樣，從樸素到智能 AI 的轉(zhuǎn)變將重塑整個組織結(jié)構(gòu)，而不僅僅是與其最接近的功能。

為什么？因?yàn)楦斆鞯娜斯ぶ悄芸梢詭椭卮鹪?jīng)只屬于精明的人類判斷領(lǐng)域的關(guān)鍵業(yè)務(wù)問題。  

太多人將人工智能視為生物制藥進(jìn)步歷史長河中的下一個階段。

人們很容易把AI當(dāng)成又一項技術(shù)進(jìn)步，然而，這是一個過于狹隘的觀點(diǎn)，因?yàn)?strong>與其他技術(shù)不同，人工智能——尤其是這些智能算法——不僅是解決一個問題的工具，而且是可以應(yīng)用于所有問題的工具。真正的力量不僅在于將其用作單一工具，還在于使用AI放大和整合公司中的所有工具和技術(shù)。

它不僅僅只是擺在桌面上的一個新盒子，而是我們在每個角色中的學(xué)徒和盟友。隨著人工智能無處不在，它將變得更聰明，我們也是。

我們基于全球44家頂尖藥企（包括3家中國藥企）在利用AI輔助藥物研發(fā)上的行動（共涉及55家AI初創(chuàng)企業(yè)、12家IT-云服務(wù)商、7所高校）制作了《【2021年】全球44家頂尖要求AI輔助藥物研發(fā)行動白皮書》，有興趣的可掃碼添加小F微信獲取。

- END -

我們有個為應(yīng)用定義的云計算平臺
集成多種EDA應(yīng)用，大量任務(wù)多節(jié)點(diǎn)并行
應(yīng)對短時間爆發(fā)性需求，連網(wǎng)即用
跑任務(wù)快，原來幾個月甚至幾年，現(xiàn)在只需幾小時
5分鐘快速上手，拖拉點(diǎn)選可視化界面，無需代碼
支持高級用戶直接在云端創(chuàng)建集群

掃碼免費(fèi)試用，送200元體驗(yàn)金，入股不虧~

更多電子書歡迎掃碼關(guān)注小F（ID：imfastone）獲取

你也許想了解具體的落地場景：
LS-DYNA求解效率深度測評 │ 六種規(guī)模，本地VS云端5種不同硬件配置
揭秘20000個VCS任務(wù)背后的“搬桌子”系列故事
155個GPU！多云場景下的Amber自由能計算
怎么把需要45天的突發(fā)性Fluent仿真計算縮短到4天之內(nèi)？
5000核大規(guī)模OPC上云，效率提升53倍
提速2920倍！用AutoDock Vina對接2800萬個分子
從4天到1.75小時，如何讓Bladed仿真效率提升55倍？
從30天到17小時，如何讓HSPICE仿真效率提升42倍？

關(guān)于為應(yīng)用定義的云平臺：
2小時，賬單47萬！「Milkie Way公司破產(chǎn)未遂事件」復(fù)盤分析
高情商：人類世界模擬器是真的！低情商：你是假的……
【2021版】全球44家頂尖藥企AI輔助藥物研發(fā)行動白皮書
EDA云平臺49問
國內(nèi)超算發(fā)展近40年，終于遇到了一個像樣的對手
幫助CXO解惑上云成本的迷思，看這篇就夠了
花費(fèi)4小時5500美元，速石科技躋身全球超算TOP500