人工智能助力药物研发：上海科技大学团队获进博会一等奖

在第七届中国国际进口博览会上，上海科技大学的GeminiMol团队凭借其在药物研发中的创新应用，荣获一等奖，这标志着人工智能在药物研发领域的进一步突破。药物研发过程长期以来因其复杂性和耗时性被视为科学研究的一大挑战，尤其是在“先导化合物的发现”这一关键步骤上，传统方法往往面临诸多困难。

面对众多化合物、有限的靶点信息及难以明确的作用机制，人工智能的引入为药物研发的未来拓宽了路径。在2024浦江创新论坛期间，GeminiMol团队结合深度学习技术开发出一款复杂的人工智能模型，能够将化合物的成药性和构象空间信息进行整合，以精准评估药物分子的性质。这样的创新不仅极大提高了药物筛选的命中率，还使得团队在激烈竞争中脱颖而出，以最高分勇夺一等奖。

这是一个引人瞩目的成就，尤其是当我们研究NMDA受体亚型GluN1/GluN3A这一靶点时。该受体与多种神经疾病密切相关，如脑卒中、抑郁症、癫痫和阿尔茨海默病等。GluN1/GluN3A亚型的相关小分子调节剂及基础研究相对缺乏。因此，精确筛选出针对这一靶点的药物分子变得尤为重要。

GeminiMol团队的研究者们将药物分子比作打开特定门锁的钥匙，面对锁孔未被揭示的现状，团队采用了高通量生物实验的方法，以前这被视为一种“打捞海底捞针”的方式。现计算生物学的应用可以将这一传统方式进行有效替代，利用计算机模拟为药物分子的筛选提供高速的支持。

在具体操作中，GeminiMol团队通过对比学习的方法将分子的构象空间信息融入模型，从而显著提升了分子的表征能力和预测准确性。正如团队成员王世航所言，他们在分析已知活性分子后，在大赛提供的分子库中筛选出与之在三维构象上高度相似、二维结构上又有所区别的新分子。团队筛选出的药物分子对于GluN1/GluN3A的活性达到了0.98微摩尔，反映出其卓越的药效特征。

值得注意的是，人工智能的引入使得药物筛选的速度显著提升。在本次比赛中，GeminiMol模型在短短半个小时内就完成了对1800万个化合物的筛选评价。这样的速度在药物研发的时间成本上是一个巨大的优势。通过集成多种已知活性分子的特征，新开发的分子可能同时具备多个活性特征，增强了药物研发的灵活性。

人工智能赋予药物设计领域新的生命力，尽管现在的模型尚未成熟，但其潜力与应用前景不容忽视。白芳，团队的指导老师指出，计算生物学必然会迎来技术的快速发展。在硬件方面，专门化的计算机和高性能芯片的出现为研究提供了强大的计算支持；在算法方面，最新的机器学习与深度学习技术更是为药物设计开辟了新的思路。

面对复杂的生物制药问题，单一的研究方法已无法满足需求。实践证明，人工智能尽管强大，仍需与基于物理模型的传统计算方法相结合，以应对生物实验数据在数量、质量上的短板。未来的研究需要通过跨学科的合作，以实现对复杂科学问题的全面理解与探讨。

随着科学技术的不断进步，人工智能在药物研发的应用将愈加广泛，作为学科交叉点的计算生物学也将展示出更大的发展空间。白芳呼吁，人才的培养应更早进行学科交叉学习与项目实践，使学生从整体上了解药物研发的每一个环节，为未来整合不同领域知识的创新提供可持续的发展基础。

GeminiMol团队在进博会中获得一等奖的背后，展现的是人工智能在药物研发领域崭露头角的潜力。虽然挑战依旧存在，但借助前沿的技术与科学家的不断努力，药物研发的未来会更加光明，前景广阔。