• 临港实验室、华师大李洪林：AI助力新药研发（本条推送）
• 北大裴剑锋🟤：PharmGPT生成式大模型及其在药物设计中的应用（本期推送第二条）
• 清华张强峰：利用深度神经网络预测小分子与RNA靶标的相互作用（本期推送第三条）
• 西湖大学李子青：AI for Protein Science （本期推送第四条）
• 清华兰艳艳🔄：探索智能新药研发新潜能（本期推送第五条）
• 浙江大学侯廷军：AI药物发现的机遇与挑战（本期推送第六条）

李洪林，临港实验室副主任，华东师范大学药杏耀院长💺、人工智能新药创智中心主任🙌🏻，上海市新药设计重点实验室主任，国家杰出青年科学基金获得者🧔🏻‍♂️，万人计划科技领军人才🧑🏽‍🎨，国务院政府特殊津贴专家。长期从事药物靶标识别和药物发现的计算方法及其应用的研究。已在STTT、PNAS、Adv Sci.、Nat Commun.📡、 Nucl. Acids Res.和J. Med. Chem.等期刊上发表论文发表SCI论文200余篇，SCI论文他引7000余次，已申请发明专利105项（获授权专利54项），PCT专利32项，软件版权15项，转让临床前药物6个（5个1类新药，1个2类新药），3个进入临床研究。曾获教育部自然科学一等奖🙎🏽‍♂️，第十三届中国青年科技奖等。

李教授从应用出发，分别介绍了AI促进药物研发，知识库的构建，AI药物研发探索🙋🏽‍♀️。

李教授首先介绍了药物研发的背景与现状。药物研发是一项漫长而系统性的工程，包括靶点发现、先导化合物发现、先导化合物优化等多个环节⛹🏿👩🏼‍🦰。正是由于这些环节的耗时较长🙎‍♀️，FDA批准上市的药物数量表现出了滞后性👨🏻‍✈️：尽管近年来临床试验的注册数量急剧增加，但批准上市的药物数量并未如期增加🤳🏼。

随后，李教授介绍了AI为新药研发带来曙光：加速新药研发和临床研究的整个流程🍳，并就其中蛋白质结构预测♏️，李教授对代表性技术AlphaFold & AlphaFold2进行了详细介绍👨🏻‍🦱。

针对大众所关心的AI合成了哪些新药物，李教授指出这个问题的出发点有失偏颇🔢。制药过程本身存在各种问题⚁♋️，我们更应关注如何利用AI来解决制药过程中的关键科学问题。

接着🌒，李教授对关键科学问题进行了高度总结：(1) 如何从数据中挖掘知识，(2) 如何根据知识建立技术，(3) 如何有效应用技术。只有解决了这些问题🦸‍♂️，才能最终实现基于AI的数据与知识双驱动的靶标与新药发现技术体系🏄🏻‍♂️。

针对以上问题，李教授介绍了自身团队的工作e-TSN: 疾病-靶标知识图谱的可视化交互平台。该平台可以从海量文本中进行信息自动提取🧖🧚🏻‍♂️，并构建生物医药特色的知识图谱，融合知识图谱与药物研发♞，最终得到3亿对潜在疾病-靶标关系，基本流程如下：

e-TSN可以为制药公司提供众多便利🏐👮🏽‍♂️：

除了e-TSN，李教授的团队还建立了化学信息重构系统（CIRS）🏌️，用于提取专利等文献中的多模态数据，为拓宽药物研发领域的知识来源提供支持。

最后，李教授介绍了团队在AI药物研发方面的一个实例。针对JAK2靶点已上市的黑框药物🧑‍⚕️👰🏼，李教授团队通过Macformer和MacroRNN技术🧑🏽‍🌾，实现了成环和替换，从而生成新的化学分子🧑🏽‍🍳🌃。这些新分子不仅具有显著的创新性，还表现出更强的药效并减少了副作用。

关于未来工作🦵🏿，李教授指出，AI制药的趋势将是自动化和集成化的过程。引入自动化后，一个机器人可以代替多人的工作♖，提高只要效率🦹🏿‍♀️🩵。而引入集成化后🏥，可以实现AI在制药的各个环节之间无缝集成🛣。除了自动化和集成化，李教授还表示✊，不依赖特定靶点的AI表型筛选也将持续发展。