最近，因为聊天机器人ChatGPT的出现，人工智能再次成为公众瞩目的焦点。近年来，人工智能已开始应用于制药领域，使用人工智能、计算生物学等交叉学科的手段，用以减少药物发现所需的时间和高昂成本。在近日举办的“北京大学—云南白药国际医学研究中心”启用仪式上，该中心谢正伟副研究员分享了团队研发世界上第一款人工智能药效预测系统的经验。

人工智能有这样一种能力，它可以把复杂事情变得容易。对于药物设计这个“黑盒子”来说，如果有非常明确的输入，经过人工智能的数据算法验证，就会输出一个相对有效的结论，这是一种“唯象”的拟合，所以在实验验证中有很高的正确率。

“ChatGPT看上去有自己的思想，能够总结、理解，给出一些答案，而且通过机器学习，可以不断扩大知识面。但是，就某一具体专业，ChatGPT不一定能覆盖该知识领域。比如说，人工智能技术应用在生物医药研发领域时，ChatGPT也会面临困难，这时候需要有专门的技术来实现。”谢正伟说。

“人工智能药物研发有四个要素：数据、算法、算力、验证。在目前这个阶段，针对每个要素，都可以做一些感兴趣的探索。”谢正伟介绍，“基于海量的数据和算法的拟合能力，建立精确的深度学习模型，这样化学分子、蛋白质结构就可以被深刻理解，使得药物设计更加客观高效。”

如何能不依赖于疾病的靶点信息，去预测高度多样化、极为复杂的疾病候选分子？谢正伟把研究思路锁定在“基因指纹”上。

“对于复杂的生物变化来说，比如衰老、代谢疾病、免疫疾病、干细胞、癌症免疫治疗等，分子层面都会有独特而明显的转录水平的变化，这些变化被称为‘基因指纹’。就像人们的指纹各不相同，代表着疾病的分子机制。所以，可以通过数据计算去寻找这些‘基因指纹’，找出机体生理变化过程中这些独一无二的线索，由此获得疾病的进展，再把这些线索与药物转录组学的结果相比较，就可以预测出药物的效果。”谢正伟介绍。

基于此思路，该团队开发学习算法深度神经网络并将其命名为“灵素系统”。深度神经网络被认为具有无限的拟合能力，可以将细胞、器官等当作“黑盒子”，通过不断学习来自真实世界的实验数据，建立起准确的关联关系。在此基础上，就可以去预测小分子化合物处理细胞后引起的“基因指纹”变化，从而绕过靶点不明或者机制复杂的困难。

比如，凭借灵素系统，研究团队使用商用小分子数据库，预测了治疗肥胖、高尿酸血症、非酒精性脂肪肝炎3种疾病的化合物；对于肥胖，灵素系统预测3种化合物可降低小鼠的脂肪含量，减轻小鼠的体重。

“灵素系统先发现有效化合物，然后可以倒推靶点，这些靶点往往是新靶点，这对于尚无明确治疗靶点的疾病或会带来意想不到的疗效，所以可以赋予药企新靶点的发现能力，在First-inclass的研发中处于有利的竞争地位。目前，我们已经开发出专门用于新靶点预测的DlepsTarget系统，它已经显示出很好的预测效果，验证实验也正在进行。”谢正伟表示，AI制药远未达到业界预期。对于阿尔茨海默病、癌症、糖尿病、高血压、痛风、自免疫疾病等疾病，希望能够开发更加智能的系统；同时，要培养算法开发、大数据处理、IT平台、机器人硬件、靶点验证、分子设计的复合型人才。