AI

人工智能能否颠覆新药研发？

人工智能（AI）高度依赖于高质量有标识的大数据，在一个生物学假说驱动、效率低下、试错为主的新药创新领域，毋庸置疑，这将会显著提升新药研发流程中某些阶段的效率。但不管自古英雄出少年的IT创业精英风起云涌，还是有数十年研发经验的医药界老兵坐观潮起潮落，都缺乏对人工智能+新药研发全面的理性认识。 鉴于此，公司总裁黄牛博士与药物化学主管李伟博士根据多年的研究经验，与大家分享我们对于人工智能 +新药研发的观点和态度，分别从两个方面，理解疾病-影像诊断及生物学新机制/新靶点的发现，和设计药物-活性预测及化合物库的产生与合成，探讨人工智能在新药研发中的实与虚。 具体的观点发表于《知识分子》移动媒体上，阅读原文点击此处。 知识分子是由饶毅、鲁白、谢宇三位学者创办的移动新媒体平台，致力于关注科学、人文、思想。致力于传播科学前沿知识、改善中国科学文化。能够快速对世界科学前沿、重大科技话题做出反应，并且由于科学家的专业判断介入，能够发出有力的思想评论，极大地满足公众之于诸多话题的阅读期待。

深度学习在药物设计与发现中的应用

阅读原文，点击 此处

药学学报, 2019, 54(5): 761-767 引用本文： 李伟, 杨金才, 黄牛. 深度学习在药物设计与发现中的应用[J]. 药学学报, 2019, 54(5): 761-767. LI Wei, YANG Jin-cai, HUANG Niu. Deep learning in drug design and discovery[J]. Acta Pharmaceutica Sinica, 2019, 54(5): 761-767.

深度学习在药物设计与发现中的应用 李伟2, 杨金才1, 黄牛1,3 1. 北京生命科学研究所, 北京 102206; 2. 瑞璞鑫(苏州)生物科技有限公司, 江苏 苏州 215123; 3. 清华大学生物医学交叉研究院, 北京 102206 摘要: 在新药创制的药物设计与发现所采用的多种技术中，深度学习仍处于初级阶段，但近年来以其独有的特点，开始应用于虚拟化合物库的生成，化合物活性、代谢和毒性的预测，以及有机合成反应预测等多个方面。与传统的机器学习方法相比，深度学习的预测能力无明显优势，但其无需人工归纳总结数据特征，而是具有学习能力，自动提取特征。与基于第一性原理的计算化学相比，深度学习虽然因为对标注明晰的大数据集的依赖，存在泛化能力的不足，但其以原子为中心进行卷积的表征开始助力计算化学。深度学习作为新兴技术发展迅速，不依赖于大量标注数据的非监督学习等方法在逐渐完善，有望能更好地助力新药研发。 关键词: 新药研发 深度学习 机器学习 计算化学 全新药物设计

Deep learning in drug design and discovery

LI Wei2, YANG Jin-cai1, HUANG Niu1,3