0
7 月 30 日，成立不到一年的百圖生科（BioMap）宣布完成上億美元的 A 輪融資，這家由李彥宏牽頭發(fā)起并親任董事長、原百度風投 CEO 劉維作為聯(lián)合創(chuàng)始人兼 CEO 掌舵的「中國首家生物計算驅(qū)動的生命科學平臺公司」向外界放出雄心：
公司致力于用高性能生物計算和多組學數(shù)據(jù)技術(shù)加速創(chuàng)新藥物和早篩早診等精準生命科學產(chǎn)品的研發(fā)，力圖讓更多疾病可預(yù)警、可控制、可治愈，為行業(yè)提供更好的生物地圖（BioMap），幫助藥廠找到化合物，幫助醫(yī)生找到生物標志物，幫助科研人員找到各種生物數(shù)據(jù)背后的意義。
不久之前，國際機器學習大牛又宋樂加入李彥宏生物計算軍團。為世界知名機器學習專家，他領(lǐng)導(dǎo)著百圖生科 AI 算法團隊，為獨具特色的生物計算引擎研發(fā)提供技術(shù)動力。
宋樂博士是著名的機器學習和圖深度學習專家，曾任美國佐治亞理工學院計算機學院終身教授、機器學習中心副主任，阿聯(lián)酋 MBZUAI 機器學習系主任，螞蟻金服深度學習團隊負責人（P10）、阿里巴巴達摩院研究員，國際機器學習大會董事會成員，具有豐富的 AI 算法和工程經(jīng)驗。
自 2008 年起，宋樂博士在 CMU 從事生物計算相關(guān)的研究，利用機器學習技術(shù)對靶點挖掘、藥物設(shè)計取得了一系列突破性成果，獲得 NeurIPS、ICML、AISTATS 等主要機器學習會議的最佳論文獎。社區(qū)服務(wù)方面，他曾擔任 NeurIPS、ICML、ICLR、AAAI、IJCAI 等 AI 頂會的領(lǐng)域主席，并將出任 ICML 2022 的大會主席，他還是同行評議期刊 JMLR、IEEE TPAMI 的副主編。
近日，由雷峰網(wǎng)(公眾號：雷峰網(wǎng)) & 醫(yī)健AI掘金志主辦的GAIR「醫(yī)療科技高峰論壇」在深圳正式召開。
這一次，醫(yī)健AI掘金志以「醫(yī)療AI的破局與新生 」為主題，將話筒傳遞給四位院士、5位IEEE Fellow、19位行業(yè)領(lǐng)袖，由他們以分別從歷盡鉛華的醫(yī)學影像AI、和風勁正濃的AI制藥兩大賽道出發(fā)，為行業(yè)的發(fā)展提出自己的判斷。
論壇之上，百圖生科首席AI科學家，ICML 2022大會主席宋樂，以《用人工智能賦能新藥研發(fā)》為題，發(fā)表了一場演講。
宋樂教授提到，大家在憧憬AI可以在新藥發(fā)現(xiàn)領(lǐng)域展現(xiàn)巨大作用的同時，還有三個問題要提前考慮。
第一個挑戰(zhàn)，了解復(fù)雜疾病的困難。例如胃癌，因為胃連接不同器官；細胞層面上，每個器官有不同細胞進行不同作用，細胞之間通性也是很復(fù)雜的網(wǎng)絡(luò)；分子層面，細胞里有各種各樣蛋白質(zhì)等分子產(chǎn)生相互作用，也形成了很復(fù)雜的網(wǎng)絡(luò)。所以，如果為一種胃部疾病找合適治療靶點，就需要對整個網(wǎng)絡(luò)有透徹的了解。
需要測量每一個環(huán)節(jié)、每一個尺度，包括整個機體組織尺度，整個組織的切片，細胞之間如何通信，如何表達這些基因。甚至要看到細胞里的蛋白質(zhì)互相作用，收集這些數(shù)據(jù)會非常復(fù)雜。
例如，需要測量單個細胞基因表達量，蛋白質(zhì)表達量。甚至還需要同時測量單個細胞基因表達、不同細胞在空間、組織里面的表達。
第二，對于包括基因?qū)用娴幕驕y序、表觀組，蛋白質(zhì)表達、蛋白質(zhì)代謝，組織層面、機理層面等多維度、多尺度的數(shù)據(jù)，如何進行復(fù)雜且多樣化的融合處理。
傳統(tǒng)方式是對每個維度分開分析，再通過人來做整合；現(xiàn)在可以用AI將多尺度、多樣化數(shù)據(jù)整合。 除了數(shù)據(jù)多樣性問題，數(shù)據(jù)量增加也非常快，生物數(shù)據(jù)每7個月翻一倍。
第三個挑戰(zhàn)，行業(yè)配合問題。數(shù)據(jù)分析與實驗往往是兩波人，他們之間的溝通缺乏一個非常高效的系統(tǒng)，將預(yù)測、模型輸出和試驗系統(tǒng)進行整合，加速迭代。
通常情況下，都是數(shù)據(jù)分析員根據(jù)根據(jù)已有知識在腦海里形成假設(shè)，然后讓實驗員做實驗；有了數(shù)據(jù)后，再給數(shù)據(jù)分析團隊分析，驗證假設(shè)是否成立，決定下一次實驗。
整個實驗-數(shù)據(jù)分析-模型環(huán)節(jié)比較開環(huán)，但不是完全開環(huán)，缺少一個非常高效的系統(tǒng)，將預(yù)測或模型輸出和實驗系統(tǒng)整合，加速迭代過程。
以下是演講的全部內(nèi)容，雷峰網(wǎng)做了不改變愿意的整理和編輯：
今天我分享一下對人工智能賦能醫(yī)藥的理解以及行業(yè)現(xiàn)狀，人工智能在這個領(lǐng)域能做些什么。
首先，這個行業(yè)面臨很大的挑戰(zhàn)，我將其定義為雙十挑戰(zhàn)。
第一，醫(yī)藥研發(fā)漫長；每個新藥從研發(fā)到上市需要10年時間甚至更多，藥物篩選過程非常艱難。
很多藥物都是小分子或蛋白質(zhì)，種類極多，篩選空間甚至有10的60次方，從這么大范圍找出最終的藥物分子，并推到上市，其實非常艱難。
計算節(jié)點上，要從10的60次方中找到1萬種，再從里面選幾百個做Preclinical測試，之后再做臨床試驗，整個過程中每一步都有很高的失敗率。
而且，前期篩選經(jīng)常預(yù)測不到后期屬性，導(dǎo)致產(chǎn)物后期無法使用，就要從頭重新篩選，周而復(fù)始。
第二個“十”是指，開發(fā)一個新藥大約需要10億美金左右的造價。1950年還有很多比較容易治療的疾病未被治愈，
如果當時有10億美金投入，可以發(fā)現(xiàn)幾十個藥物。但現(xiàn)在面對的都是比較難的疾病，并且現(xiàn)在我們對藥物的療效、副作用減少的要求越來越高，監(jiān)管要求越來越嚴。
所以10億美金只能發(fā)現(xiàn)一個新藥物。如果我們能把新藥研發(fā)的造價降低、成功率提升的話，也可以節(jié)約研發(fā)經(jīng)費，這個市場是巨大的。
所以AI新藥研發(fā)面對的是一個非常廣闊的市場，但大家在憧憬AI可以在新藥發(fā)現(xiàn)領(lǐng)域展現(xiàn)巨大作用的同時，還有三個問題要提前考慮：
第一個挑戰(zhàn)，了解復(fù)雜疾病的困難。例如胃癌，因為胃連接不同器官；
細胞層面上，每個器官有不同細胞進行不同作用，細胞之間通性也是很復(fù)雜的網(wǎng)絡(luò)；
分子層面，細胞里有各種各樣蛋白質(zhì)等分子產(chǎn)生相互作用，也形成了很復(fù)雜的網(wǎng)絡(luò)。
所以，如果為一種胃部疾病找合適治療靶點，就需要對整個網(wǎng)絡(luò)有透徹的了解。
需要測量每一個環(huán)節(jié)、每一個尺度，包括整個機體組織尺度，整個組織的切片，細胞之間如何通信，如何表達這些基因。甚至要看到細胞里的蛋白質(zhì)互相作用，收集這些數(shù)據(jù)會非常復(fù)雜。
例如，需要測量單個細胞基因表達量，蛋白質(zhì)表達量。甚至還需要同時測量單個細胞基因表達、不同細胞在空間、組織里面的表達。
第二，對于包括基因?qū)用娴幕驕y序、表觀組，蛋白質(zhì)表達、蛋白質(zhì)代謝，組織層面、機理層面等多維度、多尺度的數(shù)據(jù)，如何進行復(fù)雜且多樣化的融合處理。
傳統(tǒng)方式是對每個維度分開分析，再通過人來做整合；現(xiàn)在可以用AI將多尺度、多樣化數(shù)據(jù)整合。
除了數(shù)據(jù)多樣性問題，數(shù)據(jù)量增加也非常快，生物數(shù)據(jù)每7個月翻一倍。
但是傳統(tǒng)方式分析效率卻不高，所以就需要AI模型用HPC方式，把數(shù)據(jù)里有用或微弱的信息整合。
第三個挑戰(zhàn)，行業(yè)配合問題。數(shù)據(jù)分析與實驗往往是兩波人，他們之間的溝通缺乏一個非常高效的系統(tǒng)，將預(yù)測、模型輸出和試驗系統(tǒng)進行整合，加速迭代。
通常情況下，都是數(shù)據(jù)分析員根據(jù)根據(jù)已有知識在腦海里形成假設(shè)，然后讓實驗員做實驗；有了數(shù)據(jù)后，再給數(shù)據(jù)分析團隊分析，驗證假設(shè)是否成立，決定下一次實驗。
整個實驗-數(shù)據(jù)分析-模型環(huán)節(jié)比較開環(huán)，但不是完全開環(huán)，缺少一個非常高效的系統(tǒng)，將預(yù)測或模型輸出和實驗系統(tǒng)整合，加速迭代過程。
為了解決這三個挑戰(zhàn)，有必要形成一個AI-實驗的閉環(huán)系統(tǒng)，把預(yù)測和濕試驗的環(huán)節(jié)打通到同一個系統(tǒng)。
百圖生科建立了干濕試驗閉環(huán)的高通量平臺，這個平臺在AI模型有一個巨大的場景，可以整合現(xiàn)有的數(shù)據(jù)，產(chǎn)生異構(gòu)的、復(fù)雜的知識圖譜。
基于知識圖譜可以進行AI模型擬合，或者整合這些數(shù)據(jù)并且產(chǎn)生預(yù)測。例如要探究某個蛋白質(zhì)是不是某個疾病的靶點，或者我們設(shè)計出方案是不是針對這個靶點有效，直接發(fā)放給實驗系統(tǒng)，收集到的可能是生物實驗數(shù)據(jù)，可能是翻譯的數(shù)據(jù)，甚至是圖像數(shù)據(jù)，很快可以通過AI模型或者計算機視覺方法更新，再進行下一個實驗。
接下來，我再介紹一下AI主要在每個環(huán)節(jié)可以做什么，大概分為三部分：
第一，在藥物發(fā)現(xiàn)階段找到新靶點；
第二，根據(jù)靶點設(shè)計新的藥物分子；
第三，在試驗閉環(huán)階段進行交互學習。
下面具體列舉幾個案例：
第一個案例，AI找出目標蛋白質(zhì)，例如在復(fù)雜蛋白質(zhì)相互作用網(wǎng)絡(luò)，或信號通路里找出蛋白質(zhì)。
細胞膜上有很多蛋白質(zhì)，阻斷或激活膜蛋白的作用就會產(chǎn)生細胞間的生物作用。而且，每個蛋白質(zhì)在不同疾病里，對應(yīng)蛋白質(zhì)表達單元也不一樣。
尋找針對某個疾病表現(xiàn)的蛋白質(zhì)，就需要把得到的細胞基因表達數(shù)據(jù)、蛋白質(zhì)表達數(shù)據(jù)整合到同一網(wǎng)絡(luò)里。
過去，有很多生物學家做了這方面研究，模型做得很復(fù)雜，將很多復(fù)雜的AI模型遷移到生物網(wǎng)絡(luò)里。
例如在生物計算領(lǐng)域，蛋白質(zhì)之間連接產(chǎn)生了非常復(fù)雜相互作用網(wǎng)絡(luò)。
這個網(wǎng)絡(luò)不單是兩兩蛋白質(zhì)作用，也可能有三、四個蛋白質(zhì)相互形成作用。蛋白質(zhì)又關(guān)系到關(guān)鍵基因表達，每個節(jié)點有非常復(fù)雜的屬性，就需要用圖神經(jīng)網(wǎng)絡(luò)進行推理。
我們也可以借鑒其他領(lǐng)域的圖神經(jīng)網(wǎng)絡(luò)模型，融合在一起學習更好的模型。
圖神經(jīng)網(wǎng)絡(luò)是現(xiàn)在比較火的領(lǐng)域，大量搜索的經(jīng)驗都可以遷移到靶點發(fā)現(xiàn)領(lǐng)域，讓靶點發(fā)現(xiàn)變得更有效，融合各種各樣信息。
第二個案例，AI怎樣針對靶點設(shè)計有效藥物。一般藥物都是有機小分子或大分子，或蛋白質(zhì)或RNA。
所以，設(shè)計藥物就要涉及很多小分子性質(zhì)和大分子結(jié)構(gòu)預(yù)測。例如AlphaFold 2可以根據(jù)給定序列預(yù)測蛋白質(zhì)結(jié)構(gòu)。
蛋白質(zhì)的結(jié)構(gòu)對其功能、作用非常關(guān)鍵，如果知道蛋白質(zhì)功能結(jié)構(gòu)就可以更好了解其功能，所以，準確蛋白質(zhì)結(jié)構(gòu)對設(shè)計結(jié)構(gòu)非常關(guān)鍵。
除了蛋白質(zhì)，AI領(lǐng)域還能看到各種各樣搜索。例如RNA分子二級結(jié)構(gòu)、三級結(jié)構(gòu)，如果AI預(yù)測出這些結(jié)構(gòu)對RNA藥物設(shè)計也有幫助。
除此之外，各種各樣小分子以及它們的屬性，毒性、水溶性，針對某一個靶點的有效性，也都可以通過AI模型預(yù)測。
其實，生物制藥的數(shù)據(jù)形態(tài)與傳統(tǒng)互聯(lián)網(wǎng)差異較大，生物制藥數(shù)據(jù)中很多是圖數(shù)據(jù)，而傳統(tǒng)互聯(lián)網(wǎng)主要以網(wǎng)絡(luò)數(shù)據(jù)、人的行為數(shù)據(jù)為主。
在生物制藥領(lǐng)域，如果想對一張圖結(jié)構(gòu)數(shù)據(jù)進行預(yù)測，或者對生成的小分子、大分子等生物序列比對，就需要各種各樣圖數(shù)據(jù)模型和VAE模型，甚至還要基于VAE模型學習小分子表征，進行小分子搜索和優(yōu)化。
除了預(yù)測結(jié)構(gòu)和功能外，AI在小分子性質(zhì)優(yōu)化上也有很多應(yīng)用，例如已知一個小分子是潛在藥物，利用AI更高效合成這些小分子，這就涉及到AI模型和博弈數(shù)搜索的結(jié)合。
目前，AI在小分子、大分子的應(yīng)用已經(jīng)非常完善，AlphaFold2本身就是非常復(fù)雜的AI模型。
第三個案例，預(yù)測RNA二級結(jié)構(gòu)折疊，通過RNA序列來預(yù)測結(jié)構(gòu)。
我認為RNA藥物未來可能是AI制藥非常好的應(yīng)用方向。
這是RNA二級結(jié)構(gòu)預(yù)測演示，先輸入RNA序列，如果需要預(yù)測RNA結(jié)構(gòu)。就要在RNA 序列遠端位點折疊，使空間上比較接近，位點接近程度用接觸圖表征。
AI模型可以在其中基于序列輸入預(yù)測接觸圖，目前最好的手段就是深度學習，它的完善程度甚至超越了一些計算機視覺類模型。
用AI分析這樣的數(shù)據(jù)，首先需要對序列分析，例如可以通過自然語言處理模型表征生物學序列。
這時，Transformer模型預(yù)測的是2D的結(jié)果，如果要生成圖像數(shù)據(jù)，還需要做卷積神經(jīng)網(wǎng)絡(luò)產(chǎn)生特征，再預(yù)測接觸圖。
而且還要考慮結(jié)構(gòu)的限制，AlphaFold 2就是采用類似的策略，這相比傳統(tǒng)模型確實有巨大提高。
實驗和AI模型閉環(huán)情況下，除了基因表達數(shù)據(jù)、蛋白質(zhì)表達數(shù)據(jù)之外，AI還可以解決有細胞圖像的數(shù)據(jù)。
細胞圖像數(shù)據(jù)圖像可能有六個頻道熒光圖像，如何基于熒光圖像，描述出微妙的細胞狀態(tài)變化，就需要做很多模型開發(fā)和設(shè)計。
此外，AI還可以提升一些信息含量比較高的實驗的效率。
第四個案例，有效打標簽。這不止是AI模型問題，也是系統(tǒng)設(shè)計的問題，而且也需要專家知識。
往往一開始只能獲得少量精標簽，訓練一個尚可的模型。
但是如果讓這個模型變成更準確的模型，就需要閉環(huán)的系統(tǒng)，讓AI模型對大量沒有標簽的圖像打標簽，并呈現(xiàn)給無專業(yè)背景篩選，再給專家進行精標簽；精標簽打完后，再回流到AI模型更新，進行下一環(huán)。
整個過程如果在閉環(huán)情況下，就更有可能在少量精標簽情況下，讓模型繼續(xù)對大量沒有精標簽的圖像打標簽。
此外，AI還可以輸出分割標準，以及選擇什么樣圖片打標簽，在各個環(huán)節(jié)都有很多可以做東西，有很多可以提高的空間。
最后總結(jié)一下，我們目前面臨的都還是非常復(fù)雜的問題，即使有很多觀測手段，收集到大量數(shù)據(jù)，有如此多的AI模型，也還是杯水車薪。
未來，如何把AI模型、專家知識和實驗手段結(jié)合在一起，還需要交叉學科的團隊一起努力，希望感興趣的同學加入這個領(lǐng)域，把生物計算交叉學科研究做得更好。
這是今天我想講的就是以上這些，如果感興趣，額外的信息可以關(guān)注我們公司的公眾號并訪問我們的網(wǎng)站。謝謝大家！
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
