“有些進入AI制藥行業(yè)的人，尤其是風險投資者。他們只有計算機的背景，缺乏藥學背景，并不真正了解藥物設(shè)計，只是在跟風炒作一個概念?！?/strong>

華東理工大學藥學院教授唐赟在計算機輔助藥物設(shè)計、化學信息學、網(wǎng)絡(luò)藥理學、計算毒理學、計算生物學等領(lǐng)域深耕多年。在此次對話中，唐赟也向《醫(yī)健AI掘金志》表達了他對于AI制藥行業(yè)當前情況的擔憂。

唐赟教授畢業(yè)于中國科學院上海藥物研究所，師從中國科學院院士陳凱先先生，曾先后在瑞典卡羅林醫(yī)學院、美國國家衛(wèi)生研究院癌癥研究所等機構(gòu)從事研究工作。

2004年，唐赟回國任復(fù)旦大學教授，后受中國科學院院士蔣華良邀請，協(xié)助創(chuàng)建華東理工大學藥學院。

ChatGPT的出現(xiàn)，讓AI制藥重回三年前爆火時的盛況。

在今年的春季GTC大會上，英偉達宣布將與三井物產(chǎn)株式會社（Mitsui）就Tokyo-1項目合作，通過高分辨率分子動力學模擬和AIGC等技術(shù)，提高日本制藥實力；

百度文心一言首個落地醫(yī)藥行業(yè)的產(chǎn)品GBI-Bot（醫(yī)藥垂類對話機器人）也于近期發(fā)布，基于百度靈醫(yī)智惠在醫(yī)療健康行業(yè)的技術(shù)積累，實現(xiàn)了文心一言與GBI專業(yè)數(shù)據(jù)庫的有機結(jié)合。

越來越多的資本涌入AI制藥行業(yè)，試圖在AlphaFold2之后，再次借助AIGC技術(shù)掀起生命科學領(lǐng)域新的革命。

但繁榮背后也有聲音指出，“AI藥物研發(fā)領(lǐng)域充滿了投資人用錢堆出的泡沫，很快將要迎來自證實力的過渡期?！?/strong>

唐赟指出，藥物研發(fā)自有其發(fā)展規(guī)律，一些投資人期待兩三年就能從中得到回報，這是不現(xiàn)實的，AI技術(shù)驅(qū)動研發(fā)的藥物距離上市至少還要五年時間。

這個行業(yè)，還要經(jīng)過一場大浪淘沙。

近日，雷峰網(wǎng)(公眾號：雷峰網(wǎng))&《醫(yī)健AI掘金志》推出《AI制藥十人談》系列，探究AI制藥的前景與隱憂。

以下為《醫(yī)健AI掘金志》與唐赟的對話內(nèi)容，《醫(yī)健AI掘金志》做了不改變原意的編輯與整理。

醫(yī)健AI掘金志：您早在1991年研究生期間就曾進行過計算機、神經(jīng)網(wǎng)絡(luò)等在藥物設(shè)計中的應(yīng)用相關(guān)研究，是國內(nèi)非常早期進行這一領(lǐng)域研究的學者，您是怎么開始在藥物設(shè)計的過程中嘗試計算機相關(guān)技術(shù)的？

唐赟：我本科畢業(yè)于同濟大學應(yīng)用化學專業(yè)，當時中國科學院上海藥物研究所的陳凱先先生剛從國外回來工作不久，只有四十多歲，是國內(nèi)最早一批進行計算機輔助藥物設(shè)計（CADD）的學者之一。

我本科的老師說，陳先生年輕有為，有很多好的想法，跟著他一定沒錯，我就報考了中科院上海藥物所陳先生的研究生。

我從1991年讀研究生開始，到1996年博士畢業(yè)，五年的時間專門跟陳先生學習計算機輔助藥物設(shè)計。

當時做這個方向研究的人很少，也很少有學生會選擇這樣一個方向，我那時候?qū)λ幬镌O(shè)計也不是很懂，但是我們相信跟著陳先生一定能做出一些東西來。

一入學，陳先生就給了我?guī)灼⑽奈墨I，是他與國外同行交流時收到的文章單行本，就成為了我的第一個課題，將神經(jīng)網(wǎng)絡(luò)方法應(yīng)用到藥物定量構(gòu)效關(guān)系（QSAR）研究中。

當時學習這個很艱苦，能找到的資料非常有限，也沒有軟件，我就自己學習用C語言寫了一個有1400多行的神經(jīng)網(wǎng)絡(luò)計算程序，后來用這個程序發(fā)表了3篇英文文章。

沒想到神經(jīng)網(wǎng)絡(luò)現(xiàn)在又火起來了，變成了深度學習，并帶動了AI制藥的發(fā)展。

之后陳凱先先生又帶領(lǐng)我們參加了國家“863”計劃的第一個藥物設(shè)計項目“基于蛋白質(zhì)和核酸三維結(jié)構(gòu)知識的藥物設(shè)計”，其中我主要承擔了兩個方面的研究。

首先是“G蛋白偶聯(lián)受體（GPCR）三維結(jié)構(gòu)模建和藥物作用機制”的研究，我們是國內(nèi)最早做“GPCR同源模建”的團隊。

中國科學院院士金國章教授，當時正在研究“左旋千金藤啶堿(l-SPD)對多巴胺受體亞型結(jié)構(gòu)的選擇性”問題，我們幫助金院士模建了多巴胺D1、D2受體亞型結(jié)構(gòu)，將左旋千金藤啶堿與多巴胺受體相結(jié)合的幾個場景單獨取出來，用量子力學半經(jīng)驗分子軌道法進行計算，并探索了四氫小檗堿類似物的選擇性機制，幫助金國章院士解決了這個問題。

當時，我們還與池志強院士合作，模建了μ阿片受體三維結(jié)構(gòu)，并預(yù)測了羥甲芬太尼的三個可能結(jié)合位點，后來經(jīng)過點突變實驗對此進行了證實。

其次，我采用三維定量構(gòu)效關(guān)系（3D-QSAR）的方法，為氟喹諾酮類藥物的結(jié)構(gòu)改造提供了重要信息。

上海藥物研究所2009年上市的安妥沙星，早期的研究工作就有我的參與，研發(fā)人員在我們研究的3D-QSAR指導(dǎo)之下，合成了比氧氟沙星具有更好抗菌活性的藥物分子。

1996年，在“863”計劃十周年成果展上，上海藥物所將這些工作作為成果進行了匯報展示，受到好評，并于1997年獲得中國科學院自然科學二等獎。

大家以前都覺得計算機輔助藥物設(shè)計離自己很遠，和日常的新藥研究沒有什么關(guān)系。

通過我們在“863”項目中取得的研究成果，上海藥物所的藥物化學家和藥理學家也逐漸認可了計算機輔助藥物設(shè)計的價值。

如果只是口頭介紹這個東西有價值，別人看不到它的效果，是不會認可的，我們必須拿出實際的案例才有說服力。

我們做了非常多類似的基礎(chǔ)性工作，推動計算機輔助藥物設(shè)計在藥物研發(fā)中的應(yīng)用。

同時，由于當時國內(nèi)做“計算機輔助藥物設(shè)計”的人非常少，我在做研究的同時，也做了很多知識普及類的工作，把國外這一領(lǐng)域的文獻、知識寫成中文綜述發(fā)表出來，一共有十來篇。

1996年，我博士畢業(yè)出國后，我的師兄蔣華良院士在國內(nèi)繼續(xù)推動相關(guān)工作，并于2000年成立了“藥物發(fā)現(xiàn)與設(shè)計中心”，現(xiàn)在計算機輔助藥物設(shè)計這個學科已經(jīng)發(fā)展得非常好了。

醫(yī)健AI掘金志：AI制藥是一個交叉型的領(lǐng)域，更需要具有藥物研發(fā)與AI交叉背景的從業(yè)者，華東理工大學藥學院在培養(yǎng)交叉型人才的學科建設(shè)和師資配置、教學方案等方面，您有何心得？

唐赟：我2004年回國，開始是在復(fù)旦大學藥學院任教，后來師兄蔣華良院士找到我，邀請我和他一起到華東理工大學新建一個藥學院。

建院時的想法就是將藥物設(shè)計作為藥學學科的特色方向，并且聘請多名上海藥物所藥物設(shè)計方向畢業(yè)的博士來充實師資隊伍。

2004年的時候，國內(nèi)已經(jīng)有不少人在做藥物設(shè)計，但還沒有系統(tǒng)性培養(yǎng)學生的方案。

我們當時就已經(jīng)意識到國家將來肯定需要這方面的人才，所以很早就開始培養(yǎng)這個方向的學生，目標就是為張江藥谷培養(yǎng)藥物設(shè)計人才。

2005年到2015年這十年間，我一直在管理本科教學，牽頭創(chuàng)辦了藥學專業(yè)，將藥物設(shè)計學及藥物設(shè)計實驗作為本科生的必修課程，成為國內(nèi)本科藥學專業(yè)中最早開設(shè)相關(guān)必修課程的高校之一。

從2006年起，本科生正式開始上藥物設(shè)計理論課和實驗課，由我和我團隊里的幾個教師一起授課，講義也是我們自己編寫的，還有一些配套的課程，這樣培養(yǎng)的本科生具有較好的理論知識和動手能力，有許多畢業(yè)生后來選擇在藥物設(shè)計方向進行深造。

我根據(jù)多年教學經(jīng)驗編寫的《藥物設(shè)計學》教材，2020年由化學工業(yè)出版社出版；我們編寫的“藥物設(shè)計實驗”教程則包含在我主編的《藥學專業(yè)實驗》中，也在2020年由化學工業(yè)出版社出版。

在研究生培養(yǎng)方面，我非常注重對學生專業(yè)知識和技能的培養(yǎng)，既強化學生的新藥研發(fā)背景知識，也要修一些計算機、數(shù)學類的課程，掌握編程的基本功，AI如今已成為學生們需要掌握的基本技能。

因此，我們實驗室培養(yǎng)的研究生都具有較好的藥物設(shè)計能力，深受業(yè)界歡迎。

現(xiàn)在我們課題組已經(jīng)培養(yǎng)了近百名碩博生進入業(yè)界，恒瑞醫(yī)藥、翰森藥業(yè)、海雁醫(yī)藥、藥明康德、康龍化成、晶泰科技等等，不論傳統(tǒng)藥企還是新興的AI制藥公司，都有我們的學生。我平時到外面做報告、講課的時候，總有制藥公司的人來問我要學生。

醫(yī)健AI掘金志：在AI制藥領(lǐng)域，您和您的團隊與業(yè)界之間有哪些比較印象深刻的合作項目？

唐赟：前幾年和企業(yè)的合作不太多，這幾年AI火起來了，找上門來合作的人就多了。

去年我們和重慶藥友制藥公司建立了合作，這是上海復(fù)星醫(yī)藥旗下一個全資醫(yī)藥公司，華東理工大學有很多校友在藥友制藥工作，他們的董事長劉強也是其中之一。

藥友制藥內(nèi)部做藥物設(shè)計的人不多，又想做創(chuàng)新藥，于是就回母校來找我合作。

這是一個抗乙肝病毒的藥物設(shè)計研究，我們利用深度學習方法，對一些活性已知的抗乙肝病毒的分子結(jié)構(gòu)進行學習，生成了一批類似的分子結(jié)構(gòu)，藥友制藥從中選擇了一部分進行合成與生物活性測試，測試的結(jié)果他們非常滿意。

我們提供的這些設(shè)計分子的方法，其中有一些還沒有實際應(yīng)用過，不知道設(shè)計分子的效果如何，但最后出來的結(jié)果很好，他們很滿意，我們也很滿意，因為證實了我們方法的價值。

目前他們正在和我們談第二個合作項目，腫瘤藥物的分子設(shè)計研究。

另一家做AI制藥的公司索智生物，總部在嘉興，在上海有分部，也跟我們合作過一年多。

索智生物對我們的網(wǎng)絡(luò)藥理學方法感興趣，將我們的方法植入到他們自己的分子設(shè)計平臺中，作為他們的研究工具之一去設(shè)計藥物分子。

隨后他們在成立不到兩年的時間里，已獲得3個PCC（臨床前候選化合物）分子，進展很不錯。

學校和企業(yè)之間是互惠互利的關(guān)系，我們?yōu)槠髽I(yè)提供先進的研究方法，企業(yè)為我們提供具有實際需求的課題和實驗驗證的機會。

以前沒有和企業(yè)合作的時候，我們研究出來的方法只能發(fā)篇文章就結(jié)束了，也沒辦法了解它的效果?，F(xiàn)在通過與企業(yè)的合作，能夠?qū)⒀芯砍晒虍a(chǎn)業(yè)轉(zhuǎn)化方向再推進一步。

相應(yīng)地，企業(yè)把他們的需求告訴我們，我們利用AI等方法技術(shù)幫他們解決難題，也能將風險前置，從而降低分子合成與后期驗證的成本。

醫(yī)健AI掘金志：從計算機工具到AI工具的變革，對藥物設(shè)計產(chǎn)生了哪些推動作用？

唐赟：現(xiàn)在行業(yè)里很多人號稱在做AIDD（人工智能藥物發(fā)現(xiàn)），實際上卻并不是真正地了解這個行業(yè)的背景知識，而是最近兩三年才“改行”進入這個行業(yè)。

他們有計算機背景，但是缺乏藥學背景。

以我的理解，不論CADD（計算機輔助藥物設(shè)計），還是AIDD，都是做藥物設(shè)計，但藥物設(shè)計應(yīng)該包括兩個方面：一是結(jié)構(gòu)驅(qū)動，二是數(shù)據(jù)驅(qū)動。

傳統(tǒng)的CADD是基于分子模擬技術(shù)，通過計算機的模擬、計算和預(yù)測藥物與靶標之間的相互作用，從而設(shè)計和優(yōu)化先導(dǎo)化合物結(jié)構(gòu)，這叫做結(jié)構(gòu)驅(qū)動。

新興的AIDD是基于AI技術(shù)，叫做數(shù)據(jù)驅(qū)動。CADD中也有數(shù)據(jù)驅(qū)動，叫做QSAR，AIDD就是QSAR的延伸，是CADD的一部分。

現(xiàn)在很多人把CADD和AIDD當作兩種事物來看，有的人甚至將二者對立起來，這是不對的，AIDD只是CADD的一個高級階段。

我在外面參加學術(shù)交流時一直說，結(jié)構(gòu)驅(qū)動與數(shù)據(jù)驅(qū)動，相當于一個硬幣的兩面，缺一不可，不能把它們割裂開來。

我們在做藥物設(shè)計的時候，肯定是不能只靠數(shù)據(jù)驅(qū)動這一樣?xùn)|西，必須要采用一些傳統(tǒng)的CADD技術(shù)。

現(xiàn)在只是因為進入了大數(shù)據(jù)和人工智能（AI）的時代，才會出現(xiàn)這個AIDD的概念。也是由于AIDD的出現(xiàn)，讓世界范圍內(nèi)更多的人關(guān)注藥物研發(fā)這個領(lǐng)域。

我們以前做CADD的時候，默默無聞，沒有人關(guān)注我們做什么，只能通過國家自然科學基金等申請一些小的科研課題。

那時候搞新藥研發(fā)的企業(yè)也不多，我們想和企業(yè)進行合作也比較困難。

AIDD出現(xiàn)后，這個行業(yè)才受到更多的重視，找上門來合作的企業(yè)也越來越多，研究資金也要多一些。

粗略統(tǒng)計，截至2022年底國內(nèi)已經(jīng)成立了73家AI制藥公司，其中大部分成立于2019年—2021年間，也為行業(yè)引入了更多的風險資金，推動了整個行業(yè)的發(fā)展。

但是我對目前的情況也有一些憂慮，很多進入這個行業(yè)的人，尤其是風險投資者，有些只有計算機的背景，缺乏藥學背景，并不真正了解藥物設(shè)計，只是在炒作一個概念，有些急功近利。

有人認為只要兩三年就做出新藥開始盈利，這是不現(xiàn)實的。甚至有些公司的目標并不是去做出幾款新藥，而是想借助這個風口吸引到更多的資金，盡早上市。

將來一定會大浪淘沙，一些企業(yè)會倒閉，一些資金會退出去，最終留下的才是真正做藥物研發(fā)的企業(yè)，畢竟我們制藥人的初衷是做成藥，做好藥。

醫(yī)健AI掘金志：虛擬篩選是先導(dǎo)化合物發(fā)現(xiàn)的主流方法，去年您的團隊發(fā)布的適用于虛擬篩選的wSDTNBI算法，獲得藥明康德生命化學研究獎，這項新研究主要解決了虛擬篩選中的哪些問題？

唐赟：這是我們提出的一個新的虛擬篩選途徑。傳統(tǒng)的虛擬篩選途徑：一個是基于靶標結(jié)構(gòu)的方法，一個是基于配體的方法。雖然都取得了一定的成功，但也存在一些局限性。

比如，基于靶標結(jié)構(gòu)的虛擬篩選，嚴重依賴于靶標的三維結(jié)構(gòu)，如果找不到這個靶標結(jié)構(gòu)的話，最終效果就要大打折扣。

從目前的情況來看，絕大部分靶標的蛋白結(jié)構(gòu)還沒有被測定出來。

雖然AlphaFold2號稱已經(jīng)預(yù)測出2億多個蛋白的結(jié)構(gòu)，在蛋白質(zhì)結(jié)構(gòu)預(yù)測方面取得了很大的進步，但這些結(jié)構(gòu)還存在一些問題，導(dǎo)致應(yīng)用在虛擬篩選時成功率不太高，或者說，還難以滿足基于結(jié)構(gòu)虛擬篩選的需要。

基于配體的虛擬篩選，則需要依賴配體陰性樣本數(shù)。

這也是我們從十幾年前就開始嘗試解決的問題，化合物進入人體之后并沒有那么聽話，不是你想讓它和哪個靶標作用，它就會和哪個靶標發(fā)生作用，而是可能會與人體內(nèi)的很多蛋白發(fā)生作用，使結(jié)果變得不可控。

為了克服這些局限性，我們提出了“加權(quán)的基于子結(jié)構(gòu)－藥物－靶標網(wǎng)絡(luò)推理（wSDTNBI）的方法”。

基于網(wǎng)絡(luò)推理的方法，最早是應(yīng)用在社會學領(lǐng)域中，我們學校商學院的周煒星教授，在2008年左右就開始研究社會領(lǐng)域中人與商品的網(wǎng)絡(luò)關(guān)系與推薦算法。

他發(fā)現(xiàn)“人與商品的二元關(guān)系”和“藥物與靶標的二元關(guān)系”是一樣的，因此將這一方法推薦給我們。

我們也派了學生到他的團隊合作學習，一起進行相關(guān)研究，在此對周教授的方法推薦表示感謝。

后來在這些研究的基礎(chǔ)上，我們又進行了很多改進，最終形成了目前的一系列算法，也就是我們目前的研究方向--網(wǎng)絡(luò)藥理學。

相比其他虛擬篩選的方法，這個方法的優(yōu)勢在于，既不依賴于靶標三維結(jié)構(gòu)，也不依賴于陰性樣本。

我們僅僅需要使用實驗測定的“藥物－靶標相互作用”數(shù)據(jù)如K(i)、IC(50)值，建立藥物-靶標相互作用網(wǎng)絡(luò)，就能夠完成虛擬篩選。

此外，該方法還有一些突出優(yōu)點，比如可以同時針對多個靶標進行虛擬篩選，了解化合物的多向藥理學性質(zhì)，運算速度非常快。

在我們的案例中，利用wSDTNBI方法僅耗費數(shù)十秒時間，就完成了超過一萬三千個化合物和近兩千個人體靶標之間的相互作用預(yù)測。

這項研究成果2022年初發(fā)表在Chemical Science上，算法已整合到我們團隊研發(fā)的免費在線預(yù)測系統(tǒng)NetInfer中（http://lmmd.ecust.edu.cn/netinfer/）。

使用wSDTNBI方法進行活性化合物篩選的示意圖

醫(yī)健AI掘金志：目前AI驅(qū)動研發(fā)的藥物有些已經(jīng)進入臨床階段，您認為AI技術(shù)在藥物研發(fā)過程中，哪些工作是不可取代的？相比傳統(tǒng)手段，AI技術(shù)更高效的成果是什么？

唐赟：這個問題要從AI的概念上入手去理解，AI的優(yōu)勢在于，可以對大量的數(shù)據(jù)進行學習，透過現(xiàn)象找到其內(nèi)在聯(lián)系，這是人工所難以做到的。

而藥物分子設(shè)計過程，實際上是一個多目標優(yōu)化的過程。既要使設(shè)計的分子具有良好的生物活性和安全性，又要保證分子具有良好的化學穩(wěn)定性和藥代動力學性質(zhì)。

這個多目標優(yōu)化過程就會涉及到大量數(shù)據(jù)處理的環(huán)節(jié)，AI承擔著不可替代的作用，比如QSAR的作用就是如此。

我三十年前就在做這方面的工作，那時候還沒有AIDD的概念，QSAR還屬于CADD的范疇，但實際上，AI就是在QSAR的基礎(chǔ)上進行的更深入的研究，因此在藥代動力學和毒性預(yù)測、分子結(jié)構(gòu)生成、虛擬篩選等方面具有自己的獨特優(yōu)勢。

醫(yī)健AI掘金志：雖然已經(jīng)有少數(shù)藥物進入臨床階段，但到目前為止，AI驅(qū)動研發(fā)的藥物仍然沒有一款成功獲批上市，AI技術(shù)研發(fā)的藥物距離上市還有多遠？

唐赟：AIDD技術(shù)在發(fā)現(xiàn)藥物的過程中會起到很大的作用。我也看到一些統(tǒng)計數(shù)字，比如一個藥物研發(fā)項目，從啟動到進入臨床研究階段，傳統(tǒng)管線要五六年，現(xiàn)在利用AI制藥技術(shù)可以縮短到一～二年。

這就是AIDD的優(yōu)勢，主要體現(xiàn)在藥物發(fā)現(xiàn)的階段。

但后期的臨床試驗階段仍然要占據(jù)很多的時間，而AI技術(shù)在臨床階段能起到的作用卻十分有限。

因為臨床試驗的工作仍然需要人工來完成，無法依靠AI技術(shù)來大幅縮短時間。

目前市面上已有一些公司，聲稱旗下進入臨床研究階段的候選藥物是通過AI技術(shù)研發(fā)的，卻一直沒有藥物成功上市，就是因為后期的臨床試驗階段非常困難，我估計至少還要5年才能走完這個流程。

樂觀估計，未來5至10年內(nèi)，應(yīng)該會有AI驅(qū)動研發(fā)的藥物上市，畢竟AI這個概念進入藥物研發(fā)領(lǐng)域也才短短幾年時間。新藥研發(fā)有自身的規(guī)律，還需時間來驗證。

在藥物發(fā)現(xiàn)的環(huán)節(jié)，AI技術(shù)也面臨著一些困難，尤其是數(shù)據(jù)不足的問題。

AIDD本身要依賴大量的數(shù)據(jù)進行工作，但在新藥研發(fā)領(lǐng)域，目前的數(shù)據(jù)量只在中小規(guī)模之間。

在以往的會議討論中，我也提出過一個觀點，就是AIDD未來的發(fā)展需要行業(yè)內(nèi)部共享數(shù)據(jù)。

但很多制藥公司不會把自己的數(shù)據(jù)公布出來，這是最要命的東西，即便是自己用不上的數(shù)據(jù)，也藏得像個寶貝一樣，不會拿出來和人共享。

打破行業(yè)壁壘的關(guān)鍵就在于數(shù)據(jù)共享，目前行業(yè)中每個人都掌握了一些數(shù)據(jù)，但每個人的數(shù)據(jù)又都只有一部分。

我們在高校做研究，也只能用公開的一小部分數(shù)據(jù)，建模只能用公開數(shù)據(jù)，這對模型的準確率影響很大，只能達到百分之八九十。

數(shù)據(jù)、算法、算力是人工智能三要素，其中的關(guān)鍵就是數(shù)據(jù)，數(shù)據(jù)的質(zhì)量與數(shù)量都非常重要，只要在數(shù)據(jù)上取得突破，其他問題都會跟著突破的。

醫(yī)健AI掘金志：您對計算生物學有十分深入的研究，三年前AlphaFold2橫空出世，掀起了蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域的革命，如今以ChatGPT為代表的AIGC技術(shù)再次引爆全球，您覺得將為行業(yè)帶來什么樣的影響？

唐赟：AlphaFold2的出現(xiàn)，提高了制藥領(lǐng)域?qū)I技術(shù)的關(guān)注度，以往蛋白質(zhì)結(jié)構(gòu)預(yù)測是非常困難的事情。

同時，盡管AlphaFold2在這方面已經(jīng)取得了很大的成功，但目前也只能預(yù)測一些單體蛋白，而多聚體蛋白或蛋白復(fù)合物，以及蛋白各亞基之間的結(jié)合模式的預(yù)測，AlphaFold2目前還難以實現(xiàn)。

畢竟，目前PDB庫中雖然有超過二十萬個蛋白結(jié)構(gòu)，但其中只有八萬多個純蛋白，人體蛋白更是僅有三千個，更多的則是一些容易測定的蛋白與不同配體形成的復(fù)合物。等將來PDB庫中的純蛋白結(jié)構(gòu)更多一些，AlphaFold2預(yù)測的結(jié)構(gòu)也會更加準確些。

AIGC技術(shù)也是如此，分子結(jié)構(gòu)生成就屬于AIGC的一種，通過使用者輸入的結(jié)構(gòu)去隨機生成一些相似結(jié)構(gòu)，但它也很難去產(chǎn)生一個完全新的結(jié)構(gòu)。

AI技術(shù)就是這樣，你輸入了哪些東西，它才能學習到哪些東西，再據(jù)此進行新的產(chǎn)出。

如果我們本身所具備的數(shù)據(jù)、知識不足，AI也不可能無中生有。所以AIGC的關(guān)鍵還是在數(shù)據(jù)。

但AI技術(shù)目前已經(jīng)能夠為我們提供很多選擇，并且能夠在已有的相似結(jié)構(gòu)中找出最好的那一個，這也是很大的幫助。雷峰網(wǎng)

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。