中国科学技术大学生命科学与医学部刘海燕教授、陈泉教授团队开发了一种不依赖于预训练结构预测网络的蛋白质主链去噪扩散概率模型SCUBA-D，可自动从头设计主链结构，或指定功能位点生成主链结构。大量的实验结果验证了SCUBA-D的设计成功率和设计精度。相关成果以“De

ChatGPT的爆火标志着人工智能进入加速发展阶段。人类社会AI时代的大幕徐徐拉开，一场堪比工业革命的新技术革命扑面而来。值此时间节点，需要一场充分且深入的讨论，来阐明如何在制药行业中更好地开发和应用AI。5月25-26日，智药邦联合多家单位，在上海举办中国AI药物研发大会

Lett｜现代药物研发中的计算应用和工具汇总●国内首个可交互式计算的VR药物设计软件发布●近年来GSK在AI药物研发领域发表的11篇论文●近年来阿斯利康在AI药物研发领域发表的15篇论文●Nat

Outlook｜借助算法和模拟将蛋白质折叠的瞬时结构转变为药物靶点●Nature｜人工智能助力蛋白质折叠预测●Science｜AI揭示了蛋白质复合物的结构

人工智能是近年来广受关注的新兴制药技术之一。制药行业对于缩短研发周期、降低研发成本、开发日益繁杂的数据资源的现实需求，以及AI技术的进步和从大量数据集中揭示隐藏见解的潜力，推动了AI药物研发领域的快速发展。短短数年内，该领域的初创公司获得了大量投资，全球范围内累计融资额接近千亿人民币；大型制药公司纷纷在人工智能方面开展投资与合作活动、或建立内部团队进行技术开发；与此同时，大型科技公司基于其技术能力和专长，也将战略扩张的重点布局在制药领域。AI为制药行业的发展带来了新的机遇和希望，也打开了一个巨大的技术发展与市场合作空间。2023年5月25-26日，智药邦将联合多家单位，在上海举办中国AI药物研发大会

比较整体模型性能和活性悬崖化合物性能。根据Pearson相关系数对整体的RMSE和和RMSEcliff排序所有方法在所有靶标上的差异。误差线指示最低和最高RMSEcliff。(b)

Lett｜现代药物研发中的计算应用和工具汇总●国内首个可交互式计算的VR药物设计软件发布●近年来GSK在AI药物研发领域发表的11篇论文●近年来阿斯利康在AI药物研发领域发表的15篇论文●Nat

Outlook｜借助算法和模拟将蛋白质折叠的瞬时结构转变为药物靶点●Nature｜人工智能助力蛋白质折叠预测●Science｜AI揭示了蛋白质复合物的结构

Lens的VIPER将用于通过预先筛选所有患者来对符合条件的患者进行临床试验分类。新技术的发展进一步推动了细分市场的增长。例如，2022年6月，Survivor

主要步骤与功能A.力计算和基于空间的碰撞检测。作者分别针对柔性对接和刚性对接应用了不同的方法。并且DockIT利用GPU可以针对数十万个原子组成的分子将力计算时间缩短到小于2

结果作者在论文中进行了详细的实验和分析。表1汇总了8个任务上Validity、Novelty、Uniqueness、Recovery、Improvement、Success等6个指标上的结果。表1

冲破传统药物发现瓶颈，深度学习指导下的分子生成●JCIM｜结合AI与Docking的基于结构的分子从头生成模型●岳石怡｜人工智能+分子生成●Drug

2021).）等人的研究成果，这表明要提高生成分子的新颖性，使用更加复杂的模型可能是必要的。但MCMG生成的分子在亲和力的测试中表现欠佳，这其中的原因依然有待思考。图3.

Lett｜现代药物研发中的计算应用和工具汇总●国内首个可交互式计算的VR药物设计软件发布●近年来GSK在AI药物研发领域发表的11篇论文●近年来阿斯利康在AI药物研发领域发表的15篇论文●Nat

---------感兴趣的读者，可以添加小邦微信（zhiyaobang2020）加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位

整合多尺度邻近拓扑和跨模态相似性预测药物-蛋白相互作用●BIB｜基于图卷积网络和深度神经网络识别药物-靶点相互作用●JCIM｜基于三维结构嵌入图表示的新型图形神经网络，预测药物-靶点相互作用

Lett｜现代药物研发中的计算应用和工具汇总●国内首个可交互式计算的VR药物设计软件发布●近年来GSK在AI药物研发领域发表的11篇论文●近年来阿斯利康在AI药物研发领域发表的15篇论文●Nat

2022年7月，DeepMind声称AlphaFold已经确定了地球上几乎所有已知生物体中大约2亿种蛋白质的结构。如今，另一家科技巨头也加入了蛋白质结构预测的“军备竞赛”。据Nature最新新闻报道，Meta（前身为Facebook）的研究人员开发了一种蛋白质结构预测模型ESMFold，预测了来自细菌、病毒和其他尚未表征的微生物的约6亿种蛋白质的结构。该技术进展来自于Meta

Lett｜现代药物研发中的计算应用和工具汇总●国内首个可交互式计算的VR药物设计软件发布●近年来GSK在AI药物研发领域发表的11篇论文●近年来阿斯利康在AI药物研发领域发表的15篇论文●Nat

---------感兴趣的读者，可以添加小邦微信（zhiyaobang2020）加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位

【导读】智峪生科全生态大分子计算设计平台“峪云ZCloud”横空出世，为生物科技打造基于人工智能的EDA工具。大分子结构预测与计算迎来新“利器”。9月21日，上海智峪生物科技有限公司（简称“智峪生科”）宣布，公司正式推出高通量、高精度、全生态、全流程生物计算平台“峪云ZCloud”，以解决大分子结构计算、分子结构模拟、药物设计、酶工程、大分子设计（包括蛋白、核酸、以及其复合物）等领域内计算问题。此前智峪生科已推出了包括FastAF2、PointSite、Docking、Virtual

USPTO数据集)上训练的基于ML的方法，也的是使用的手工编码规则的方法。其中一些方法是商业的，一小部分是开源的(如AiZynthFinder)或集团联盟(例如,

基于机器学习的QSAR预测pKa概览。紫色和绿色虚线框分别表示基于描述符的模型和基于图的模型。缩写：SVM，支持向量机；ANN，人工神经网络；ISOAK，迭代相似最优分配核；GNN，图神经网络。3

Bioinformatics上发表文章。作者提出了ABCD-GGNN（Anti-Breast

摘要随着人工智能方法的进步，计算机辅助药物设计（CADD）近年来发展迅速。有效的分子表示和准确的性质预测是CADD工作流程中的关键任务。在这篇综述中，作者总结了当前深度学习（deep

Type），这是一种用户友好的预测工具，可将多个临床表型整合到有条件的受限玻尔兹曼机（RBM）中，以鉴定药物-疾病关联（drug-disease

9月22日，中国AI药物研发大会（简称CAPR）在上海召开。大会历时2天，包括1个主论坛和4个分论坛，集中展示和介绍了AI在药物研发多个环节以及细分领域中的重要进展，深入探讨下一步发展的方向、机遇和挑战。大会由智药邦主办，晶泰科技和镁伽科技协办，上海市生物医药产业促进中心和张江集团支持。此次大会是国内AI药物研发领域的盛会，邀请到40多位行业重要专家参加演讲和讨论。01致辞朱镕-市经济信息化委生物医药处副处长■■■02主论坛主持人：陈力-华领医药创始人/董事长/首席执行官兼首席科学官《生物医药创新和人工智能技术》陈凯先-中国科学院院士《人工智能辅助药物发现——从颠覆性思维到底层逻辑的重构》徐峻-中山大学药物分子设计研究中心主任《从自动化到智能化：新药研发的升级之路》马健-晶泰科技联合创始人兼CEO《AlphaFold延展落地——打造新药开发早期机器学习生态圈》苏文姬-药明康德HitS事业部研发负责人《AI

计算药物或蛋白质特征相似度的过程。首先，将药物相关或蛋白质相关的不完整信息拼接起来，分别获得药物和蛋白质的特征矩阵。然后通过奇异值分解(sigular

Press网站报道了华东师范大学计算机学院何高奇副教授和华东理工大学药学院/华东师范大学人工智能新药创智中心李洪林教授课题组题为“VRPharmer:

【新智元导读】利用AI，我们现在可以在几秒之内设计出自然界中全新的蛋白质了。最近，来自华盛顿大学的科学家在Science上连发两篇论文，介绍了ProteinMPNN算法工具。过去两年，机器学习彻底改变了蛋白质结构预测。而现在，人工智能又在蛋白质设计领域引发了新一轮革命。生物学家发现，使用机器学习，可以在几秒钟内创建出蛋白质分子。而在以前，这个时间也许是几个月。并且，新方法准确率也更高。9月15日，华盛顿大学医学院的生物学家在Science上连发两篇论文，介绍了他们的重大发现。论文地址：https://www.science.org/doi/10.1126/science.add2187也许你会问：创造出自然界中没有的蛋白质，对我们有什么意义？意义可太大了。通过这些蛋白质，也许我们会开发出更多疫苗，加快治疗癌症的研究，研发出碳捕获工具，和全新的可持续生物材料。论文地址：https://www.science.org/doi/10.1126/science.add1964ProteinMPNN：蛋白质设计的革命这几年，已经有几十种人工智能蛋白质设计工具被开发了出来，研究人员可以混合和匹配各种方法来得出一个可行的最终设计。下面，我们就简单介绍一下其中的4种方法：固定骨架设计给定一个预设蛋白质结构，然后用Al确定该蛋白质的氨基酸序列。序列生成利用语言模型，让AI学会如何生成蛋白质。然后通过微调这些神经网络，得到特定蛋白质家族成员的新序列。结构生成对蛋白质结构进行训练的神经网络可以生成完全新颖的蛋白质结构，但往往对输出的控制有限。序列和结构设计使用一种叫做inpainting的方法，研究人员输入他们希望包含在蛋白质中的结构或序列，而Al网络则填补其余部分。在这两篇新论文中，华盛顿大学医学院的生物学家表示，机器学习可用于比以前更准确、更快速地创建蛋白质分子。David

【CAPR大会信息】CAPR2022倒计时3天!｜中国AI药物研发大会

2022中国AI药物研发大会将于本周四与大家见面。会议信息、最终日程与专家简介如下。欢迎参加！01会议简介某种程度上，制药的发展史，就是将有价值的新技术引入、应用和融合到制药过程中的历史。基于人工智能方法的解决方案，正在从疾病建模、靶点识别、药物设计以及临床试验优化等方面，推动药物研发领域的创新，加快药物开发的效率和速度。尤其是近年来，在多方的关注以及人才、技术、资金投入的综合推动下，AI在制药的各个环节不断打开了新的应用空间。与此同时，也出现了许多问题需要共同探讨和协作解决。为此，智药邦联合多家单位，于2022年9月在上海举办中国AI药物研发大会，展示和讨论AI和机器学习方法在药物研发中使用的关键机会和最新突破，分享AI初创公司、制药公司、高校和科研院所、AI公司等多方的重要经验和观点，促进AI药物研发领域的交流与合作，共同推动制药技术和产业的发展。中国AI药物研发大会组委会02会议信息会议名称中国AI药物研发大会会议时间2022年9月22-23日会议地点上海卓美亚喜玛拉雅酒店组织单位主办单位：智药邦协办单位：晶泰科技

提出的transformer-CNN的结构如右图所示，transformer-CNN单元如左图所示对于具体的transformer编码器，自然包括多头注意力层（multihead

Bioinformatics上发表文章。作者提出了CNN-DDI，一种使用卷积神经网络（CNN）架构来预测药物与药物相互作用（drug-drug

段宏亮教授引言：转眼间Alphafold2已经推出接近两年时间了，在这段时间里面，虽然学术界和产业界轰轰烈烈，各种fold的新版本层出不穷。但蛋白质结构预测这个任务在新药发现上的落地应用却鲜见报道。David

主持人：陈力-华领医药创始人/董事长/首席执行官兼首席科学官时间演讲题目/嘉宾08:40-08:45致辞08:45-08:50致辞08:50-09:30主题报告蒋华良-中国科学院院士

深度生成模型DGM本研究采用了变分自编码器VAE的两种方法(FragVAE和JTVAE)作为深度进化学习框架DEL中的深度生成模型DGM。就结构而言，VAE可被视为自编码器（autoencoder,

前不久，Meta最近的新角ESMfold以超AlphaFold2一个数量级的速度刷爆AI界，拥有150亿参数规模的超大蛋白质语言模型，不依赖MSA信息，能够直接对单一蛋白质进行原子精度级别的预测，被AI界的重量级人物图灵奖得主Yann

---------感兴趣的读者，可以添加小邦微信（zhiyaobang2020）加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位

近两三年来，AI药物研发的话题受到广泛关注。AI技术在其他行业的成功应用案例和发展前景引发了制药行业的高度期待。全球范围内，顶尖制药公司和生物技术公司正在以自建团队或合作的方式加强对AI技术应用的探索，数百家AI制药初创公司纷纷成立，CRO正在将AI技术纳入到服务工具箱中，大多数大型IT和AI公司已进军和布局制药行业，将药物研发相关业务视为未来发展的重要支柱。IT和BT之间从未有过如此激烈的碰撞。这种碰撞让AI的许多技术方法在短时间内迅速应用到药物研发的各个环节和细分领域，同时，也带来了对技术本身的激烈讨论。相对保守的制药行业似乎从未如此广泛关注过一项外部技术的价值。那么如何看待在药物发现和开发中采用AI的关键机遇和挑战？回顾近年来的应用实践，行业对AI有哪些新的思考？9月22-23日，中国AI药物研发大会

Self-Attention》。本论文仅使用药物的SMILES和蛋白质的序列信息、借助注意力机制增强的卷积网络来预测药物-靶标亲和力，得到了较好的效果。作者还提供了一个Web服务器供研究者使用。1

imitation测试探讨了药物化学家如何感知额外的算法生成的想法（从图灵测试中获得灵感，并请药物化学家对人类和计算机的想法进行评分，以确定两个数据集的可信度是否存在差异）；legacy

2022年8月2日，Nature发表了一篇简短的评论文章，从AlphaFold的技术成就出发，讨论了如何实现AI的全部潜力。文章提到了两个重要观点：为了充分利用人工智能，数据和软件必须自由共享，计算、理论和实验研究人员必须紧密合作。上周，DeepMind宣布其研究人员已经使用AlphaFold预测了来自100多万个物种的2.14亿个蛋白质的结构，基本上囊括所有已知的蛋白质。AlphaFold显然是近几十年来生命科学领域最令人兴奋的发展之一。截至上周，来自190个国家的50多万名研究人员已经访问了DeepMind自去年7月以来发布的200多万个蛋白质结构。这些结构可在一个开放的数据库中获得，该数据库由位于英国剑桥附近的欧洲分子生物学实验室的欧洲生物信息学研究所（EMBL-EBI）共同维护，该政府间组织致力于将生物数据作为公共产品来维持。欧洲生物信息学研究所南楼外景如果没有在英国剑桥附近的EMBL-EBI维护的存储库中公开共享的研究，明天的人工智能应用就不会发生人工智能在生命科学领域将继续存在。但是，为了验证和发展这项技术所产生的见解，研究机构需要在理论、实验和计算学科之间建立密切的工作关系。此外，除DeepMind外，其他公司也需要抓住这个机会，致力于与开放数据库合作，如EMBL-EBI所维护的数据库。他们的数据，以及他们的软件需要免费共享，使下一代人工智能工具的开发成为可能。在过去的一年里，科学家们以各种方式应用AlphaFold。一些人利用其预测来确定新的蛋白质家族（现在需要通过实验来验证），一些人正在用它来帮助寻找治疗被忽视的疾病的药物，其他人则研究了从海洋和废水样本中收集的基因序列，这里的目的是识别那些预测结构表明它们有潜力降解塑料的酶。除了创建工具本身，DeepMind还做出了在结构生物学转型中发挥重要作用的决策。这包括它在去年7月决定将AlphaFold的基础代码开源，这样任何人都可以使用这个工具。今年早些时候，该公司更进一步，取消了阻碍该程序的一些商业用途的限制。它还帮助建立了与EMBL-EBI共同维护的AlphaFold数据库，并为其提供资金支持。DeepMind首席执行官Demis

在药物研发领域，AI需要对药物小分子和蛋白质处理带有几何特征的图。在这个图中，除了包含原子的一些内在特征以外，我们还需要考虑到每个原子在空间的三维坐标这一几何特征。不同于一般特征，这些几何特征往往都具备着一些对称性和等变性。等变图神经网络模型对这类等变对称性的特征可以很好的建模。本文基于腾讯

2022年7月7日-10日举行的中国创新药物（械）医学大会暨第七届中华医学事务年会（CMAC）首次设置了“计算医学”专场论坛。CMAC年会是医学领域规模最大、最高端的行业盛会。2022年第七届CMAC年会受到了中国食品药品国际交流中心、中国药品监督管理研究会、中国外商投资企业协会药品研制和开发行业委员会（RDPAC）、中国卫生信息和健康医疗大数据学会数字医学与医学事务专业委员会等相关部门和机构支持。计算医学分论坛由赛诺菲大中华区医学部负责人兼CMAC大会主席谷成明博士、中国科学院计算技术研究所高性能计算机研究中心主任谭光明担任该论坛主席，中科计算西研院客座研究员、图灵-达尔文实验室副主任赵宇主持了论坛全部活动。计算医学论坛聚焦于计算与生物医药如何深度交叉。报告主题纵贯药物研发的全链条（靶点发现与验证—药物发现—临床试验—上市后），紧扣传统药物研发范式的痛点，全景式解析以人工智能、大数据、高性能计算技术为核心的计算医学新技术体系如何变革新靶点、新机制的发现范式，如何提效药物发现能力；如何驱动更优、更高效的药物临床试验设计；如何解决未满足的重大临床需求。一计算医学论坛设置背景1.计算医学内涵计算医学这一概念早在20世纪80年代就已被提出，在医学领域中应用计算技术的相关研究陆续展开。1994年，在美国奥斯汀举行的首届计算医学、公共卫生和生物科技大会上，计算医学已崭露头角，成为医学重要前沿研究方向。2012年，美国约翰霍普金斯大学生物医学工程教授雷蒙德·温斯洛在一篇名为《计算医学：从模型到临床》的综述性文章中指出，计算医学已经从理论走向实践。2020年，中科院计算所高性能计算团队重新定义了计算医学的内涵。生物医学大数据处理与识别是中国科学院计算技术研究所长期战略培育方向。中科院计算所历经二十年技术攻关，在863、973、科技部重点研发项目等国家项目的支持下，在面向生物医学大数据的高性能计算处理技术、生命融合大数据分析技术方面取得了多项重大技术突破，技术成果处于全球领先水平。中科院计算所在国内首倡并实践“计算医学”技术体系。计算医学面向高维、多元、海量生物医学大数据，致力于发展定量方法，通过应用数学，工程学和计算科学来智能化理解生命机理和疾病机制，为药物研发、疾病预防、疾病诊断、疾病治疗、健康管理提供服务。计算医学具备四个维度：（1）以系统性思维为指导思想计算医学理解疾病的机理的指导思想是捕捉生命系统各层级（包括生物分子、细胞、组织器官、种群等多个生物层级结构）网络间相互作用而涌现的特征。（2）以数据密集型科学为范式计算医学采用密集数据驱动的科学范式，挖掘隐藏于高维、高通量、多维融合的生物医学大数据中的新洞见。（3）以人工智能为方法计算医学将生物医学领域的知识模型转换为数学模型，以生物医学大数据作为输入参数，以人工智能算法对模型进行迭代、训练，输出逼近于真实的生命系统结构与功能特征，从而理解疾病发生的本质。（4）以高性能计算为支撑计算医学以高性能计算为新一代计算基础设施，为新科学发现提供数据存储、计算精度和计算速度上的支撑。2.计算医学应用领域当前计算医学正在从前沿研究走向产业应用。计算医学可以在新药研发端、精准医疗端发挥丰富的作用。例如以下方面：（1）促进新靶点、新机制新药创制。通过对生物医学大数据和生物医学文献知识的大规模挖掘分析、模拟计算，面向肿瘤、自身免疫性疾病、

2022年7月28日，DeepMind官方网站发布AlphaFold最新进展：AlphaFold已经确定了地球上几乎所有已知生物体中大约2亿种蛋白质的结构。通过与EMBL-EBI合作，DeepMind发布了科学界已知的几乎所有已编目蛋白质的预测结构，这将使AlphaFold

RFjoint可以同时恢复一个被掩盖的蛋白质区域的结构和序列。(F和G)Motif骨架基准数据，比较RFjoint与约束性hallucination。在开发RoseTTAFold

2022.(https://doi.org/10.48550/arXiv.2206.03364)作者：孔祥泰责任编辑：李叙潼，郑明月---------

化合物5-15靶向FXa亲和力统计虽然这里所述的优化工作需要对所列出的所有化合物进行合成，但可以利用ESP计算来预测最有潜力的分子，从而减少需要合成的化合物数量。为了说明这一点，我们利用GC-DNN

---------感兴趣的读者，可以添加小邦微信（zhiyaobang2020）加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位