過去的一周，是人工智能最為火熱的一周，繼GPT4.0發布后，百度發布了文心一言，微軟發布了Copilot，同一天Google發布了對標ChatGPT的Bard，而英偉達則發布了新的GPU H100，相對上一代產品，訓練性能和預測性能都有數倍到數十倍提高。人工智能領域風起云涌，而創新藥研發領域也迎來了改變。

2023年3月24日，新藥研發領域的人工智能基礎設施和服務提供商碳硅智慧宣布，公司自主研發的AI驅動的新藥研發平臺——DrugFlow1.0正式發布。來自浙江大學、北京大學、華東理工大學、四川大學、中南大學、中科院上海藥物所、醫科院藥物所、廣州國家實驗室、羅氏中國研發中心、石藥集團、和譽生物、華深智藥等相關領域的知名學者和企業界專家出席了會議。會議采用了新穎的虛擬直播形式，會議期間瀏覽人次近萬。

【資料圖】

發布會開場，由浙江大學科學技術研究院院長、浙江大學智能創新藥物研究院常務副院長楊波教授做開場致詞。她談到：浙江大學智能創新藥物研究院正是希望培養一批智能新藥創制領域的優秀人才，助推我國原創藥物的研發。侯廷軍教授本身是研究院的教授，也是計算化學領域的知名專家，而碳硅智慧CEO鄧亞峰是AI領域的資深專家，二位都深耕行業多年。本次發布的DrugFlow1.0，一方面是兩位專家及碳硅智慧團隊的智慧結晶，另一方面也正是響應了國家開發自主知識產權基礎軟件的號召，希望未來DrugFlow能真正助力我國的新藥研發工作。

接著，碳硅智慧CEO鄧亞峰進行了《突破 AIDD 核心技術，做創新藥領域的賦能者》的主題演講，從新藥研發領域面臨的挑戰和痛點，中國新藥研發的巨大市場，到AI的蓬勃發展以及與物理驅動方法的異同，再到碳硅智慧成立的初衷和愿景，之后詳細介紹了DrugFlow產品的功能和特色，特別是背后的核心技術，并就關鍵技術指標與領域已有產品進行了詳細比較，讓我們看到，DrugFlow1.0產品不僅在分子生成、AI自動化建模等功能上獨具一格，而且在對接和重打分以及成藥性預測等傳統功能上，具有世界領先的技術能力。成立僅半年多，團隊就在Nature Communication、核酸研究以及藥物化學期刊等領域頂級刊物上發表了十多篇文章，證明了團隊的技術實力。

碳硅智慧CEO鄧亞峰現場演講

鄧亞峰表示：在新藥研發領域踏踏實實做自主知識產權國產化軟件的團隊并不多，碳硅智慧團隊既具有這樣的實力，也具有強烈的使命感，碳硅智慧愿做創新藥研發領域的賦能者，在推出藥物發現SaaS平臺DrugFlow的同時，基于最先進的AIDD技術和自動化解決方案，愿與戰略合作伙伴一起攜手針對重點管線進行合作研發，并已經在小分子、AAV設計等領域達成重要戰略合作。雖然源于相信，但我們已經看到了AI在分子生成、對接、重打分等方面的突破，隨著預訓練模型、AIGC、強化學習等新AI技術在領域的落地，未來AIDD技術的演進會更快。今天DrugFlow的發布，僅僅是一個開始，我們未來一定會迎來一個AI驅動的生命科學時代。

據悉，DrugFlow涵蓋靶標發現，苗頭化合物發現和先導化合物優化等環節，集成了世界領先的靶標發現、活性預測、成藥性預測、分子生成優化、虛擬篩選、AI建模等模塊，幫助藥化專家更高效便捷地找到潛在成藥分子。DrugFlow努力打造覆蓋藥物研發完整流程的軟件平臺，具有“準確性高、原創可靠、易用性好、安全靈活”四大優勢。其基于自動化硬件產生的數據迭代模型，并將專家融合到流程中，最終形成數據驅動人機協同的統一設計平臺，必將顯著提高藥物研發的確定性。

此次發布的DrugFlow1.0版本，主要發布了活性預測、成藥性預測、分子生成、AI建模四大功能。

DrugFlow模塊總覽

在活性預測上，DrugFlow1.0包含重打分和對接兩個主要功能。一方面，DrugFlow基于物理對接構象，提供了當前領域最優的重打分函數RTMScore，能顯著提高虛擬篩選能力，幫助用戶更好地選擇分子。另一方面，Inno-Docking模塊在集成物理對接模塊AutoDock Vina的基礎上，又集成了自研的AI 對接程序CarsiDock。CarsiDock完全基于AI建模，并且考慮了構象合理性，是一種全新方法。在公開的主流評測上，CarsiDock在預測誤差RMSD小于等于2?的條件下，第一次將準確率提高到90%以上，達到了91.2%。在RMSD小于等于1?條件下，CarsiDock比物理方法和其他AI方法成功率高出26%。此外，DrugFlow1.0還提供了完整的蛋白預處理、配體預處理、自動智能化設置對接參數能力。

在成藥性預測上，DrugFlow1.0提供了Inno-ADMET模塊。該模塊支持17種物化性質、5種藥化性質、21種成藥性參數、27種毒性性質的系統性評價。目前該模塊提供兩種自主知識產權算法，一種是基于多圖神經網絡的MGA方法，不僅可以輸出ADMET預測性質，還提供了性質與子結構關系的可解釋性，另外一種是基于預訓練Transformer的MERT方法，具有更高的預測準確率。總的來說，Inno-ADMET模塊具有“預測終點多且準確率高”、“速度快”、“可解釋性”的優點。

在分子生成上，DrugFlow1.0既支持基于活性配體的分子生成方式(Ligand-based)，也支持基于蛋白口袋結構的分子生成方式(Pocket-based)。一方面，Ligand-Based的分子生成方法是基于活性配體進行分子生成的全新藥物設計方法，提供了MCMG和RELATION兩種算法。其中MCMG是一種基于配體的多約束分子生成方法，通過知識蒸餾結合條件變換器和基于QSAR的強化學習算法來滿足多約束條件，可生成具有所需理化和藥理學特性的新分子。而RELATION則是基于蛋白口袋-配體復合物3D生成和雙向遷移學習結合的分子生成方法，能夠生成大量結構有效并且對蛋白具有一定親和力的化合物。另一方面，Pocket-based的分子生成方法只需要提供蛋白蛋白口袋結構，比如這次發布的ResGen算法。它是一種基于蛋白口袋的3D分子生成算法，通過自回歸模型和多尺度建模技術，在保證生成分子多樣性的同時，生成具有較好結合親和力、且具有合理蛋白-配體結合姿勢的分子。該方法不僅適用于藥物從頭設計，還支持基于片段的分子生成。

在AI建模上，DrugFlow1.0針對用戶希望基于自有數據進行AI建模的需求，提供了AI Modelling模塊。該模塊提供數據預處理、數據批分、計算描述符定義、機器學習算法建模等功能，用戶只需在網頁輸入數據、做好參數設置，就可以建立自有的AI模型。為了提高建模效果，系統還采用了AutoML做參數和模型選擇，并支持Transformer和GNN預訓練技術，相比傳統機器學習算法，可顯著提高模型精度。此外，在結果頁面，AI Modelling還提供了完整的模型評估指標，并對模型表現作出相應解釋。

除了以上模塊外，DrugFlow1.0還提供了一些易用小工具，比如AI解核磁譜工具——NMR Parsing。它為藥化專家合成工作中最常見的解譜場景量身打造，基于CReSS和CMGNet兩種AI檢索和生成算法來解析未知化合物的結構，用戶只需要輸入碳譜的化學位移值，就可以快速解析分子結構，大大提高解譜效率。

在產品發布之后，碳硅智慧商務拓展副總裁何浩介紹了“星火行動——DrugFlow 高校支持計劃”，該計劃針對現有軟件使用成本高、不易用、不適合教學等問題，旨在為高校老師同學提供技術先進、易用且優惠的國產AIDD軟件，且貼心地支持教學場景，希望以此推動AIDD軟件在高校的普及，為中國培養更多AIDD人才。目前已有北京大學、浙江大學、四川大學、中山大學、吉林大學、南開大學、暨南大學、中國藥科大學、澳門科技大學、中科院深圳先進技術研究院、廣州國家實驗室等十余所知名院校加入了星火行動，并給予了積極評價。

碳硅智慧戰略簽約儀式

在發布會的最后，進行了戰略合作伙伴簽約儀式。由碳硅智慧CEO鄧亞峰和石藥集團上海翊石醫藥科技有限公司總經理宋云龍進行了戰略合作簽約。在簽約儀式上，宋云龍總經理表示：上海翊石作為石藥集團全資子公司，一直致力于小分子創新藥的研發，碳硅智慧團隊在AIDD領域具有深厚積累，DrugFlow產品技術領先，此次和碳硅智慧合作，希望能充分發揮雙方優勢，尤其是DrugFlow1.0在早期分子設計上的優勢，期待合作成果早日落地。

發布會之后，還召開了“人工智能驅動新藥研發進展與挑戰研討會”。在主題演講環節，來自浙江大學的侯廷軍教授、北京大學的劉振明教授、華東理工大學的唐贇教授做了精彩報告。在圓桌論壇環節，學術界和產業界的九位知名專家齊聚一堂，就業內關注的AIDD的現狀和挑戰進行了討論，并對未來AIDD的發展做了展望。

DrugFlow試用申請二維碼

碳硅智慧是一家聚焦于新藥研發的科技公司，我們的定位是新藥研發領域的人工智能基礎設施和服務提供商。我們希望將最先進的生命科學技術與人工智能等信息科學技術深度融合，面向新藥研發，利用深度生成（AIGC）、自監督預訓練、強化學習等人工智能先進技術，并深度融合物理計算及軟硬件自動化技術，通過提高新藥研發領域生產數據、管理數據以及對數據進行AI建模的能力，將新藥研發各環節數字化和智能化，形成干濕試驗數據閉環，解決新藥研發難題。

DrugFlow是由碳硅智慧研發的AI驅動的一站式創新藥發現平臺，核心算法均具有自主知識產權，以SaaS或混合云方式提供給第三方客戶使用。DrugFlow涵蓋靶標發現，苗頭化合物發現和先導化合物優化等環節，集成世界領先的靶標發現、活性預測、成藥性預測、分子生成優化、虛擬篩選、AI建模等模塊，幫助藥化專家更高效便捷地找到潛在成藥分子。DrugFlow努力打造覆蓋藥物研發完整流程的軟件平臺，基于自動化硬件產生的數據迭代模型，并將專家融合到流程中，最終形成數據驅動人機協同的統一設計平臺，顯著提高藥物研發的確定性。

關鍵詞：