科技日報記者 劉艷
百度研究院在“2022科技趨勢預測”中指出，基于AI的生物計算仍將高速發展，基礎研究和應用場景協同創新將實現新突破。這一預測首先由百度自己添上了例證。
國際頂級學術期刊《自然》（Nature）子刊《自然機器智能》（Nature Machine Intelligence）日前在線發表的百度生物計算領域最新研究成果，提出了“基于空間結構的化合物表征學習方法”，即“幾何構象增強AI算法”（Geometry Enhanced Molecular Representation Learning，GEM模型），揭示了一種基于三維空間結構信息的化合物建模方法，及在藥物研發中的應用。
在該項研究中，百度螺旋槳PaddleHelix團隊首次將化合物的幾何結構信息引入自監督學習和分子表示模型，并在下游十多項的屬性預測任務中取得 SOTA，成為百度對外公開的AI賦能藥物研發的又一項重磅成果。
作為藥物研發的關鍵一環，候選化合物的性質預測就像為臨床試驗“排雷”，即提前篩選掉毒副作用高、人體吸收代謝不好等具有不良特性的化合物。
這項任務以前只能通過傳統仿真實驗進行，成本高耗時長。也有研究人員引入深度學習技術，但大多基于序列或2D圖結構建模，缺乏化合物三維空間結構信息的利用，導致化合物性質預測結果的偏差，亟須引入化合物的三維空間信息。
百度的重大突破是，在全球范圍內開創性地將化合物性質預測從“2D建模”推進到“3D建模”。同時，引入預訓練技術，利用大量無標注的化合物數據，通過自監督學習，構建GEM模型的底層能力，有望成為小分子藥物研發領域的模型底座，解決小分子藥物活性預測，成藥性預測，藥物設計等核心問題，加速藥物，特別是全新藥物的發現過程。
從實驗效果看，百度GEM模型已在14個國際學術界公認的應用任務數據集上達到業界最佳。這些數據集包括：抑制HIV艾滋病病毒復制能力的數據集、小分子的生物活性數據集、血腦屏障滲透數據集等。
在應用價值層面，百度GEM模型可高效學習化合物的空間結構知識，并自主推斷出空間結構信息，從而準確預測候選化合物的吸收、代謝、毒性等特性，幫助藥物研發更快更準地完成早期篩選，目前已經在多個合作伙伴的研發管線中實現商業化落地，有望通過AI技術探索雙靶點抑制劑新的研發范式，為癌癥病人和自身免疫性疾病病人提供更有效的治療藥物。
此外，該方法還有助于高效測量藥物-靶標相互作用，可加速新藥研發，為老藥發掘新用途，并探索多種藥物聯合使用，進一步增強療效，降低抗藥性和毒副作用，甚至療治新病癥。
百度這項生物學與計算機科學的跨學科創新，為化合物成藥性預測、小分子藥物篩選、藥物聯用等應用研究帶來諸多裨益，未來更有望擴展到蛋白領域，構建基于蛋白的表征模型，服務于大分子的藥物研發。
GEM模型已基于百度飛槳生物計算平臺螺旋槳PaddleHelix在GitHub開源。
（圖片提供：百度）
營業執照公示信息