科技日報記者 劉艷

百度研究院在“2022科技趨勢預(yù)測”中指出，基于AI的生物計算仍將高速發(fā)展，基礎(chǔ)研究和應(yīng)用場景協(xié)同創(chuàng)新將實現(xiàn)新突破。這一預(yù)測首先由百度自己添上了例證。

國際頂級學(xué)術(shù)期刊《自然》（Nature）子刊《自然機器智能》（Nature Machine Intelligence）日前在線發(fā)表的百度生物計算領(lǐng)域最新研究成果，提出了“基于空間結(jié)構(gòu)的化合物表征學(xué)習(xí)方法”，即“幾何構(gòu)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(jié)構(gòu)信息的化合物建模方法，及在藥物研發(fā)中的應(yīng)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(jié)構(gòu)信息引入自監(jiān)督學(xué)習(xí)和分子表示模型，并在下游十多項的屬性預(yù)測任務(wù)中取得 SOTA，成為百度對外公開的AI賦能藥物研發(fā)的又一項重磅成果。

作為藥物研發(fā)的關(guān)鍵一環(huán)，候選化合物的性質(zhì)預(yù)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(wù)以前只能通過傳統(tǒng)仿真實驗進行，成本高耗時長。也有研究人員引入深度學(xué)習(xí)技術(shù)，但大多基于序列或2D圖結(jié)構(gòu)建模，缺乏化合物三維空間結(jié)構(gòu)信息的利用，導(dǎo)致化合物性質(zhì)預(yù)測結(jié)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(nèi)開創(chuàng)性地將化合物性質(zhì)預(yù)測從“2D建?！蓖七M到“3D建?！?。同時，引入預(yù)訓(xùn)練技術(shù)，利用大量無標注的化合物數(shù)據(jù)，通過自監(jiān)督學(xué)習(xí)，構(gòu)建GEM模型的底層能力，有望成為小分子藥物研發(fā)領(lǐng)域的模型底座，解決小分子藥物活性預(yù)測，成藥性預(yù)測，藥物設(shè)計等核心問題，加速藥物，特別是全新藥物的發(fā)現(xiàn)過程。

從實驗效果看，百度GEM模型已在14個國際學(xué)術(shù)界公認的應(yīng)用任務(wù)數(shù)據(jù)集上達到業(yè)界最佳。這些數(shù)據(jù)集包括：抑制HIV艾滋病病毒復(fù)制能力的數(shù)據(jù)集、小分子的生物活性數(shù)據(jù)集、血腦屏障滲透數(shù)據(jù)集等。

在應(yīng)用價值層面，百度GEM模型可高效學(xué)習(xí)化合物的空間結(jié)構(gòu)知識，并自主推斷出空間結(jié)構(gòu)信息，從而準確預(yù)測候選化合物的吸收、代謝、毒性等特性，幫助藥物研發(fā)更快更準地完成早期篩選，目前已經(jīng)在多個合作伙伴的研發(fā)管線中實現(xiàn)商業(yè)化落地，有望通過AI技術(shù)探索雙靶點抑制劑新的研發(fā)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(fā)，為老藥發(fā)掘新用途，并探索多種藥物聯(lián)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(xué)與計算機科學(xué)的跨學(xué)科創(chuàng)新，為化合物成藥性預(yù)測、小分子藥物篩選、藥物聯(lián)用等應(yīng)用研究帶來諸多裨益，未來更有望擴展到蛋白領(lǐng)域，構(gòu)建基于蛋白的表征模型，服務(wù)于大分子的藥物研發(fā)。

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）

關(guān)鍵詞： 研究成果 生物計算