在第七届进博会上，一款家庭陪伴机器人吸引了众多参观者的目光，他们纷纷与这一高科技产品互动，体验其带来的便捷与乐趣。而在科技界的另一场盛会——2024浦江创新论坛上，一场关于人工智能在药物研发中应用的竞赛，同样引起了广泛关注。
面对药物研发过程中的重重挑战，尤其是先导化合物的发现难题，上海国际计算生物学创新大赛向业界发出了新的挑战：筛选出对NMDA受体亚型GluN1/GluN3A具有高活性的药物分子。这一受体亚型与多种神经疾病密切相关，但尚未被广泛开发，因此成为药物研发的热点。
在这场竞赛中，来自上海科技大学的GeminiMol团队凭借一种创新的人工智能模型脱颖而出。该模型通过融合化合物的成药性与构象空间信息，精准表征药物分子性质，从而显著提高了药物筛选的命中率。团队筛选出的分子在所有参赛队伍中活性最强，最终荣获一等奖。
据GeminiMol团队成员介绍，他们首先调研了一些已知活性分子，然后在大赛主办方提供的分子库中寻找与这些已知活性分子的三维药效构象高度相似、但二维化合物结构不相似的新分子。通过这种方式，他们成功筛选出了对NMDA受体亚型GluN1/GluN3A具有高活性的药物分子。
GeminiMol团队的人工智能模型不仅速度快，而且能够“集百家之长”。在筛选过程中，团队可以同时借鉴多个已知活性较佳的分子，从而得到的新分子可能兼具所有已知活性分子的药效特征或结构信息。这一创新方法不仅提高了药物筛选的效率，也为药物研发提供了新的思路。
上海科技大学研究员白芳表示，人工智能在药物研发中的应用已经显示出巨大潜力。传统的计算生物学依赖物理模型驱动，需要将生物学现象抽象成数学公式。而人工智能的出现改变了这一局面，即使缺乏精确的物理模型，人工智能依然可以通过“数据驱动”的方法，将物理或生物现象直接映射到所需的输出结果。然而，白芳也指出，人工智能的“黑箱”特性虽然使其具有极高的应用潜力，但同时也限制了模型的解释性和可控性。
在药物研发领域，人工智能的变革才刚刚开始。虽然现阶段的人工智能模型并非全能，还需要基于物理模型的计算机辅助药物设计方法予以辅助，但随着技术的不断进步和数据的不断积累，人工智能在药物研发中的应用前景将越来越广阔。未来，人工智能将推动药物设计的新范式，为解决复杂科学问题提供新的视角和方法。
