AI領(lǐng)域新突破！騰訊發(fā)布首個AI藥物研發(fā)平臺「云深智藥」

白交 2020-07-09 14:56:10 來源：量子位

白交 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI

7月9日，2020世界人工智能大會云端峰會開幕。

會上，騰訊首席運營官任宇昕公布了「用AI助力藥物研發(fā)」領(lǐng)域的最新進展。

由騰訊自主研發(fā)的首個AI驅(qū)動的藥物發(fā)現(xiàn)平臺云深智藥（iDrug）正式對外發(fā)布。

「云深智藥」的命名出自唐詩《尋隱者不遇》。

“只在此山中，云深不知處”，暗含新藥研發(fā)背后相似的歷程。

云深智藥平臺功能模塊覆蓋藥物研發(fā)全流程

該平臺旨在覆蓋臨床前新藥研發(fā)的全流程，包含蛋白質(zhì)結(jié)構(gòu)預(yù)測、虛擬篩選、分子設(shè)計/優(yōu)化、ADMET性質(zhì)預(yù)測（即將開源）及合成路線規(guī)劃等在內(nèi)的五大模塊。

云深智藥平臺的推出，將幫助研發(fā)人員提升臨床前藥物發(fā)現(xiàn)的效率，緩解了疫情期間，醫(yī)藥行業(yè)急需快速、低成本地進行藥物研發(fā)的問題。

目前，騰訊已和多家藥企達成合作，將AI模型應(yīng)用到實際藥物研發(fā)項目中。

蛋白質(zhì)結(jié)構(gòu)預(yù)測新算法

此次在云深智藥平臺上，騰訊AI Lab應(yīng)用了一項預(yù)測蛋白質(zhì)結(jié)構(gòu)的新算法。

蛋白質(zhì)結(jié)構(gòu)預(yù)測作為藥物設(shè)計的基礎(chǔ)，對了解生物體內(nèi)分子間的相互作用至關(guān)重要。

此前藥企、科研機構(gòu)等通過傳統(tǒng)方式進行蛋白質(zhì)結(jié)構(gòu)的實驗測定，往往難度大、周期長、費用高。

而通過深度學習模型預(yù)測出蛋白質(zhì)結(jié)構(gòu)以及功能后，計算機可以更快的從數(shù)億的海量小分子中，快速而有針對性地找到潛在的苗頭化合物，有效提升研發(fā)效率。

此次在云深智藥平臺上，騰訊AI Lab應(yīng)用了一項預(yù)測蛋白質(zhì)結(jié)構(gòu)的新算法。

數(shù)據(jù)顯示，騰訊新算法在困難案例（hard）上的提高非常顯著，比業(yè)內(nèi)公認的權(quán)威方法Robetta提高了10%。

自2020年加入蛋白質(zhì)結(jié)構(gòu)預(yù)測的全球權(quán)威測試平臺CAMEO以來，騰訊AI Lab團隊憑借該自研算法，半年內(nèi)五次奪得月度冠軍，領(lǐng)先眾多國際知名研究團隊，展現(xiàn)了扎實的技術(shù)實力。這項算法的創(chuàng)新思路也已應(yīng)用在云深智藥平臺上，將在新靶點發(fā)現(xiàn)、疾病機理研究上進一步發(fā)揮應(yīng)用價值。

縱軸 lDDT 為蛋白結(jié)構(gòu)預(yù)測質(zhì)量打分，越高表示預(yù)測的蛋白模型與真實蛋白結(jié)構(gòu)越相似

平臺提供數(shù)據(jù)庫-算法-算力一體化服務(wù)

AI助力藥物研發(fā)，算法、算力、數(shù)據(jù)三要素缺一不可、且相輔相成。

騰訊強大的算力支持則加快了數(shù)據(jù)庫存儲查找、算法迭代速度，并大大縮短使用模型的運算時間。

云深智藥平臺除了在算法領(lǐng)域不斷創(chuàng)新，還提供算力和數(shù)據(jù)庫的一體化服務(wù)支撐。

數(shù)據(jù)方面，分子大數(shù)據(jù)是藥物研發(fā)中的基礎(chǔ)設(shè)施。

現(xiàn)有的藥物分子公開數(shù)據(jù)集，以PubChem和ChEMBL等為代表，其來源多樣。但也由于數(shù)據(jù)來源于不同機構(gòu)的不同實驗環(huán)境，存在數(shù)據(jù)難以對齊，字段缺失較多，總體質(zhì)量不佳的問題，從而難以直接用于開發(fā)預(yù)測模型。

云深智藥平臺使用的分子大數(shù)據(jù)，基于現(xiàn)有公開數(shù)據(jù)集，進行了多個環(huán)節(jié)的精細清洗整理工作，得到可以用于直接構(gòu)建深度學習模型的藥物分子大數(shù)據(jù)集，并且已在多個藥物研發(fā)的項目中得到應(yīng)用驗證，清洗過程對多個項目的結(jié)果均有很大的提升作用。

算力方面，騰訊云為云深智藥平臺提供計算資源，藥企、科研機構(gòu)登錄平臺即可開展研究，不需要再自行部署，就能快速地將AI能力引入現(xiàn)有的研發(fā)流程中。

平臺功能覆蓋新藥發(fā)現(xiàn)全流程

臨床前新藥發(fā)現(xiàn)流程要經(jīng)歷從靶點的發(fā)現(xiàn)和驗證、苗頭化合物的發(fā)現(xiàn)、先導(dǎo)化合物的發(fā)現(xiàn)和優(yōu)化直至臨床候選化合物的確認及開發(fā)。

「云深智藥」平臺覆蓋了臨床前新藥發(fā)現(xiàn)的全流程。

新藥發(fā)現(xiàn)的第一步是靶點識別和確認，找到藥物在體內(nèi)的作用位點，確定靶點蛋白質(zhì)的結(jié)構(gòu)是其中的關(guān)鍵工作。

「云深智藥」平臺采用的蛋白質(zhì)結(jié)構(gòu)預(yù)測方法在準確度上達到國際領(lǐng)先水平，得益于兩項關(guān)鍵技術(shù)上取得突破。

一是基于自監(jiān)督學習的蛋白質(zhì)折疊方法，不依賴同源序列，而是直接從序列數(shù)據(jù)庫中通過自監(jiān)督學習，學得共進化的模式，從而能夠從無到有地產(chǎn)生出含有共進化信息的偽同源序列，并最終讓這些蛋白能夠有效折疊；

二是通過一種基于深度學習的可迭代方法，有效整合模板建模與自由建模，首次提出了動態(tài)的、可迭代的氨基酸對特異性的約束條件，顯著提高了建模的精度，從而更好的折疊蛋白。

針對靶點篩選苗頭化合物是新藥發(fā)現(xiàn)的第二步。與傳統(tǒng)的實驗篩選相比，計算方法進行的虛擬篩選無需消耗化合物樣品，能極大節(jié)省人力物力。

基于配體的藥物設(shè)計方法（ligand-based drug design，LBDD）是虛擬篩選的常見方法之一，是指從已知的有活性的配體小分子結(jié)構(gòu)出發(fā)，學習和建立分子結(jié)構(gòu)與活性之間關(guān)系的模型，用來預(yù)測新化合物的活性。

由于很多靶點的已測得的化合物活性數(shù)據(jù)非常有限，嚴重制約了預(yù)測模型的準確性。

AI方法有望解決這一問題：

比如，「云深智藥」平臺的虛擬篩選模塊首次將元學習和深度神經(jīng)網(wǎng)絡(luò)算法用于LBDD任務(wù)，通過AI”遷移“從其他靶點上面學習到的知識（如分子局部結(jié)構(gòu)對靶點結(jié)合強度的影響），應(yīng)用在目標靶點上來提高模型預(yù)測精度。

目前該算法在數(shù)千個實驗數(shù)據(jù)集上預(yù)測精度（預(yù)測活性與實驗測量活性的相關(guān)性）的中位數(shù)從目前最高記錄0.36提升到0.42，且篩選可用模型的百分比從56%提升到60%，突破業(yè)界標準。

進入藥物研發(fā)后期，預(yù)測分子的ADMET性質(zhì)尤為重要（包括藥物的吸收、分配、代謝、排泄和毒性）。

及早發(fā)現(xiàn)并排除成藥性欠佳的分子能夠大幅降低后期藥物研發(fā)失敗的風險。

基于AI的ADMET性質(zhì)預(yù)測能夠讓藥物化學家快速地進行分子結(jié)構(gòu)改造，優(yōu)化分子理化性質(zhì)，縮短藥物研發(fā)的周期，降低實驗測試成本。

「云深智藥」平臺的藥物小分子ADMET屬性預(yù)測模塊已在多個數(shù)據(jù)集上比學術(shù)界現(xiàn)有最好模型提高3%~11%；在合作伙伴的反饋中，平臺的自研算法精度超過現(xiàn)有商業(yè)軟件6%~37%不等。

同時，平臺采用了注意力等機制可視化分子中的子結(jié)構(gòu)對結(jié)果的影響，提供模型的可解釋性。此外，平臺還可提供當?shù)匕姹镜褥`活的部署形式，保障用戶的數(shù)據(jù)安全。