「嘉賓介紹」

侯廷軍，浙江大學(xué)藥學(xué)院求是特聘教授，國(guó)家萬(wàn)人計(jì)劃領(lǐng)軍人才，國(guó)家重點(diǎn)研發(fā)計(jì)劃首席科學(xué)家。在Nature Mach Intell、Nature Comput Sci等高水平期刊發(fā)表SCI500余篇，引用33000余次，H因子89，任中國(guó)化學(xué)會(huì)計(jì)算（機(jī)）化學(xué)專業(yè)委員會(huì)副主任委員、中國(guó)計(jì)算機(jī)學(xué)會(huì)數(shù)字醫(yī)學(xué)分會(huì)副主任委員、中國(guó)藥學(xué)會(huì)藥物化學(xué)專業(yè)委員會(huì)委員、Briefings in Bioinformatics等14種SCI期刊編委，連續(xù)多年入選科瑞維安全球高被引科學(xué)家和愛(ài)思唯爾中國(guó)高被引學(xué)者，獲中國(guó)化學(xué)會(huì)計(jì)算（機(jī)）化學(xué)專委會(huì)計(jì)算化學(xué)家獎(jiǎng)、藥明康德生命化學(xué)研究獎(jiǎng)。

「主講內(nèi)容」

侯廷軍教授以“AI驅(qū)動(dòng)的新藥發(fā)現(xiàn)軟件平臺(tái)DrugFlow的開發(fā)”為題，從研究背景、研究進(jìn)展、軟件平臺(tái)與面臨挑戰(zhàn)這四個(gè)方面簡(jiǎn)單介紹了AI算法在新藥研發(fā)領(lǐng)域的各個(gè)環(huán)節(jié)的應(yīng)用現(xiàn)狀。報(bào)告伊始，侯廷軍教授由傳統(tǒng)新藥的研發(fā)流程，引入當(dāng)前AI模型引領(lǐng)的研發(fā)新范式，簡(jiǎn)要分享了深度學(xué)習(xí)在各個(gè)領(lǐng)域的突破。針對(duì)當(dāng)前AI輔助藥物發(fā)現(xiàn)領(lǐng)域，侯廷軍教授主要從生物活性分子篩選、分子生成、成藥性及安全性評(píng)價(jià)三個(gè)方面對(duì)藥物多目標(biāo)性質(zhì)精確評(píng)估現(xiàn)狀展開工作介紹。

侯廷軍教授詳細(xì)介紹了課題組在基于分子對(duì)接的虛擬篩選的研究工作，分享了針對(duì)不同預(yù)測(cè)任務(wù)的蛋白質(zhì)小分子打分函數(shù)的研究成果。基于圖表示學(xué)習(xí)的蛋白-配體相互作用的打分方法IGN框架通過(guò)深度學(xué)習(xí)方法以及分子表征圖，學(xué)習(xí)小分子內(nèi)相互作用和分子間相互作用。RTMScore打分函數(shù)則是采用基于殘基層次的蛋白圖表示策略和多個(gè)graph transformer層，最后通過(guò)混合密度網(wǎng)絡(luò)用于學(xué)習(xí)殘基-原子距離可能性潛能，提升對(duì)接能力和富集能力。此外課題組還基于RTMScore框架，增加等變的GNN模塊以實(shí)時(shí)更新配體分子的坐標(biāo)，實(shí)現(xiàn)了分子對(duì)接和打分函數(shù)的整合模型KamaDock。該模型不需要依賴大型計(jì)算集群。Carsidock則是基于大規(guī)模物理模擬數(shù)據(jù)預(yù)訓(xùn)練的高精度分子對(duì)接模型，在預(yù)測(cè)未在訓(xùn)練集中出現(xiàn)的樣本的預(yù)測(cè)準(zhǔn)確率與同類模型相比最高，比alphafold3高出6%。該模型也獲得不少藥企的認(rèn)可。此外，使用100多個(gè)靶標(biāo)評(píng)測(cè)同類模型的篩選真實(shí)分子能力，評(píng)測(cè)結(jié)果說(shuō)明上述模型更優(yōu)。在智能分子生成方向，侯廷軍課題組構(gòu)建了一套基于AIGC+預(yù)訓(xùn)練大模型打造分子生成模型體系，并介紹了其中幾項(xiàng)分子生成方法，包括：transformer+知識(shí)蒸餾+強(qiáng)化學(xué)習(xí)的框架開發(fā)的基于配體的多約束分子生成方法（MCMG），該方法收斂速度快；基于多尺度等變網(wǎng)絡(luò)的蛋白口袋3D分子生成方法（ResGen）將分子生成變成全局尺度的自回歸與原子尺度的自回歸問(wèn)題，通過(guò)在蛋白質(zhì)結(jié)合位點(diǎn)上原子加和生成親和力更強(qiáng)的完整分子。在ADMET領(lǐng)域，侯廷軍課題組搭建的ADMETlab成藥性預(yù)測(cè)平臺(tái)基于2D分子圖進(jìn)行端到端的預(yù)測(cè)，計(jì)算精度高、計(jì)算速度快，獲得了國(guó)內(nèi)外同行的高度認(rèn)可。另外課題組還基于實(shí)驗(yàn)數(shù)據(jù)的匹配分子對(duì)分析方法（MMPA）搭建了OptADMET分子成藥性在線優(yōu)化平臺(tái)。基于多屬性轉(zhuǎn)換規(guī)則數(shù)據(jù)庫(kù)，OptADMET可以識(shí)別子結(jié)構(gòu)轉(zhuǎn)化規(guī)則，可通過(guò)簡(jiǎn)單的計(jì)算快速優(yōu)化目標(biāo)分子的特定成藥性參數(shù)。

侯廷軍教授分享DrugFlow平臺(tái)的各個(gè)模塊與功能，及其受邀NVIDIA GTC 2024大會(huì)與多家頭部企業(yè)的合作經(jīng)歷，并向在座師生分享了DrugFlow平臺(tái)各個(gè)模塊的評(píng)估情況。

在報(bào)告最后，侯廷軍教授分享了當(dāng)前AI在新藥研發(fā)面臨的挑戰(zhàn)，針對(duì)如何有效提升AI的分子性質(zhì)預(yù)測(cè)能力、提升打分函數(shù)在虛擬篩選中的預(yù)測(cè)能力以及提升分子的成藥性毒性的預(yù)測(cè)精度三方面提出了自己的見解與展望。

「互動(dòng)環(huán)節(jié)」

報(bào)告結(jié)束后，侯廷軍教授與在場(chǎng)師生針對(duì)當(dāng)前AI模型對(duì)分子性質(zhì)的預(yù)測(cè)能力與難點(diǎn)展開熱烈討論。

「頒發(fā)紀(jì)念證書」

論壇最后，田博學(xué)副教授作為本次論壇主持代表清華大學(xué)藥學(xué)院為侯廷軍教授頒發(fā)紀(jì)念證書。