近日，加拿大蒙特利爾學(xué)習(xí)算法研究所（MILA）唐建教授團(tuán)隊開源了一個通用型藥物發(fā)現(xiàn)和設(shè)計的機(jī)器學(xué)習(xí)平臺一一TorchDrug，涵蓋了圖機(jī)器學(xué)習(xí)（包括圖神經(jīng)網(wǎng)絡(luò)、幾何深度學(xué)習(xí)和知識圖譜）、深度生成模型以及強(qiáng)化學(xué)習(xí)等技術(shù)。

TorchDrug是一個建立在開源機(jī)器學(xué)習(xí)庫上的深度圖表示學(xué)習(xí)工具箱，整合了分子性質(zhì)預(yù)測、分子從頭設(shè)計和優(yōu)化、反應(yīng)預(yù)測、逆合成以及分子重定向等多個任務(wù)集。“該平臺在通用性、應(yīng)用性以及可擴(kuò)展性等方面具有明顯的優(yōu)勢?！碧平ū硎尽?/p>

此項工作還得到了“原創(chuàng)AI教父”、“深度學(xué)習(xí)三巨頭”之一的Yoshua Bengio的指導(dǎo)。

Yoshua Bengio于1993年創(chuàng)辦了MILA，這是目前全球?qū)W術(shù)界從事深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)最大的研究中心。2017年，唐建加入MILA并擔(dān)任助理教授，他的主要研發(fā)方向是圖表示學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)、深度生成模型、知識圖譜和新藥研發(fā)，尤其是圖表示學(xué)習(xí)在新藥研發(fā)中的應(yīng)用。

MILA助理教授唐建

“2017年以來，我一直在思考圖表示學(xué)習(xí)未來的發(fā)展方向，最終發(fā)現(xiàn)圖表示學(xué)習(xí)‘殺手級的應(yīng)用方向在生物醫(yī)藥領(lǐng)域，尤其是藥物研發(fā)。生物醫(yī)藥領(lǐng)域絕大部分的數(shù)據(jù)是圖結(jié)構(gòu)數(shù)據(jù)，包括分子結(jié)構(gòu)數(shù)據(jù)、蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)、知識圖譜等，圖表示學(xué)習(xí)在該領(lǐng)域有巨大的應(yīng)用價值。通過開源TorchDrug，我們計劃建立一個開源人工智能藥物發(fā)現(xiàn)社區(qū)，科研人員和制藥公司都可以共享這個成果?！碧平ㄕf。

01多個模塊已開源

讀博最后一年，唐建開始嘗試將深度學(xué)習(xí)應(yīng)用于圖結(jié)構(gòu)數(shù)據(jù)分析中。自2017年入職MILA以來，他一直聚焦圖表示學(xué)習(xí)在新藥研發(fā)的研究和應(yīng)用。

今年是他任教MILA研究中心的第四個年頭，上文提到的開源平臺TorchDrug則是唐建團(tuán)隊過去近4年來在圖表示學(xué)習(xí)和圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域研究成果的積累。

據(jù)唐建介紹，TorchDrug主要解決兩大類的問題，一是從頭設(shè)計和優(yōu)化分子，二是藥物重定向，也就是常說的老藥新用。

具體來講，如果要從頭發(fā)現(xiàn)和設(shè)計分子，發(fā)現(xiàn)新分子結(jié)構(gòu)，需要完成多個模塊任務(wù)。首先需要預(yù)測分子性質(zhì)，分子活性、毒性、水溶性等ADMET參數(shù);緊接著需要進(jìn)行分子優(yōu)化、搜索、設(shè)計，在這一過程中通過深度學(xué)習(xí)模型或者是強(qiáng)化學(xué)習(xí)模型設(shè)計和優(yōu)化分子，尋找到性質(zhì)最佳的分子;然后需要考慮如何合成分子，需要找到分子的逆合成路徑，合成自然界不存在的新分子。

要發(fā)現(xiàn)一種療效更佳的全新藥物分子并非易事，所以老藥新用也是一種常見的一種藥物分子篩選思路。以COVID-19為例，老藥新用就是當(dāng)下尋找潛在治療藥物的主流思路，比如吉利德通過老藥新用的方式發(fā)現(xiàn)廣譜抗病毒藥瑞德西韋對COVID-19具有一定的治療效果。

從機(jī)器學(xué)習(xí)和數(shù)據(jù)建模角度講，老藥新用的核心在于圖結(jié)構(gòu)數(shù)據(jù)，也就是知識圖譜的構(gòu)建，在知識圖譜中挖掘藥、疾病、蛋白質(zhì)之間的相互關(guān)系。

唐建告訴生輝，評估藥物發(fā)現(xiàn)平臺的關(guān)鍵點(diǎn)包括通用性、應(yīng)用性和可擴(kuò)展性，他還從這幾個方面講解了TorchDrug的特點(diǎn)。

一是通用性，TorchDrug是通用型的機(jī)器學(xué)習(xí)模型，適用于不同疾病，針對不同疾病的建模過程本質(zhì)上相同;

二是應(yīng)用性，TorchDrug整合了多個任務(wù)模塊，同時盡可能減少醫(yī)藥行業(yè)的專業(yè)知識，比如說對不同的任務(wù)模塊提供了標(biāo)準(zhǔn)的數(shù)據(jù)集和評測方法。目前，多個藥物發(fā)現(xiàn)任務(wù)模塊已經(jīng)開通運(yùn)行。

三是可擴(kuò)展性，能夠加速多個CPU或者GPU的訓(xùn)練和推理，只需一行代碼，用戶即可在CPU、GPU等設(shè)置之間切換。

此外，該團(tuán)隊還計劃進(jìn)一步將該平臺擴(kuò)展多種功能，包括三維結(jié)構(gòu)建模和幾何深度學(xué)習(xí)方法。

02“人工智能新藥研發(fā)正處于蓬勃發(fā)展期”

現(xiàn)階段，AI之于新藥研發(fā)，已不再是可有可無的角色。從資本市場再到制藥工業(yè)，各界對AI的態(tài)度變得日益明朗。

AI制藥公司的數(shù)目也在增加，據(jù)統(tǒng)計，美國也有超100家AI制藥初創(chuàng)公司，在國內(nèi)也有近50家初創(chuàng)公司。AI制藥公司數(shù)目增長的同時，吸金能力、認(rèn)可程度也隨之提升。

2020年，AI制藥“老兵”薛定諤、AI制藥明星初創(chuàng)Relay相繼登陸納斯達(dá)克，受到資本市場的熱捧。未上市AI制藥新銳的吸金能力也在高漲，自2020年3月以來，全球共有超11家AI制藥公司完成了1億美元以上的融資，instro、晶泰相繼完成4億美元單筆融資。

現(xiàn)在，AI制藥也開始贏得制藥工業(yè)的接受，真正應(yīng)用于產(chǎn)業(yè)界中。從英國AI制藥領(lǐng)跑者Exscientia與GSK、賽諾菲、BMS、拜耳等簽單，薛定諤與藥明康德、BMS、再鼎攜手，再到晶泰一月之內(nèi)與制藥公司達(dá)成約5項合作?！拔艺J(rèn)為，整體而言，無論是資本市場還是學(xué)術(shù)界、產(chǎn)業(yè)界都已經(jīng)開始認(rèn)可AI在藥物研發(fā)中的潛力?，F(xiàn)在看來，AI制藥正處于早期發(fā)展過程中的快速增長階段，未來仍將蓬勃發(fā)展?！碧平ㄕf。

近年來，AI在制藥產(chǎn)業(yè)界的進(jìn)展頻頻。高嘁多年的AI制藥終于不再束之高閣，而是開始接受臨床驗證。2020年，Exscientia宣布全球首個完全由AI設(shè)計的藥物分子進(jìn)入臨床試驗階段，隨后又公布了第2個藥物分子進(jìn)入臨床。2021年，Insilico宣布利用AI發(fā)現(xiàn)了兩款臨床前候選分子，其中針對肺纖維化的分子有望年內(nèi)進(jìn)臨床?！邦A(yù)計未來5年左右，AI研發(fā)的新藥可能將會開始真正獲批上市?！碧平A(yù)測道。

根據(jù)市場調(diào)研機(jī)構(gòu)Facts and Factors數(shù)據(jù)顯示，到2026年，人工智能在制藥領(lǐng)域的全球市場預(yù)計將達(dá)到82億美元，年復(fù)合增長率為47%。AI制藥領(lǐng)域市場發(fā)展勢頭強(qiáng)勁的同時，對新型AI技術(shù)、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)模型的需求也將不斷增長。

在圖表示學(xué)習(xí)應(yīng)用于新藥研發(fā)領(lǐng)域積淀多年后，唐建團(tuán)隊也有志于將科研成果落地轉(zhuǎn)化，他們希望與在生物醫(yī)藥研發(fā)領(lǐng)域經(jīng)驗豐富的專家合作共同推進(jìn)產(chǎn)業(yè)落地。（摘自美《深科技>）（編輯/萊西）