郭晉疆：AI賦能加速結核新藥研發

傳統的藥物研發過程，就像科學家們在“迷宮”中尋找新藥。這個過程需要不斷試錯：首先確定靶點，然后進行分子設計，設計完成后進行化學合成，合成后再進行生物測試。如果測試成功，可以繼續推進；如果失敗，則需要重啟整個循環。這種反復試錯的模式使得研發周期變得漫長，成本也很高。

結核病藥物研發面臨的挑戰尤為突出。一方面，結核分枝桿菌的耐藥性日益嚴重；另一方面，其細胞壁屏障極強，藥物難以滲透。此外，現有抗結核藥物都需要長周期治療，這對藥物的安全性提出了極高要求。

近10年來，隨著人工智能（AI）的迅速發展，許多科研機構和制藥企業開始將AI技術應用于藥物研發。AI主要通過兩種方式來加速這一過程：一是基于大數據的機器學習或深度學習方法，二是基于生物物理學的科學計算方法。這兩種方式都能進行大規模的虛擬計算，幫助科學家更快、更精準地找到優化路徑，就像為藥物研發人員提供了一個“導航”，使他們能夠在這個復雜的“迷宮”中更快地找到通往新藥的路徑。

我們與多方開展深度合作，自主研發搭建了AI藥物研發平臺——“AI孔明”平臺。

AI孔明平臺本質上是一個AI系統，其核心支撐來自三個方面：首先是算力，其次是算法，最后是數據。基于這套支撐體系，我們構建了五大功能模塊。第一，分子生成。可根據病原體靶點蛋白結構特征，生成具有新穎結構的分子。第二，活性預測。可針對這些分子進行快速虛擬篩選，判斷新分子與已知靶蛋白的結合能力。第三，ADMET評估。可對藥物分子進行全方位的成藥性評估，包括吸收、分布、代謝、毒性等關鍵指標。第四，制藥數據庫。我們針對分枝桿菌400多個關鍵靶蛋白，完成了分子生成、活性預測和案例評估，整理形成百萬級數據庫，并已開源上線，供全球科學家共享使用。第五，“孔明”智能體。可根據藥物化學家或生物學家在疾病研究中遇到的具體問題，自主調用各類AI工具與知識庫，自主解決藥物研發中的復雜問題，最終為科研人員提供優化解決方案。

最近OpenClaw（“龍蝦”）非常火，它事實上是面向日常通用環境的智能體，可處理郵件、炒股等各類任務。今年1月，我們發布了專注藥物研發領域的專業智能體——“孔明”智能體。藥物研發人員只需提出研發問題，智能體即可自主拆解任務：調取數據庫知識，進行分子設計，再進行生物活性和成藥性評價，最終推薦安全有效的高潛力分子。整個過程僅需1~2小時，被稱作制藥領域的“龍蝦”。

希望在AI的加持下，我們能夠更快地消除結核病！