九九热视频精品在线_国产成人mv视频在线观看_国产精品三级一区二区_亚洲精品国产av成拍色拍婷婷_久久伊人一区二区_国产高清精品网站_九九99热久久精品离线6_国产在线一卡2卡三卡4卡免费_日韩美女乱淫aaa高清视频_亚洲大胆_啪啪一级视频_午夜av免费观看_国产高清精品福利私拍国产写真_亚洲婷婷五月综合狠狠_日韩欧美一区二区三区视频_岛国av免费看_精品国产乱码久久久久久久软件_亚洲国产成人精品无码区99_www日本色_免费黄色看片

近日，百圖生科首席 AI 科學(xué)家宋樂接受了機器之心專訪。作為世界知名機器學(xué)習(xí)專家，他領(lǐng)導(dǎo)著百圖生科 AI 算法團隊，為獨具特色的生物計算引擎研發(fā)提供技術(shù)動力。他眼中的生物計算未來，在于「高通量干濕實驗閉環(huán)」。

繼 ICML 2021 時間檢驗論文獎得主 Max Welling 宣布即將加入微軟主攻分子模擬后，國際機器學(xué)習(xí)專家宋樂博士也于近日被任命為百圖生科首席 AI 科學(xué)家。

不出一個月，兩位機器學(xué)習(xí)大牛相繼「下海」，投身 AI＋生物計算，為人工智能在生化和制藥領(lǐng)域掀起的熱浪再添波瀾。

宋樂博士是著名的機器學(xué)習(xí)和圖深度學(xué)習(xí)專家，曾任美國佐治亞理工學(xué)院計算機學(xué)院終身教授、機器學(xué)習(xí)中心副主任，阿聯(lián)酋 MBZUAI 機器學(xué)習(xí)系主任，螞蟻金服深度學(xué)習(xí)團隊負(fù)責(zé)人（P10）、阿里巴巴達摩院研究員，國際機器學(xué)習(xí)大會董事會成員，具有豐富的 AI 算法和工程經(jīng)驗。

宋樂博士與同事合著的論文 Syntax-Directed Variational Autoencoder for Molecule Generation 獲得 NIPS2017 研討會「分子和材料機器學(xué)習(xí)」最佳論文獎，他在接受佐治亞理工學(xué)院采訪時表示，相關(guān)工作的計算機程序已被深度學(xué)習(xí)頂會 ICLR 2018 接收。圖片來源：cc.gatech.edu

自 2008 年起，宋樂博士在 CMU 從事生物計算相關(guān)的研究，利用機器學(xué)習(xí)技術(shù)對靶點挖掘、藥物設(shè)計取得了一系列突破性成果，獲得 NeurIPS、ICML、AISTATS 等主要機器學(xué)習(xí)會議的最佳論文獎。社區(qū)服務(wù)方面，他曾擔(dān)任 NeurIPS、ICML、ICLR、AAAI、IJCAI 等 AI 頂會的領(lǐng)域主席，并將出任 ICML 2022 的大會主席，他還是同行評議期刊 JMLR、IEEE TPAMI 的副主編。

人工智能和機器學(xué)習(xí)已經(jīng)證明能在藥物發(fā)現(xiàn)等過程中起到至關(guān)重要的加速作用。隨著新冠肺炎疫情在世界范圍內(nèi)的流行，用盡可能短的時間將安全、可靠的藥物和疫苗推向市場，比以往任何時候都更加重要。

7 月 30 日，成立不到一年的百圖生科（BioMap）宣布完成上億美元的 A 輪融資，這家由李彥宏牽頭發(fā)起并親任董事長、原百度風(fēng)投 CEO 劉維作為聯(lián)合創(chuàng)始人兼 CEO 掌舵的「中國首家生物計算驅(qū)動的生命科學(xué)平臺公司」向外界放出雄心：

「致力于通過長周期、大規(guī)模的投入，將先進AI技術(shù)與前沿生物技術(shù)融合創(chuàng)新，打造新型多組學(xué)檢測分析、高通量實驗?zāi)M、智能化分子發(fā)現(xiàn)引擎，加速新型藥物和診斷產(chǎn)品的研發(fā)，造福人類健康。」

宋樂博士表示，他選擇加入百圖生科，除了從技術(shù)上說，AI＋生物計算已經(jīng)到達了一個爆發(fā)點，可以切實去做一些事情，更主要是對「干濕實驗閉環(huán)的模式構(gòu)建非常有契合度」。

他在接受機器之心專訪說：「以前在學(xué)校做AI模型預(yù)測，很難有高通量多輪濕實驗的閉環(huán)驗證和數(shù)據(jù)補充，很難讓 AI 模型發(fā)揮關(guān)鍵價值。百圖生科規(guī)劃的干濕一體化智能實驗平臺，基本上國內(nèi)沒有其他 AI 制藥公司有，所以非常吸引人。」

「干濕實驗閉環(huán)后，如何用 AI 的方式來更好地規(guī)劃實驗，預(yù)測一些更加有可能成功的實驗，減少實驗次數(shù)，一兩年就會看到一些成果。」

把實驗室儀器連入計算系統(tǒng)

構(gòu)建干濕閉環(huán)模式

問：您為什么選擇加入百圖生科？

我是從 2008 年開始做AI在生物信息處理這方面的工作，當(dāng)時的一個挑戰(zhàn)是數(shù)據(jù)不多，除了基因序列數(shù)據(jù)之外，其他的數(shù)據(jù)比較少，很難用 AI 模型做出預(yù)測效果會比實驗驗證的更好。

現(xiàn)在情況不同了。首先，生物數(shù)據(jù)量越來越大，比如說蛋白質(zhì)的序列數(shù)據(jù)已經(jīng)有上億條，現(xiàn)在也能夠?qū)渭毎龌虮磉_的測量。第二是計算能力的提升。第三是 AI 算法能力的積累，AI 和制藥領(lǐng)域出現(xiàn)了更多新的模型和方法，能夠產(chǎn)生更準(zhǔn)確的預(yù)測。

結(jié)合以上三點條件，至少從技術(shù)的角度來說，是到了一個點，AI 可以幫助制藥做得更好。未來，可測量的生物特征數(shù)量會越來越多，測量數(shù)據(jù)的成本也會不斷下降，生物數(shù)據(jù)會越來越多，相信在未來 10 年里「AI＋生物計算」都會是一個非常好的方向。

選擇百圖生科，除了計算資源的實力外，更主要是對于干濕實驗閉環(huán)的模式構(gòu)建，我們非常有契合度。基本上國內(nèi)沒有其他AI制藥公司有這個模式，所以非常吸引人。

問：能具體介紹「干濕實驗閉環(huán)」的模式嗎？

以前在學(xué)校做 AI 模型預(yù)測，很難有高通量多輪濕實驗的閉環(huán)驗證和數(shù)據(jù)補充，很難讓 AI 模型發(fā)揮關(guān)鍵價值。AI 模型主要缺陷在于：它是一個模型，本身有一些參數(shù)，沒有通過足夠?qū)嶒灁?shù)據(jù)校正和檢驗，跟現(xiàn)實有差距，不能取代真實數(shù)據(jù)的驗證。只有把 AI 模型和濕實驗有機結(jié)合，才能真正解決這個問題。

現(xiàn)在我們平臺設(shè)計時，同時會考慮需要用什么樣的實驗手段，例如高通量細胞視覺平臺，單細胞測序平臺，或高通量抗體和蛋白質(zhì)親和力實驗平臺，分別對應(yīng)涉及到要整合乃至自主研發(fā)什么先進儀器。

平臺將通過主動學(xué)習(xí)或強化學(xué)習(xí)的方式，通過 AI 模型規(guī)劃，有選擇性地做實驗，形成「干濕實驗閉環(huán)驗證」，未來通過 AI 大腦控制實現(xiàn)全自動實驗室。這是這個行業(yè)未來的方向。

我們的愿景是，把實驗室儀器都連入一個操作系統(tǒng)，未來實驗都是 AI 模型在后面規(guī)劃，實驗員能夠騰出手來做更高層次、更有趣、更有創(chuàng)造力的事情。

問：構(gòu)建這種干濕一體化實驗平臺有什么門檻？

首先是人才，需要有一個非常交叉的團隊。既有能夠做實驗、對生物信息、對制藥、對前沿生物技術(shù)有理解的人才，也要有經(jīng)驗豐富的系統(tǒng)工程人才，以及 AI 算法人才，因此我們招人也是朝這個方向去招的。

其次是強大的硬件支持，包括實驗設(shè)備以及計算資源，以及把這兩種資源整合在一起的能力。如果一開始沒有將濕實驗的硬件以及計算資源規(guī)劃在一起，后期是很難再調(diào)整的。如果沒有足夠多的計算資源支持，一些大的模型，比如蛋白質(zhì)的預(yù)訓(xùn)練，三維結(jié)構(gòu)預(yù)測模型就比較難應(yīng)用起來。

用模型做預(yù)測來進行實驗規(guī)劃，需要對數(shù)據(jù)的擬合、調(diào)參，涉及到云計算等計算資源支持，而百圖生科擁有百度強大的算力支持。圖片來源：capacitymedia

生物人才＋算法人才融合

側(cè)重大分子藥物研發(fā)

問：百圖生科希望用 AI 解決藥物研發(fā)的什么問題，側(cè)重哪些環(huán)節(jié)？

藥物研發(fā)過程一般分為三個階段，第一階段主要是發(fā)現(xiàn)一些潛在靶點和藥物，然后通過一些比較可控的細胞實驗或是其他生化實驗，去發(fā)現(xiàn)有效的方向。第二階段是更進一步的動物等驗證實驗。第三期是人類的臨床實驗。百圖生科會以第一階段為核心發(fā)力點，發(fā)現(xiàn)候選靶點和藥物，并進行類器官等先進細胞驗證。

這個過程從計算機的角度來說，實際上是一個組合優(yōu)化的問題。傳統(tǒng)藥物研發(fā)的難點在于，搜索空間太大，從計算角度、實驗的角度都比較難對整個空間進行篩選。人工智能在藥物發(fā)現(xiàn)方面的主要價值在于，怎樣根據(jù)歷史或者實驗數(shù)據(jù)，構(gòu)建一個 AI 模型，能夠很快地在巨大的空間里把最有可能成藥、最有效的藥物空間縮小，比如從 10 的 60 次方縮短小到 10 的 5 次方，之后就有可能用一些更加精細的計算方式或?qū)嶒炇侄稳ヲ炞C這些藥物的性能。

生物制藥包含小分子藥物和大分子藥物，現(xiàn)在國內(nèi)外主要聚焦于 AI 在小分子制藥方面的應(yīng)用，我們側(cè)重于大分子藥物研發(fā)。具體說，首先是利用人工智能進行靶點發(fā)現(xiàn)，主要是基于知識圖譜，比如圖神經(jīng)網(wǎng)絡(luò)去整合知識圖譜信息，以及自有多組學(xué)實驗數(shù)據(jù)、分子影像數(shù)據(jù)去預(yù)測靶點。在發(fā)現(xiàn)靶點之后，利用 AI 技術(shù)設(shè)計抗體藥物，比如對蛋白質(zhì)序列做預(yù)訓(xùn)練模型，針對一些靶點去設(shè)計一些蛋白質(zhì)的序列和抗體的序列，做到更好的親和力，更加穩(wěn)定，對靶點起到更好的作用。最后，完成濕實驗閉環(huán)驗證。

問：能否透露百圖生科目前的藥物探索方向，有哪些已經(jīng)在落地的項目？

近期 AlphaFold 2 預(yù)測蛋白質(zhì)空間結(jié)構(gòu)的成果引發(fā)了廣泛的關(guān)注，實際上百圖生科也在利用自有抗體親和力預(yù)測、結(jié)構(gòu)預(yù)測等算法開展獨特的藥物設(shè)計項目。例如研究胃癌、食道癌等亞洲人群高發(fā)的腫瘤疾病，進行靶點發(fā)現(xiàn)和抗體藥物設(shè)計，現(xiàn)在還處于早期階段，但實際上算法已經(jīng)迭代多次了，目前靶點發(fā)現(xiàn)的算法預(yù)測準(zhǔn)確度相較現(xiàn)有最好的文獻方法已經(jīng)有了 10% 以上的提升，進一步還會進行濕實驗的驗證。

日前，百圖生科投資 10 億元設(shè)立的「免疫圖譜卓越計劃」首批項目招募正式啟動，我們計劃聯(lián)合前沿的生物技術(shù)專家、藥物開發(fā)專家和臨床專業(yè)團隊，打造一個國際領(lǐng)先的免疫圖譜，為更精準(zhǔn)地探尋癌癥、自免、纖維化、衰老等疾病的復(fù)雜免疫規(guī)律，更高效率的靶點挖掘和藥物設(shè)計提供可能。目前已收到來自中科院、協(xié)和、北大、清華、復(fù)旦等系統(tǒng)的近百個臨床和研究團隊的申報。

2021 年 5 月，百圖生科宣布出資 10 億元設(shè)立「免疫圖譜卓越計劃」，并與 30 余家業(yè)內(nèi)領(lǐng)先技術(shù)企業(yè)簽訂戰(zhàn)略合作協(xié)議，基于百圖生科生物計算核心引擎，共同為免疫圖譜繪制提供技術(shù)能力支持。來源：百圖生科

問：主流藥企也在使用人工智能技術(shù)，與百圖生科的 AI 驅(qū)動制藥有何差異？

首先，主流藥企也有生信、統(tǒng)計、數(shù)據(jù)分析的人員，但是濕實驗團隊和 AI 團隊是分開的，兩者的工作相對獨立，后期通過交流再各自調(diào)整方向。百圖生科希望兩者能夠形成一個閉環(huán)系統(tǒng)，把 AI 模型和實驗平臺統(tǒng)一規(guī)劃，協(xié)同工作，一起把藥物發(fā)現(xiàn)向前推進。

這是一個新興的行業(yè)，沒有一個成熟的解決方案可以直接套用，具有濕實驗和藥物發(fā)現(xiàn)知識的人對 AI 了解少，具有 AI 背景的人反之亦然，因此需要有對AI比較了解，而且也愿意去深入理解生物問題的人，才能核實模型，利用好這些數(shù)據(jù)去解決這里面涉及到的問題。

以我們現(xiàn)有的兩個最小可行性產(chǎn)品為例——靶點發(fā)現(xiàn)和藥物設(shè)計，我們會動態(tài)地將生物和AI算法人才，組合在一起去推進某一個管線或產(chǎn)品的研發(fā)。在這個過程中，一方面生物人員可以通過和算法人員的合作，更好地判斷現(xiàn)有算法能夠提供什么；算法人員可以從生物人員處了解到基于現(xiàn)有問題，如何去適配或者創(chuàng)造一個新的模型，從而更好解決問題。我認(rèn)為這是把生物人才、算法人才放在一起制藥的一個優(yōu)勢。

其次，主流藥企研發(fā)以人的假設(shè)和已有實驗?zāi)芰橹鲗?dǎo)，AI 比較偏輔助型工具，所以能探索的潛在的靶點空間或者制藥空間就會受到已有研發(fā)積累的較大限制。因為人可以考慮的方面，以及現(xiàn)在能夠分析的維度復(fù)雜度，與今天快速增長的高維生物數(shù)據(jù)比起來實際上非常有限。用人工智能方法就可以把更加復(fù)雜的數(shù)據(jù)綜合考慮，能夠看到更高維度的信息。

基于此，百圖生科也希望能夠發(fā)揮 AI 模型和計算資源優(yōu)勢，結(jié)合自產(chǎn)的實驗數(shù)據(jù)和醫(yī)學(xué)、制藥等的專業(yè)領(lǐng)域知識，發(fā)現(xiàn)新的藥物靶點。在與藥企合作層面，也可以結(jié)合制藥企業(yè)未被充分挖掘的某些專業(yè)數(shù)據(jù)，發(fā)現(xiàn)數(shù)據(jù)之間的更多關(guān)聯(lián)，從而聯(lián)合進行靶點發(fā)現(xiàn)和管線開發(fā)，成為傳統(tǒng)藥企非常有力的合作伙伴。未來，我們希望利用 AI 挖掘更多藥物信息，也包括通過開放自有免疫圖譜查詢，為這方面的專家、生態(tài)企業(yè)提供更多有價值的工具。