专访：星药科技创始人李成涛，运用AI为创新药研发按下快进键

IDC组委会:首先恭喜李博士在短短四个月内成功完成三轮融资。可否请您分享星药在药物研发方面的核心优势及技术进展？

李博士:

1.核心优势，可以分为几个方面：

i. 算法研发方面，我们人工智能研究实力是国内顶尖的。我们已经发表了多篇高水平、高质量的期刊和会议论文，包括化学领域的顶级期刊和人工智能领域的顶级会议，现在已经有多个专利在申报中。所以在人工智能和新药研发的结合领域，我们不仅有原研的能力，能够不断研发新的模型，而且在很多领域上我们都达到了全球最高水平。这是星药最核心的能力之一。

ii. 算法落地方面，我们来自谷歌、苹果等硅谷高科技企业，以及国内互联网大厂的算法工程人员，与内部药化专家一起将最前沿的人工智能算法落地到技术平台上产生价值。同时，我们也会从实际业务出发，归纳算法应用场景，有针对性地开发了一系列针对药物研发疑难杂症的算法，即使是在数据量不足或模态不全（传统药物研发方式难以奏效）的场景下，也可以得到很好的结果。

iii. 底层技术方面，我们在内部组建了各个学科的团队，将人工智能、计算化学和药物化学三个方面有机地结合。药物研发是一项极其复杂的系统性工程，靠单一的方法论是难以将所有问题都一次性解决的。我们对深度学习底层有更深的认识，在可解释机器学习与特定药物研发场景应用上的投入使得我们设计的结果更符合化学家思想并具有说服力，既不简单的把AI当作工具，也不轻视专家经验带来的增益。我们相信未来的药物研发一定是人工智能、计算化学和药物化学三个学科的有机结合，也是根据这个核心理念去搭建了我们的药物研发平台。

2.技术进展：

目前星药的药物研发平台已经搭建完毕并且投入使用了，也已经支持到了多个药物研发管线的推进。我们同时在推进多种适应症的多种靶点的管线，把根据这些靶点设计和筛选的分子送往实验室进行了验证，都得到了高度正向的反馈。星药的化合物筛选命中率比传统方法高十数倍，通过模型算法设计的全新分子在保证专利空间的情况下，活性上也达到甚至超越阳性药水平。我们预计，星药平台将把原本数年的靶点到PCC的研发流程时间缩短到一年以内。

IDC组委会:药物靶点需要经过一系列的设计、筛选、优化，再到体内外的实验，测试一下有效性和毒性。如果一切顺利就进入临床许可阶段，如果不行的话可能需要回去返工，重新优化分子的性质，整个流程大概需要五到八年的时间，研发成本在30亿美金左右。研发周期长、成本高、成功率低是当下急迫解决的难题，可否从您的角度提供破解之道？

李博士:

星药的方法论是，通过使用人工智能的前沿算法，结合传统计算化学和药物化学的知识和经验，全方位解决小分子药物早期研发流程中遇到的绝大部分问题。通过这种方法，降低成本，提高效率，将原本五到八年的临床前研发时间缩短至一到两年。同时单个临床前药物研发管线的成本和时间可以被大幅度的降低，使得同时储备多条药物研发管线，优化研发管线战略布局都成为了可能。

IDC组委会:人工智能技术需要更多的数据来进行学习和训练，如何更好地获得高质量的数据，促进人工智能在药物产业落地？

李博士:

这个问题我想从两个方向上回答：

i.开源。AI难为无米之炊，没有足够的数据是没有办法得到较为有效的模型的。我们在星药收集了近百个数据集，多个数据模态，包括小分子结构，蛋白质序列，化学反应，小分子与蛋白质对接，过滤规则等，无论是数据的数量还是模态的数量上都足够训练出优秀有效的模型。同时我们也期待工业界能够联合在一起形成数据联盟，通过联邦学习等创新型方式，在保留数据隐私的前提下达到共享训练数据的目的。

ii.整合。即使有了多种数据，也会很容易发现其中的数据冲突。有的时候同一个蛋白质，同一个小分子，在不同的数据库里面结合的数据是不一样的。所以在这种情况下，如何整合有效数据，剔除无效数据就变得尤为关键。如果没有合理的方法去做整合，即使数据量再大也会出现rubbish in rubbish out的情况，模型没有办法学到有效的信息和规律。我们星药在这个方面也花费了巨大的心血，长时间地积累与尝试，形成了自己独有的一套整合数据的方法，这也是为什么我们现在的模型表现优秀的重要原因之一。

IDC2021化学创新药研发与分析论坛将汇聚50+资深讲者，600+行业同行共襄盛会，共谋“加快药物创新步伐，提高药物创新效率，使化学新药企业从激烈的市场竞争中脱颖而出，从而立足于世界，走向国际化”的新篇章。IDC2021设置AI辅助新药研发板块，如需演讲请联系会务组：李欣欣15800452389