原标题：腾讯COO任宇昕官宣！腾讯公布首个AI药物研发平台「云深智药」

雷锋网消息，7月9日，2020世界人工智能大会云端峰会开幕。会上，腾讯首席运营官任宇昕公布了用AI助力药物研发领域的最新进展——由腾讯自主研发的首个AI驱动的药物发明平台“云深智药（iDrug）”正式对外公布。

云深智药平台的推出，将帮助研发职员提升临床前药物发明的效率，有望缓解新冠疫情威胁下，医药行业亟需快速、低成当地举行药物研发的痛点。

腾讯已和多家药企告竣互助，将AI模子应用到现实药物研发项目中。目前已有十余个项目，包括反抗新冠病毒药物的相干研发等，在云深智药平台上稳定运行。

“云深智药”的定名出自唐诗《寻隐者不遇》，“只在此山中，云深不知处”，暗含新药研发背后相似的历程。

该平台旨在笼罩临床前新药研发的全流程，包罗卵白质结构预测、虚拟筛选、分子设计/优化、ADMET性子预测（即将开源）及合成路线规划等在内的五大模块。

卵白质结构预测作为药物设计的基础，对相识生物体内分子间的相互作用至关紧张。此前药企、科研机构等通过传统方式举行卵白质结构的实验测定，每每难度大、周期长、用度高。

而通过深度学习模子预测出卵白质结构以及功效后，计算机可以更快的从数亿的海量小分子中，快速而有针对性地找到潜在的苗头化合物，有用提升研发效率。

此次在云深智药平台上，腾讯AI Lab应用了一项预测卵白质结构的新算法。数据显示，腾讯新算法在困难案例（hard）上的提高非常显著，比业内公认的权势巨子要领Robetta提高了10%。

自2020年加入卵白质结构预测的全球权势巨子测试平台CAMEO以来，腾讯AI Lab团队依附该自研算法，半年内五次夺得月度冠军。

这项算法的创新思绪也已应用在云深智药平台上，将在新靶点发明、疾病机理研究上进一步发挥应用价值。

在药物虚拟筛选和ADMET性子预测方面，腾讯AI Lab也在多个公然数据集上取得较高准确度、突破了业界尺度。后续ADMET预测模块将开源大范围自监视分子图预训练GX模子，分子天生模子预计也将在下半年开源。

雷锋网相识到，目前，虚拟筛选和ADMET性子预测两个工具模块已免费对外开放使用，卵白质结构预测、分子设计/优化、合成路线规划等模块也将在未来几个月陆续上线，后续平台还将研发更多药物发明功效模块和分析功效。

除了可以或许免费使用平台搭载的焦点功效外，药企、科研机构还可以与腾讯配合开发定制化的AI工具。

云深智药平台融合了腾讯AI Lab和腾讯云在前沿算法、优化数据库以及计算资源上的上风，用户不需再自行部署，登录平台就能快速地将AI能力引入现有的研发流程中，可以更便捷地睁开研究。

以下为详细的技能解读

平台提供数据库-算法-算力一体化服务

AI助力药物研发，算法、算力、数据三要素缺一不可、且相辅相成。先进算法可对已有大数据深度挖掘并分析数据间的隐含关系。

这个历程不仅直接助力新药发明，还整合了大量已有数据库，同时促进新数据的产生和积累，更好地优化算法。优化的算法反过来也能降低模子对数据量的依赖，提高模子的范化性。

腾讯的算力支持则加速了数据库存储查找、算法迭代速率，并大大缩短使用模子的运算时间。

云深智药平台除了在算法领域不停创新，还提供算力和数据库的一体化服务支持。

数据方面，分子大数据是药物研发中的基础设施。

现有的药物分子公然数据集，以PubChem和ChEMBL等为代表，其来源多样。但也由于数据来源于差别机构的差别实验情况，存在数据难以对齐，字段缺失较多，总体质量不佳的问题，从而难以直接用于开发预测模子。

云深智药平台使用的分子大数据，基于现有公然数据集，举行了多个环节的精细洗濯整理事情，得到可以用于直接构建深度学习模子的药物分子大数据集，而且已在多个药物研发的项目中得到应用验证，洗濯历程对多个项目的结果均有很大的提升作用。

洗濯事后的、买通多个数据库的大数据集已在陆续上线中。

算力方面，腾讯云为云深智药平台提供计算资源，药企、科研机构登录平台即可开展研究，不需要再自行部署，就能快速地将AI能力引入现有的研发流程中。

平台功效笼罩新药发明全流程

临床前新药发明流程要履历从靶点的发明和验证、苗头化合物的发明、先导化合物的发明和优化直至临床候选化合物简直认及开发。「云深智药」平台笼罩了临床前新药发明的全流程。

新药发明的第一步是靶点辨认和确认，找到药物在体内的作用位点，确定靶点卵白质的结构是其中的要害事情，被视为药物研发的紧张基石。

好比一个卵白参与了某个疾病并成为要害通路上的紧张一环，那么当研究职员相识该卵白的结构后，就可以针对性地设计药物分子来调治卵白的功效。

实验测定卵白质结构每每难度大、周期长、用度高；通过深度学习模子预测出卵白质结构以及功效后，计算机便可以更快地从数亿的海量小分子中，快速而有针对性地找到潜在的苗头化合物。

雷锋网(公众号：雷锋网)相识到，「云深智药」平台接纳的卵白质结构预测要领在准确度上到达国际领先水平，得益于两项要害技能上取得突破。

一是基于自监视学习的卵白质折叠要领，不依赖同源序列，而是直接从序列数据库中通过自监视学习，学得共进化的模式，从而可以或许从无到有地产生出含有共进化信息的伪同源序列，并终极让这些卵白可以或许有用折叠；

二是通过一种基于深度学习的可迭代要领，有用整合模板建模与自由建模，初次提出了动态的、可迭代的氨基酸对特异性的束缚条件，显著提高了建模的精度，从而更好的折叠卵白。

针对靶点筛选苗头化合物是新药发明的第二步。与传统的实验筛选相比，计算要领举行的虚拟筛选无需消耗化合物样品，能极大节省人力物力。

基于配体的药物设计要领（ligand-based drug design，LBDD）是虚拟筛选的常见要领之一，是指从已知的有活性的配体小分子结构出发，学习和建立分子结构与活性之间关系的模子，用来预测新化合物的活性。

由于许多靶点的已测得的化合物活性数据非常有限，严重制约了预测模子的准确性。

AI要领有望解决这一问题：比方「云深智药」平台的虚拟筛选模块初次将元学习和深度神经网络算法用于LBDD使命，通过AI”迁移“从其他靶点上面学习到的知识（如分子局部结构对靶点联合强度的影响），应用在目标靶点上来提高模子预测精度。

目前，该算法在数千个实验数据集上预测精度（预测活性与实验丈量活性的相干性）的中位数从目前最高记载0.36提升到0.42，且筛选可用模子的百分比从56%提升到60%，突破业界尺度。

进入药物研发后期，预测分子的ADMET性子尤为紧张（包括药物的吸收、分配、代谢、排泄和毒性）。据统计，因ADMET性子问题引起的药物后期失败的比例高达60%。

因此，及早发明并排除成药性欠佳的分子可以或许大幅降低后期药物研发失败的风险。基于AI的ADMET性子预测可以或许让药物化学家快速地举行分子结构改造，优化分子理化性子，缩短药物研发的周期，降低实验测试成本。

「云深智药」平台的药物小分子ADMET属性预测模块已在多个数据集上比学术界现有最好模子提高3%~11%；在互助同伴的反馈中，平台的自研算法精度凌驾现有商业软件6%~37%不等。

同时，平台接纳了注意力等机制可视化分子中的子结构对结果的影响，提供模子的可解释性。别的，平台还可提供当地版本等机动的部署情势，保障用户的数据宁静。

雷锋网原创文章，未经授权克制转载。详情见转载须知。