“未來的藥物研發(fā)肯定需要AI的參與”，2016年還在廈門大學(xué)讀博士的陳星強(qiáng)聽從導(dǎo)師的建議，朝著“AI＋醫(yī)療”的方向做了一些早期創(chuàng)業(yè)的嘗試。

陳星強(qiáng)從理論物理學(xué)到生物物理的前沿交叉，專注于計(jì)算機(jī)輔助藥物設(shè)計(jì)和AI技術(shù)研發(fā)，求學(xué)期間的研究也一直圍繞著蛋白質(zhì)與小分子之間相互以及蛋白質(zhì)和小分子的化學(xué)反應(yīng)過程的計(jì)算模擬展開，工作期間主要投入在AI技術(shù)的應(yīng)用和產(chǎn)品落地上。

早在2013年，陳星強(qiáng)便已埋下從事藥物研發(fā)事業(yè)的種子，并默默努力著。他告訴動(dòng)脈網(wǎng)，他一直在等待一個(gè)合適的契機(jī)切入到醫(yī)藥行業(yè)，而這個(gè)機(jī)會(huì)在2016年來了。

“我看到AI的風(fēng)口，就想要進(jìn)入醫(yī)療行業(yè)做事情。”2016年10月，陳星強(qiáng)開始了第一次“AI＋醫(yī)療”領(lǐng)域的創(chuàng)業(yè)嘗試，成立了廈門市廈之醫(yī)生物科技有限公司（簡稱：廈之醫(yī)），從熱門的AI賦能醫(yī)學(xué)影像篩查切入醫(yī)療領(lǐng)域，用AI助力醫(yī)生更加精準(zhǔn)地診斷患者肺部影像。

2020年3月，憑借著在AI應(yīng)用落地上積累的豐富經(jīng)驗(yàn)，陳星強(qiáng)決定回歸自己一直專長且想要從事的領(lǐng)域——計(jì)算機(jī)輔助藥物設(shè)計(jì)，并成立了浙江知圖生物醫(yī)藥科技有限公司（簡稱：知圖生物），致力于應(yīng)用先進(jìn)的機(jī)器學(xué)習(xí)算法，為新藥發(fā)現(xiàn)提供精準(zhǔn)高效的解決方案。

對(duì)于接連兩次創(chuàng)業(yè)，動(dòng)脈網(wǎng)專訪了創(chuàng)始人陳星強(qiáng)，從他的口中試著重現(xiàn)知圖生物的核心競爭力以及窺見AI賦能新藥研發(fā)的未來。

構(gòu)建30億虛擬化合物數(shù)據(jù)庫，預(yù)計(jì)年底完成數(shù)據(jù)清洗重組并擴(kuò)增十倍

＞＞＞＞

問：“您怎樣看待AI在這個(gè)行業(yè)的應(yīng)用情況？”

“首先，我們必須明確AI相對(duì)于傳統(tǒng)的計(jì)算機(jī)軟件區(qū)別和聯(lián)系在哪里。傳統(tǒng)的軟件，更多的是構(gòu)建在圖靈機(jī)上的功能聚合體，希望借助CPU的密集計(jì)算，幫助我們提高日常工作效率。而AI輸出的是一種能力，并非具體功能。如果你仔細(xì)甄別，會(huì)發(fā)現(xiàn)軟件的功能實(shí)現(xiàn)是確定的，而AI的‘能力’是變化且發(fā)展的；軟件功能的應(yīng)用是對(duì)應(yīng)到具體的工作流程當(dāng)中，而能力是解決一類問題的核心特質(zhì)，要求更高。AI的能力需要達(dá)到人類專家的水準(zhǔn)，才能進(jìn)入生產(chǎn)環(huán)節(jié)進(jìn)行商業(yè)化設(shè)計(jì)，這對(duì)計(jì)算機(jī)來說是一種新的要求，不僅僅是實(shí)現(xiàn)一些功能的聚合體。

同時(shí)，當(dāng)我們看到AI和傳統(tǒng)軟件的區(qū)別之處，我們也需要看到它們的關(guān)聯(lián)之處，任何軟件也好，AI系統(tǒng)也好，脫離不了解決問題的場景，在一個(gè)場景中，單獨(dú)有功能是不夠的，單獨(dú)有能力也是不夠的，我們既要功能也要能力，這就是當(dāng)前AI從業(yè)者和軟件開發(fā)者面臨的共同問題，如何定義好各自的職能屬性，并且發(fā)揮出整合的優(yōu)勢。

醫(yī)藥行業(yè)的AI輸出的這種能力，必須要達(dá)到專家的水平，必須經(jīng)受來自CFDA、FDA等醫(yī)療機(jī)構(gòu)從業(yè)者和專家檢驗(yàn)和認(rèn)可，這樣才能做到臨床應(yīng)用級(jí)別的AI。在這一切的背后，AI需要構(gòu)建自己對(duì)行業(yè)問題的模型，這需要足夠的數(shù)據(jù)支持和對(duì)行業(yè)的深度認(rèn)知。

數(shù)據(jù)始終是AI驅(qū)動(dòng)的第一步，這個(gè)問題無法回避。面對(duì)真實(shí)世界的零零總總的問題，大量可以參考和標(biāo)定的數(shù)據(jù)在產(chǎn)生著，也在消逝著。

如果重新提大數(shù)據(jù)的概念，我認(rèn)為需要做到兩方面：一方面，是我們所能獲取的有相當(dāng)價(jià)值的數(shù)據(jù)都是有成本的，隨著計(jì)算機(jī)技術(shù)和行業(yè)的深入發(fā)展，云計(jì)算和大數(shù)據(jù)開發(fā)工具成本這逐漸降低，大數(shù)據(jù)成為企業(yè)重新考慮出路和發(fā)展的一個(gè)選項(xiàng)；另一方面，人們對(duì)數(shù)據(jù)產(chǎn)生價(jià)值這件事的認(rèn)可和數(shù)據(jù)分析能力邊界的認(rèn)知也在不斷更新。

在這個(gè)角度下看，大數(shù)據(jù)或許才剛開始，因?yàn)闆]有AI這個(gè)工具的升級(jí)換代，挖掘大數(shù)據(jù)和應(yīng)用大數(shù)據(jù)不過是紙上談兵。所以，合理的應(yīng)用和生產(chǎn)以及存儲(chǔ)大數(shù)據(jù)是每一家致力于數(shù)據(jù)驅(qū)動(dòng)的公司所必須考慮和實(shí)踐的任務(wù)，AI行業(yè)的公司尤甚。我們不可能離開行業(yè)去探尋數(shù)據(jù)，更不可能離開行業(yè)數(shù)據(jù)去找行業(yè)解決方案，也不可能憑空創(chuàng)造出有價(jià)值的工具�！�

＞＞＞＞

問：“您能具體談?wù)勚獔D生物在醫(yī)藥研發(fā)行業(yè)數(shù)據(jù)方面是如何應(yīng)用和生產(chǎn)以及存儲(chǔ)的嗎？”

“知圖生物在數(shù)據(jù)這一點(diǎn)上，具有兩個(gè)核心戰(zhàn)略支撐點(diǎn)，一個(gè)要靠走出去，一個(gè)要靠自力更生。

走出去，是說 我們公司的數(shù)據(jù)構(gòu)建過程不能脫離行業(yè)痛點(diǎn)，脫離行業(yè)問題，我們必須找準(zhǔn)行業(yè)現(xiàn)存的主要矛盾，通過認(rèn)識(shí)這些矛盾的存在，確立我們需要收集和存儲(chǔ)的數(shù)據(jù)；自力更生，一方面是說我們要靠自己，但也不全是這個(gè)主觀感情層面上的努力，而是我們需要通過AI技術(shù)，來生產(chǎn)和優(yōu)化數(shù)據(jù)。

基于以上兩點(diǎn)的思路，我們清楚地看到，在制藥行業(yè)，靶點(diǎn)和先導(dǎo)化合物的關(guān)系確認(rèn)是一件非常值得嘗試和需要深入解決的難題。我們作為AI行業(yè)的從業(yè)者，首先是要優(yōu)化掉舊有的流程，提高解決問題的效率，突出創(chuàng)新和變革�！�

＞＞＞＞

問：“長遠(yuǎn)看來，您公司希望自己能夠怎樣去應(yīng)用醫(yī)藥行業(yè)的大數(shù)據(jù)？”

“知圖生物希望結(jié)合當(dāng)下研究產(chǎn)生的各類組學(xué)數(shù)據(jù)，包含基因組學(xué)、表觀遺傳組、轉(zhuǎn)錄組學(xué)、蛋白組學(xué)、細(xì)胞組學(xué)等，分別針對(duì)相應(yīng)疾病提供病理機(jī)制的研究和潛在靶點(diǎn)的發(fā)現(xiàn)，并以靶點(diǎn)為核心的構(gòu)建數(shù)據(jù)采集流程，構(gòu)建相應(yīng)的先導(dǎo)化合物庫，并應(yīng)用深度學(xué)習(xí)算法搜索推薦出合適的候選化合物。

公司長遠(yuǎn)目標(biāo)是將組學(xué)數(shù)據(jù)能夠結(jié)合體外實(shí)驗(yàn)數(shù)據(jù)、臨床階段實(shí)驗(yàn)數(shù)據(jù)進(jìn)行綜合分析和算法應(yīng)用，并對(duì)數(shù)據(jù)進(jìn)行分類，建立相關(guān)靶點(diǎn)的一系列從頭算（ab initio database）數(shù)據(jù)庫，最后將采集到的數(shù)據(jù)集應(yīng)用于機(jī)器學(xué)習(xí)模型，不斷進(jìn)行模型訓(xùn)練和模型優(yōu)化迭代�！�

＞＞＞＞

問：“公司目前的在研核心產(chǎn)品有哪些？”

“目前公司圍繞藥物靶點(diǎn)和先導(dǎo)化合物，構(gòu)建了一款名為MolecularFlow的虛擬篩選平臺(tái)。我們利用的小分子化合物開源數(shù)據(jù)約30億條數(shù)據(jù)，根據(jù)已有的15萬潛在成藥小分子進(jìn)行新化合物的生成學(xué)習(xí)和探索，結(jié)合圖神經(jīng)網(wǎng)絡(luò)（GCN）、強(qiáng)化學(xué)習(xí)（RL）和對(duì)抗學(xué)習(xí)（GAN）去創(chuàng)建新的成藥小分子化合物，預(yù)計(jì)將在今年年底前完成十倍基礎(chǔ)數(shù)據(jù)的擴(kuò)容，進(jìn)一步清洗和整理數(shù)據(jù)，將數(shù)據(jù)庫的有效數(shù)據(jù)擴(kuò)展到300億條，小分子庫擴(kuò)充到更大的化合物空間。”

我們的這款產(chǎn)品在設(shè)計(jì)之初就考慮到藥物研發(fā)中的流程與效率問題，相對(duì)于現(xiàn)有的一些AI輔助藥物設(shè)計(jì)的CRO企業(yè)，我們更多的是基于算法結(jié)合軟件的系統(tǒng)驅(qū)動(dòng)。一些進(jìn)行藥物大規(guī)模篩選的軟件，大多數(shù)藥企只是將其作為一個(gè)獨(dú)立的工具使用，但是知圖生物改進(jìn)了這種傳統(tǒng)的工具使用和研發(fā)流程銜接，用一套算法系統(tǒng)將其全部集成、優(yōu)化、承接下來，最終企業(yè)關(guān)于任何一個(gè)‘藥’的需求，都可以通過我們的這個(gè)系統(tǒng)輸出完成。

這就是AI輸出能力和軟件輸出功能非常明顯的一個(gè)區(qū)別。面對(duì)已有的一些有效靶點(diǎn)，知圖生物會(huì)根據(jù)客戶需求去針對(duì)性地多次篩查數(shù)據(jù)庫，在‘篩選’和‘召回’的多次循環(huán)，逐次降低目標(biāo)化合物的數(shù)量級(jí)，最終獲取更加精準(zhǔn)的目標(biāo)小分子化合物范圍，整個(gè)虛擬篩選的流程我們預(yù)期在3～5天左右即可完成。

＞＞＞＞

問：“在AI賦能新藥研發(fā)的市場里，知圖生物為何選擇此時(shí)進(jìn)場？”

“國家這幾年一直鼓勵(lì)和支持創(chuàng)新藥的研發(fā)，行業(yè)的需求是明確的，加上最近諸多新的利好政策，我們的市場和機(jī)會(huì)始終在那里。藥企往往看中的是CRO公司的技術(shù)實(shí)力，需要CRO公司提供一個(gè)明確的解決方案和可信的結(jié)果。所以，知圖生物只有真正將技術(shù)的價(jià)值做出來給藥企看到，我們才能讓市場認(rèn)識(shí)到AI的價(jià)值和能力�！�

＞＞＞＞

問：“知圖生物目前與哪些科研機(jī)構(gòu)有建立合作關(guān)系，未來會(huì)自己做藥嗎？”

“目前知圖生物正在和廈門大學(xué)實(shí)驗(yàn)室、藥學(xué)院以及深圳先進(jìn)研究院展開合作，公司也正在積極尋求一些新的合作可能。知圖生物的定位是做一家AI賦能新藥發(fā)現(xiàn)的CRO企業(yè)，未來無論從戰(zhàn)略上還是公司發(fā)展上，這一點(diǎn)始終都不會(huì)改變。我們首先要做好CRO公司這一角色，去和好的藥企做好的合作，讓市場充分認(rèn)識(shí)我們的前提下，再沉淀下來考慮去獨(dú)立做原研藥，這樣的發(fā)展路徑會(huì)更加合理穩(wěn)妥�！�

＞＞＞＞

問：“最后能談?wù)勀鷮?duì)公司下一步發(fā)展的一些期待和愿景嗎？”

“知圖生物已經(jīng)有三個(gè)方向的雛形產(chǎn)品，涉及先導(dǎo)化合物庫的擴(kuò)建，虛擬篩選加速，疫苗設(shè)計(jì)等方向。目前正在進(jìn)行首個(gè)產(chǎn)品MolecularFlow的初步驗(yàn)證，具體產(chǎn)品細(xì)節(jié)我們還未公開。從知圖生物成立到現(xiàn)在，剛好三個(gè)月有余，我們完成了首個(gè)項(xiàng)目的30％，預(yù)期在今年10月完成整個(gè)數(shù)據(jù)庫后臺(tái)的搭建工作。公司也開始啟動(dòng)pre－A輪融資，計(jì)劃募集資金1000萬人民幣左右，主要用于數(shù)據(jù)庫擴(kuò)容、驗(yàn)證以及流程優(yōu)化，人才招募等工作�！�

作者：王嬋