8-3 表征学习及其在药物研发上的应用

药物设计中的挑战与解决方案

药物发现过程

药物发现是一个漫长的过程，通常需要10年时间来开发一种药物。这一过程中所需资源巨大，平均成本高达10亿美元。

挑战

1. 人体复杂性：人体是一个复杂的系统，涉及组织网络、细胞间网络以及多层次异质网络等多种生物途径。
2. 数据多样性、复杂性和体积：数据来源多样且复杂，数据量庞大。
3. 生物学实验的开放环路：大多数生物学实验难以闭环，包括扰动、数据采集、细胞准备和生物分析等环节。

解决方案

1. 表示学习：通过表示学习将不同形式的数据转换为向量表示，以便于机器学习模型处理。
2. 目标发现：利用表示学习技术，通过迭代更新算法（参数化为神经网络）获得嵌入表示，结合先验逻辑和学习生成模型。
3. 药物优化：分子性质预测、逆合成分析、分子优化、蛋白质折叠和RNA折叠等方法用于提高药物设计效率。
4. 蛋白质结构预测：AlphaFold2在没有同源序列的情况下，通过无监督学习提高了TM评分81.8%。
5. RNA结构预测：使用Transformer编码器和卷积神经网络结合约束优化算法，实现RNA结构的预测。

实验验证

Biomap公司开发了高通量闭环AI-湿实验室系统，整合了数据采集、细胞准备、生物分析等环节，利用知识图谱和AI引擎进行实验验证。

关键数据

• 药物开发周期：10年
• 平均成本：10亿美元
• TM评分提升：AlphaFold2提升了81.8%

总结

本研报详细介绍了药物设计中的主要挑战及其解决方案，包括表示学习在目标发现、药物优化、蛋白质结构预测和RNA结构预测等方面的应用，并展示了Biomap公司在实验验证方面的进展。