（通讯员：许灏钧 陈炅曦 汪楚琪）9月21日上午，宇耀生物人工智能驱动药物发现（AIDD）团队的曾理博士受邀请来院开展学术交流，相关教师及研究生五十余人参加本次交流。

曾理博士所做报告题目为《AI能否破局小分子药物研发》。他首先介绍了新药研发的基本流程，包括靶标选择、化合物筛选、临床与临床前研究及最终上市的过程。众所周知，传统药物的研发需要多年时间，且成本高昂。据报道，一种药物平均需要14年才能上市，成本约为26亿美元，百分之九十九以上的先导化合物最终以失败告终；Tufts药物开发研究中心1995-2007年的研究还发现，进入临床试验一期的药物最终只有11.83%获得批准出售，2006-2021年进行临床试验的药物只有8.8%获得成功。由于传统药物发现和开发的方法成本高昂且失败率高，因此科学家尝试使用各种计算工具，例如计算机辅助药物设计（computer-aided drug design，CADD）。如基于配体、基于结构和基于系统的理性药物设计，通过使用计算机研究受体和分子之间的相互作用来开发新药物，但即便如此，新药研发依然风险极大。

不过随着近年来深度学习的爆发式发展，给AI领域带来了全新的可能性，使得AI结合新药研发成为非常具有前景的新交叉领域，相对于基于物理规则的CADD，AIDD转变为基于海量数据的推理新范式，在一些特定新药开发管线的场景下取得了非常了不起的成就。比如新的药物靶点预测、疾病相关基因、化合物性质预测以及潜在的药物副作用。更重要的是，生成式AI的发展为新药研发行业注入了新的活力，这一技术极大的拓展了新药探索的化合物空间，大大缩短药物研发的时间周期，在未来讲赋能新药研发企业，降低研发成本，提高药物的成功上市率。

曾博士深入浅出地介绍了AI领域的基础知识，按照新药研发一般流程逐步举例阐述AIDD如何改变新药研究范式，包括：AlphaFold2模型对蛋白结构的预测，其它各类AI生成模型在小分子结构生成上的效果，以及分子表征学习在小分子性质的预测和结构的优化上的应用，并为在座师生答疑解惑。

接下来曾博士以stat3抑制剂YY201管线和超级分子胶YY301管线的研发为例，介绍了其AIDD团队在具体管线上的技术应用，包括基于视觉模态设计的分子表征编码器和自然语言大模型的分子优化模型等。

最后曾博士总结了AIDD目前的行业现状，面临的困难与挑战，以及未来的潜在发展方向等。

邀请AI领域专家来院讲学是加强学科交叉建设，夯实校企教研协同发展基础的重要举措，学院师生通过交流能近距离地了解到跨学科的创新思路和理念建设，对兽医学科发展具有重要的借鉴意义。

（审核：胡长敏）