作者 ：井蛙語海
中山大學 | 國家超算廣州中心 博士研究生
每當新事物興起的時候，總是會有保守的論調試圖抑制它的萌芽。
前兩天看到一篇題爲“AI設計藥物，泡沫還是未來？”的評述，作者認爲英國初創公司Exscientia發表的DSP-1181化合物僅僅是Haloperidol的類似物，Insilico Medicine通過AI算法找到的DDR1激酶的抑制劑骨架也沒有逃出已知抑制劑的範疇。綜上，作者認爲用現有的Ligand-based AI方法難以獲得全新骨架的化合物，並希望讀者別被新技術所“迷惑”。
作爲一個AI製藥的科研從業者，筆者贊同上述兩個公司的化合物創新性不夠突出的看法，但卻很難認同作者作爲一個專業科研人員在未深入瞭解這個領域的情況下去打擊人們對AI藥物設計的興趣。對於一個新生的、有潛力的工具，作爲科研者不應該抱有好奇與實驗的心態去嘗試和驗證嗎？如果傳統先導化合物發現和優化的成功率和速度令人滿意，爲何研究者還要開發各種輔助工具，講各種加速優化的故事呢？
筆者試圖轉述 “Another AI-Generated Drug?”[1]的討論中另一位化學家Cameron Pye的觀點。
雖然我同意關於人工智能在藥物研發領域”有些誇大的說法，但這並不意味着AI在這方面沒有真正的實際收穫。僅僅因爲這個化合物（DSP-1181）可能沒有那麼出色，並不意味着發現它就是容易(就像化學家經常指出的那些Salty med，其實也沒有那麼容易被想到)。因此，即使這是incremental的進步，AI所帶來的效率提高，即使是針對已知靶標發現有潛力的衍生物，也應該受到歡迎和鼓勵而不是刻薄的批判……這不是魔法，這只是工具箱裏的另一個工具。
此外，對於Insilico medicine發現的DDR1化合物，其通訊作者Alán Aspuru-Guzik教授其實也迴應過類似的觀點：“我們的目標是證明一種新穎的生成方法的有效性，而不是要證明我們發現了新的藥物”[2]。
如果縱觀這兩年全球AI製藥的科研和商業趨勢，不難發現相關從業者已經越來越嚴謹，越來越務實地去使用AI這個“工具”，真正地運用到藥物發現的實踐中去。
在領域頂尖的雜誌比如Nat. Commun.和J. Med. Chem.及中，AI相關的評述和文章頻頻出現，其中不乏Big Pharm的身影[3][4]。
如果願意去看看招聘信息，不難發現諾華、阿斯利康、羅氏、輝瑞等大藥廠也在全球爭搶AI人才，如果你想從生物化學跳到互聯網行業，你會發現Google、Facebook、Amazon、騰訊、阿里這些大廠也都有AI藥物/蛋白相關的研究小組（當然前提是你要能寫點兒代碼，懂點兒AI）。這些情況都說明了AI製藥仍大有可爲。
世界的AI藥物設計到底是泡沫還是未來筆者也看不清楚，但中國的AI製藥還遠遠談不上泡沫。全世界超過300家AI製藥創業公司，國內叫得上名號的不超過10家；作爲AI綜合實力世界排名前三，把人工智能和創新藥物研發列入國之重策的中國，如此小的產業體量何談泡沫呢？
最後，筆者想表達的觀點是，你不做我不做，這一定是泡沫；我們都來做了，這就有可能變成未來。而包括筆者在內的國內AI製藥er，目前還未能徹底打響這一炮的主要障礙之一，正是來自於傳統生物/製藥圈的不信任，不支持，不鼓勵。我們理解AI+製藥會遇到的各種壁壘，也充分尊重製藥圈的專業學識和經驗，但好東西的誕生都需要時間來打磨。望藥物設計界的前輩和同僚不要喪失對新工具的興趣與探索，也望正在從事AI藥物設計的同行們再接再厲，早日做出真正值得爲之歡呼的優秀成果。
AI正在努力理解制藥的困境，希望製藥也能對AI多一些包容和好奇。
參考資料
[1]“Another AI-Generated Drug?”
https://blogs.sciencemag.org/pipeline/archives/2020/01/31/another-ai-generated-drug
[2]“Reply to ‘Assessing the impact of generative AI on medicinal chemistry’“”
https://www.nature.com/articles/s41587-020-0417-3’
[3]Rohall, Steven L., et al. "An Artificial Intelligence Approach to Proactively Inspire Drug Discovery with Recommendations." Journal of Medicinal Chemistry (2020).
[4] Méndez-Lucio, Oscar, et al. "De novogeneration of hit-like molecules from gene expression signatures usingartificial intelligence." Nature Communications 11.1 (2020): 1-10.
