在今年全国两会上，全国人大代表、中国工程院院士张伯礼建议，利用AI技术改造医药传统产业，以智慧制药赋能医药工业高质量发展。他表示，“在AI技术不断渗透到医药产业的过程中，医药工业要抓住这个机遇，利用AI技术从系统布局、科技支撑、转化应用等方面全面促进医药工业的高质量发展。”

近年来，我院王昊教授带领团队在AI与药学融合的前沿科研领域中积极探索运用多学科交叉技术和方法，深入开展先导化合物的发现及新药研发。课题组聚焦抗菌药物研发、抗肺纤维化研究、民族药活性分子发现和mRNA核心序列设计算法开发等重点研究方向，运用AI和计算机辅助药物设计等技术，在多靶点协同药物设计等领域取得丰硕成果。

一、开发基于遗传进化的mRNA序列优化软件：codonOpt

mRNA药物正从技术验证迈向多适应症拓展的关键阶段，其快速响应与生产灵活性为疾病治疗带来新契机。mRNA的序列设计对其稳定性和表达效率至关重要，可靠性和准确性有待提升。codonOPT基于遗传进化算法构建，针对稳定性与表达效率两个目标求解帕累托前沿。实施过程中，通过有效控制种群多样性，利用拥挤度函数与对CAI值的拟合，克服了种群快速坍塌的缺陷，能有效求解mRNA 合理范围的帕累托前沿。经湿实验验证，codonOPT优化的mRNA 序列相较于现有市售产品优势显著，且优于对照算法。

二、开发AI agent平台Drug_Homunculus

为让实验科学家能高效运用CADD与AIDD，专注科学问题，突破技术细节障碍，课题组正开发基于大语言模型的AI agent平台Drug_Homunculus。该平台整合文件自检系统和异常处理系统，解决不同软件的兼容性与交互性难题，降低CADD和AIDD的使用门槛。目前已完成分子对接-分子动力学模拟-结合自由能计算工具流搭建，并在校内开放服务。

三、AIDD加速药物先导筛选

药物研发需从海量分子中筛选苗头化合物，这就要求建立可靠算法模型以加快筛选进程、提高准确性。算法模型研发依赖高质量数据库作为训练集，可当前公用数据库数据标准不一、实验方法各异、质量参差不齐。课题组联合中国医学科学院医药生物技术研究所搭建抗菌药物和先导分子数据库，结合化合物结构与活性数据，构建统一的高质量数据库，并开发AI模型，加速抗菌药物发现。

四、AI加速民族医药和中药现代化研究

课题组与西藏大学王嗣岑教授获得国家自然基金区域创新发展联合基金重点支持项目资助，开展“基于TGF-β通路的防治肝肺纤维化道地藏药筛选与作用机制研究”。基于已知TGF-β信号通路关键靶点抑制剂信息，建立AI模型进行藏药活性分子筛选，结合国产色谱技术，构建分子水平快速筛选模型，通过干湿实验结合开展民族药物抗纤维化研究。

AIDD与CADD在药物设计中作用关键，二者相互促进、配合，合理运用可加速药物研发进程。同时，干湿实验需紧密结合，干实验用于研究设计与预测，湿实验用于验证与优化模型，二者有机融合是药物研发的核心。AIDD和CADD的发展离不开跨学科人才培养，AI辅助药物研发需要既懂药学知识，又精通AI和数学交叉领域的人才。

有学者认为，当前从业人员多应用现有算法，数学建模与算法底层优化能力不足，限制了对复杂生物系统的建模精度，缺乏数学思维也制约算法创新改进。王昊教授认同这个观点，他表示，真正的AI制药需要“懂药的AI人+懂AI的药学人”深度融合，未来需通过跨学科人才培养和产学研协作机制弥补短板。

来源｜新华网  王昊教授团队

审核｜董真祎  唐丽  秦阿娜