主包生物技术专业的也来凑热闹了
产品负责人在上面现场敲代码的时候我问我旁边的DataTech社长：这家伙在叽里咕噜敲什么呢
社长：没事，你坐小孩那桌，玩你的去吧。（事后解释说他要给我讲懂一天都讲不明白）
不过逛了一下AIx医药健康方向和一点点AI4S方向，发现现在AI在生物医药领域还只是在数据分析和计算方面见长，例如擅长初步诊断患者疾病，解读身体指标，或者虚拟筛选药物上，其他生物医药的方向应用有限。
仅针对虚拟筛选，在我看来真正能成功的药物发现，不是在于AI搭建的好，而是初期立项时选择适合于AI药物设计的药物靶点，例如尚未清楚口袋的酶，或者是传统意义上认为不可成药，但可以利用蛋白蛋白相互作用调控表达水平的转录因子等蛋白。这类靶点缺乏先验信息和deep insight，AI可以更有效的整合现有信息，利用高通量筛选得到的初步信息，甚至借助Alphafold预测蛋白受体结构做初步推测，比人类科学家检索归纳形成认知更快，有利于加速药物研发。一个理想的工作流就是AI专业工程师和有经验的药物学家产生IDEA，然后合成合成化学家反馈活性数据，如此反复迭代。当然要这么干很烧钱，要具有规模经济才能干的走，例如大药企研发部门或者多个超级大课题组合作。
当然，并不是有明确口袋和结构生物学信息的靶点不适合AI，而是这些靶点经历了长久的研究，领域内专家的见解和直觉往往和AI形成激烈竞争，而且突破性药物往往局限于药理学前沿研究，AI很难进通过计算得到领先于人类当前认知的作用机制的药物，投一大笔钱得到的市场收益并不算多。
AI和智能机器人可以替代人类做化学实验，但仅限化工厂内的成熟化学反应和管线，对于创新药的先研探索无能为力。后者一般规模小，不确定性高，部署成本太高而且AI缺乏对物理世界的感知。听说小米雷军正在砸重金布局AI的物理感知这一重大课题，但短期内看不到突破，更别说从初步应用到高度专业化的化学实验操作还要等上很长一段时间了，感觉我50岁之前不用担心这个问题。化学合成是药物发现中不得不评鉴的一环，从小登成长为老登还是要有经验，不然之后不懂化学转做计算侧药物发现会闹很多笑话的……
p1是给上科大争取到名额的DataTech帅社长，p2是豆包应用生成上台做分享的社员。
产品负责人在上面现场敲代码的时候我问我旁边的DataTech社长：这家伙在叽里咕噜敲什么呢
社长：没事，你坐小孩那桌，玩你的去吧。（事后解释说他要给我讲懂一天都讲不明白）
不过逛了一下AIx医药健康方向和一点点AI4S方向，发现现在AI在生物医药领域还只是在数据分析和计算方面见长，例如擅长初步诊断患者疾病，解读身体指标，或者虚拟筛选药物上，其他生物医药的方向应用有限。
仅针对虚拟筛选，在我看来真正能成功的药物发现，不是在于AI搭建的好，而是初期立项时选择适合于AI药物设计的药物靶点，例如尚未清楚口袋的酶，或者是传统意义上认为不可成药，但可以利用蛋白蛋白相互作用调控表达水平的转录因子等蛋白。这类靶点缺乏先验信息和deep insight，AI可以更有效的整合现有信息，利用高通量筛选得到的初步信息，甚至借助Alphafold预测蛋白受体结构做初步推测，比人类科学家检索归纳形成认知更快，有利于加速药物研发。一个理想的工作流就是AI专业工程师和有经验的药物学家产生IDEA，然后合成合成化学家反馈活性数据，如此反复迭代。当然要这么干很烧钱，要具有规模经济才能干的走，例如大药企研发部门或者多个超级大课题组合作。
当然，并不是有明确口袋和结构生物学信息的靶点不适合AI，而是这些靶点经历了长久的研究，领域内专家的见解和直觉往往和AI形成激烈竞争，而且突破性药物往往局限于药理学前沿研究，AI很难进通过计算得到领先于人类当前认知的作用机制的药物，投一大笔钱得到的市场收益并不算多。
AI和智能机器人可以替代人类做化学实验，但仅限化工厂内的成熟化学反应和管线，对于创新药的先研探索无能为力。后者一般规模小，不确定性高，部署成本太高而且AI缺乏对物理世界的感知。听说小米雷军正在砸重金布局AI的物理感知这一重大课题，但短期内看不到突破，更别说从初步应用到高度专业化的化学实验操作还要等上很长一段时间了，感觉我50岁之前不用担心这个问题。化学合成是药物发现中不得不评鉴的一环，从小登成长为老登还是要有经验，不然之后不懂化学转做计算侧药物发现会闹很多笑话的……
p1是给上科大争取到名额的DataTech帅社长，p2是豆包应用生成上台做分享的社员。
