微軟研究院團隊獲得首屆AI藥物研發(fā)算法大賽總冠軍

本文作者：任平

2023-09-12 20:07

導(dǎo)語：首屆 AI 藥物研發(fā)算法大賽，由清華大學(xué)藥學(xué)院、百度飛槳、百度智能云、臨港實驗室聯(lián)袂主辦，這釋放了怎樣的信號？

AI 藥物研發(fā)是人工智能未來應(yīng)用的重要方向之一。

自新冠病毒（SARS-CoV-2）首次爆發(fā)以來，新冠病毒的小分子藥物研發(fā)備受關(guān)注，于近期舉行的首屆 AI 藥物研發(fā)算法大賽便聚焦于此。

在比賽中，來自微軟研究院科學(xué)智能中心的團隊，憑借創(chuàng)新的 AI 模型系統(tǒng) AI2BMD 和 ViSNet 取得了絕佳的成績，斬獲桂冠。

近日，由清華大學(xué)藥學(xué)院、百度飛槳、百度智能云和臨港實驗室聯(lián)袂主辦的首屆 AI 藥物研發(fā)算法大賽公布了比賽結(jié)果，來自微軟研究院科學(xué)智能中心的團隊，利用研發(fā)的量子精度動力學(xué)模擬系統(tǒng) AI2BMD 和通用分子三維結(jié)構(gòu)網(wǎng)絡(luò) ViSNet 在初賽、復(fù)賽、決賽中均位列第一，并獲得大賽的總冠軍，展現(xiàn)了 AI 在促進藥物研發(fā)方面的應(yīng)用潛力。

微軟研究院團隊獲得首屆AI藥物研發(fā)算法大賽總冠軍

微軟研究院科學(xué)智能中心團隊獲得首屆 AI 藥物研發(fā)算法大賽冠軍

本次大賽由中國藥學(xué)會等機構(gòu)支持，共有來自全球的878支團隊參賽。作為一場全球性的技術(shù)創(chuàng)新活動，此次大賽聚焦于新冠病毒（SARS-CoV-2）小分子藥物研發(fā)。

事實上，自新冠病毒首次爆發(fā)以來，新冠病毒的小分子藥物研發(fā)就備受關(guān)注。

若要抵抗新冠病毒肆虐，深入了解病毒復(fù)制與感染機制至關(guān)重要。其中，新冠病毒主蛋白酶（Mpro）作為關(guān)鍵酶，負責感染過程中剪切病毒產(chǎn)生的蛋白質(zhì)前體，促進病毒復(fù)制，所以主蛋白酶是一個潛在的治療靶點，抑制其活性可有效干擾病毒的復(fù)制過程，為治療方法提供突破口。

因此，本次比賽的初賽階段，參賽者需要使用深度學(xué)習、分子對接等方法進行建模，預(yù)測小分子抑制主蛋白酶活性的概率，復(fù)賽則重點關(guān)注小分子在 Caco 細胞上抑制新冠病毒復(fù)制的概率。

在初賽對新冠病毒主蛋白酶的藥物預(yù)測中，面對常用分子對接軟件無法有效區(qū)分正負樣本與靶點蛋白結(jié)合自由能的問題，微軟研究院科學(xué)智能中心團隊利用了最新開發(fā)的 AI2BMD 模擬系統(tǒng)，將藥物預(yù)測精度顯著提升。

AI2BMD 模擬系統(tǒng)實現(xiàn)了對超10000原子的各種蛋白質(zhì)能能量和力的精確計算，并具有廣泛的適用性。相較于密度泛函理論（DFT），AI2BMD 模擬系統(tǒng)的計算時間縮短了數(shù)個數(shù)量級。

憑借幾百納秒的動力學(xué)模擬，AI2BMD 展現(xiàn)了在探索蛋白質(zhì)構(gòu)象空間、預(yù)測核磁共振實驗數(shù)據(jù)以及模擬蛋白質(zhì)折疊過程等方面的卓越能力。與傳統(tǒng)分子對接、經(jīng)典動力學(xué)模擬方法相比，AI2BMD 系統(tǒng)在計算結(jié)合自由能方面也有明顯優(yōu)勢。

AI2BMD 模擬系統(tǒng)論文鏈接：https://www.biorxiv.org/content/10.1101/2023.07.12.548519v1

復(fù)賽中，團隊運用自主開發(fā)的分子建模幾何深度學(xué)習模型 ViSNet 化合物分子進行了表征學(xué)習。ViSNet 是 AI2BMD 模擬系統(tǒng)中的機器學(xué)習勢能函數(shù)。

作為一種等變的幾何增強圖神經(jīng)網(wǎng)絡(luò)，ViSNet 能在線性計算的復(fù)雜度下提取幾何特征（距離、角度、二面角等）。在多個分子動力學(xué)基準（包括 MD17、rMD17 和 MD22）上，ViSNet 表現(xiàn)均優(yōu)于其他先進方法，同時也在 QM9 和 Molecule3D 數(shù)據(jù)集上實現(xiàn)了卓越的量子化學(xué)性質(zhì)預(yù)測。

團隊在復(fù)賽階段，還利用自主研發(fā)的首個蛋白大分子全構(gòu)象空間數(shù)據(jù)集 AIMD-Chig 和小分子公開數(shù)據(jù)集 OGB 分別對蛋白和小分子的三維結(jié)構(gòu)表征進行了預(yù)訓(xùn)練，然后通過多任務(wù)學(xué)習對模型進行微調(diào)。

該方法不僅取得了最佳的預(yù)測精度，而且以大比分領(lǐng)先比賽的第二名團隊。在最終的決賽答辯中，微軟研究院科學(xué)智能中心團隊的新冠藥物預(yù)測算法方案取得了總分99.60分的絕佳成績，相較比賽亞軍90.76分、季軍85.31分的最終成績具有顯著優(yōu)勢。

微軟研究院團隊獲得首屆AI藥物研發(fā)算法大賽總冠軍微軟研究院科學(xué)智能中心團隊提出的新冠藥物預(yù)測算法方案