清华姚班、MIT计算机博士：入局AI制药风口，为什么要趁早？丨附19个现场问答( 四 )

为什么是这两个数据。首先因为小分子药物本身就属于小分子，所以分子数据非常重要；

本文插图
对于蛋白质而言，因为小分子在体内发生作用机制大多会与特定蛋白质结合，调控蛋白质活性，以达到治疗疾病效果，所以小分子与蛋白质到底能不能结合，结合之后有没有生物活性，都是非常重要的指标。
其中对分子有很多种表达形式，例如一维描述符，或一维SMILES string ，把它变成序列，又或者变成二维数学意义上的图，每个原子作为一个节点，每个化学键变成图中的边。
还有三维方式，小分子在三维环境中会有各种各样torsion ，包括各种各样奇怪结构、构象变化，这也非常重要。
说完小分子，还有蛋白质。
蛋白质一维可以表征成一个氨基酸序列；也可以表示二维contact map ，也就是距离图，代表三维结构中每一个氨基酸距离；再到三维，通过复杂折叠情况实现各种功能。
前一段时间大家关注到Deepmind工作，从整个蛋白质序列信息中直接预测三维结构信息，即用一维信息预测三维信息。
事实上，所有分子表征都可以用不同神经网络做编码，例如直接做全连接神经网络，直接适用于描述符；或者一个定长向量，可以直接预测；还有卷积神经网络适用于矩阵形式，例如蛋白质表征；再比如循环神经网络，做一维的序列信息表征；还有图神经网络，做图结构东西；再比如三维卷积神经网络，编码三维空间信息。
人工智能编码完成之后，就可以完成一些药物研发任务。
首先就是分类与回归，知道一个新分子到底有怎样的性质，例如ADME/T性质，毒性、水溶性、代谢吸收性质。
给AI一个分子，预测出一个值，这个值代表水溶性是多少、毒性是多少，毒性本质上是分类问题，有没有毒性是0或1问题，水溶性是回归问题，一个连续值意思。
另外就是生成与设计，在探索化学空间的时候，人工智能设计新分子不仅仅是去做分类与回归，判断哪些是好的，哪些是不好的。
目前，人类已经探索过的化合物空间大概是1010-1012 ，但成药化合物空间大概是1060 。 60与1010差了1050倍，所以实际我们可以看到，整个药物研发未被探索的化合物空间，又或者成药的化合物分子空间是非常巨大的。
我们可以把它理解为一个巨大的宇宙，而我们探索过的仅仅是小太阳系，甚至是小地球。
在这种情况下，如何去探索系外的东西，无论是星系也好、小分子也好都可以利用人工智能，问题就是如何让人工智能设计比传统人类方法更好的分子。