摘要：依托大連人工智能生態(tài)創(chuàng)新中心，為新藥研發(fā)注入創(chuàng)新活力！

近日，大連理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院申彥明教授團(tuán)隊(duì)攜手昇騰AI，正合力打造基于圖神經(jīng)網(wǎng)絡(luò)（Graph Neural Networks, GNN）的分子模擬大模型。該模型可廣泛應(yīng)用于生物分子性質(zhì)預(yù)測(cè)、蛋白質(zhì)-配體對(duì)接預(yù)測(cè)及藥物設(shè)計(jì)等領(lǐng)域，幫助醫(yī)藥領(lǐng)域縮短藥物研發(fā)周期、降低研發(fā)成本，推動(dòng)研發(fā)進(jìn)程。

分子模擬可以深入闡述分子之間的相互作用，通過(guò)與圖神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合，可以充分利用大規(guī)模分子數(shù)據(jù)集和圖神經(jīng)網(wǎng)絡(luò)模型的互補(bǔ)優(yōu)勢(shì)，建立“多尺度建模-圖神經(jīng)網(wǎng)絡(luò)-大模型”的研究范式，在保證預(yù)測(cè)準(zhǔn)確性的同時(shí)，提高計(jì)算效率，是科學(xué)智能的典型應(yīng)用。

大連理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院教授、博士生導(dǎo)師申彥明教授致力于圖神經(jīng)網(wǎng)絡(luò)技術(shù)及其在生物分子領(lǐng)域的相關(guān)研究和產(chǎn)業(yè)應(yīng)用。團(tuán)隊(duì)研發(fā)的圖神經(jīng)網(wǎng)絡(luò)模型在國(guó)際權(quán)威的圖數(shù)據(jù)評(píng)測(cè)數(shù)據(jù)集Open Graph Benchmark (OGB)中的蛋白質(zhì)相互作用數(shù)據(jù)集ppa上排名榜首；在分子化合物數(shù)據(jù)集ZINC上排名第一；并在國(guó)際著名的數(shù)據(jù)科學(xué)競(jìng)賽KDD Cup 2021中，戰(zhàn)勝谷歌DeepMind、百度、螞蟻金服等多支隊(duì)伍，奪得冠軍。

2022年12月，在大連人工智能生態(tài)創(chuàng)新中心的支持下，大連理工大學(xué)申彥明教授團(tuán)隊(duì)將GNN算法遷移至全場(chǎng)景AI框架昇思MindSpore，并基于Atlas 900 AI集群加速訓(xùn)練效率，實(shí)現(xiàn)了對(duì)分子模擬大模型能力的進(jìn)一步提升。該模型利用強(qiáng)表達(dá)能力的圖神經(jīng)網(wǎng)絡(luò)方法建模生物小分子和蛋白質(zhì)大分子，同時(shí)支持不同分子表示形式作為輸入，支持分子模擬多種任務(wù)場(chǎng)景，如分子屬性預(yù)測(cè)、蛋白質(zhì)-分子對(duì)接位點(diǎn)預(yù)測(cè)、分子結(jié)構(gòu)生成等。另外，模型的表達(dá)能力更優(yōu)，對(duì)同構(gòu)性高的分子結(jié)構(gòu)具備更強(qiáng)的區(qū)分能力從而在各個(gè)級(jí)別的下游任務(wù)中取得SOTA性能。

分子模擬大模型的下游任務(wù)和關(guān)鍵技術(shù)

分子模擬大模型的孵化將大幅提升藥物研究的效率與成功率，推動(dòng)藥物研發(fā)進(jìn)程。下一步，大連人工智能生態(tài)創(chuàng)新中心將全力支持大模型落地產(chǎn)業(yè)相關(guān)應(yīng)用：

應(yīng)用一：生物分子性質(zhì)預(yù)測(cè)

生物分子性質(zhì)是藥物研發(fā)過(guò)程中至關(guān)重要的因素，特別是在臨床實(shí)驗(yàn)前的候選藥物篩選階段，需要考慮藥物分子自身天然存在的水溶性、毒性、人體器官可吸收性等性質(zhì)。

傳統(tǒng)的實(shí)驗(yàn)方法通過(guò)生物體內(nèi)實(shí)驗(yàn)對(duì)大規(guī)模分子庫(kù)中數(shù)以萬(wàn)計(jì)的小分子篩選，導(dǎo)致研發(fā)周期長(zhǎng)，生產(chǎn)成本高。分子模擬大模型可以直觀地把分子建模為圖，利用圖神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)分子的化學(xué)結(jié)構(gòu)表征，保證精準(zhǔn)預(yù)測(cè)的同時(shí)，加速藥物發(fā)現(xiàn)進(jìn)程。

小分子基團(tuán)酸堿解離常數(shù)值的預(yù)測(cè)

應(yīng)用二：蛋白質(zhì)-配體對(duì)接預(yù)測(cè)

蛋白質(zhì)往往是通過(guò)與其他生物分子或藥物分子（配體）的相互作用來(lái)執(zhí)行其生物學(xué)功能，對(duì)于藥物研發(fā)而言，了解蛋白質(zhì)-配體對(duì)接關(guān)系是了解小分子藥物作用機(jī)制和潛在副作用的關(guān)鍵一環(huán)。

目前，只有約140種可用的蛋白質(zhì)-配體復(fù)合結(jié)構(gòu)，通過(guò)分子模擬大模型模擬蛋白質(zhì)和配體結(jié)構(gòu)，可以快速、準(zhǔn)確地預(yù)測(cè)對(duì)接位點(diǎn)和對(duì)接方位，發(fā)現(xiàn)更多可用的蛋白質(zhì)-配體復(fù)合結(jié)構(gòu)。

將分子和蛋白質(zhì)結(jié)構(gòu)同時(shí)建模為圖，更細(xì)粒度的可結(jié)合位點(diǎn)的預(yù)測(cè)

應(yīng)用三：輔助藥物設(shè)計(jì)

分子設(shè)計(jì)是藥物發(fā)現(xiàn)過(guò)程中的關(guān)鍵，平均一款新藥從研發(fā)到上市需要花費(fèi)數(shù)億資金。

相比于傳統(tǒng)方法通過(guò)化學(xué)實(shí)驗(yàn)來(lái)篩選和驗(yàn)證藥物分子，分子模擬大模型可以一種經(jīng)濟(jì)快捷的方式探索化學(xué)空間，得到具有特定性質(zhì)的藥物分子，從而加速藥物設(shè)計(jì)過(guò)程、降低成本。

結(jié)合圖神經(jīng)網(wǎng)絡(luò)和生成模型得到具有特定性質(zhì)的藥物分子

未來(lái)，大連人工智能生態(tài)創(chuàng)新中心將以澎湃算力和平臺(tái)優(yōu)勢(shì)，支持大連理工大學(xué)分子模擬大模型的研發(fā)和產(chǎn)業(yè)落地，推動(dòng)人工智能技術(shù)加速藥物研發(fā)，為繁榮昇騰AI產(chǎn)業(yè)生態(tài)貢獻(xiàn)力量！