AI 驱动的药物开发：NVIDIA 如何在生物技术和 TechBio 之间建立平衡 - GeneOnline 新闻

AI 驱动的药物开发：NVIDIA 如何在生物技术和 TechBio 之间建立平衡

BPIPO、NVIDIA、DCB 和 TITA 主办了一场研讨会，主题是人工智能驱动的药物开发和精准医疗，以及缩小生物技术和技术生物之间的差距。图片：基因在线。时间

生物技术和医药产业促进办公室 (BPIPO)、生物技术发展中心 (DCB)、英伟达，与台湾工业技术协会（TITA）合作举办“药物开发和精准医疗的生成人工智能研讨会”。该活动于 12 月 19 日在台北生物创新园区举行，由 GeneOnline 协办，吸引了超过 1,000 名现场和在线注册。此次研讨会汇聚了来自生物技术、科技、医疗和学术界的300多名嘉宾以及机构投资者参加。

主办方举办了多场来自 NVIDIA 专家、资深研究人员和行业精英的演讲，共计 16 位演讲者。他们探索了生成式人工智能（gen-AI）在生物科技和制药行业的突破，揭示了人工智能在新药发现和精准医疗方面的巨大可能性，为台湾生物科技创新提供动力。作为本次研讨会的协办方之一，GeneOnline很高兴提供以下第一手报道，总结本次活动的亮点，让读者领略gen-AI的惊人潜力。

相关文章：NVIDIA：火箭燃料推动 BIODND 打造生物技术领域最先进的集成数据平台一个 

专家寄望台湾生物医药产业加速AI化

TITA会长兼DCB董事长杜施杰博士在开幕致辞中提到，台湾在AI产业化方面已是全球领先，但在“产业AI化”方面仍需提升，与软件开发全球排名第26位，落后于韩国（第六位）和新加坡（第三位）等亚太邻国。他表示渴望见证人工智能在生物技术和制药领域的变革，进一步将人工智能与药物发现行业结合，降低成本、提高效率。

NVIDIA 技术总监（亚太南部）Ettikan Kandasamy Karuppiah 博士强调，AI 技术在医疗保健和制药应用的三个关键领域具有巨大潜力：数字医学（例如图像分析和机器人手术）、优化医患互动和数字生物学，实现更准确、更高效的医疗解决方案，减轻护理负担并加速药物发现。他补充说，NVIDIA 将继续致力于这些前沿领域，引领生物制药行业的革命，造福世界各地的患者。

BPIPO 处长兼 DCB 副院长 Michael Huang 博士拉开了研讨会的序幕，他表示相信 AI 可以为台湾生物科技领域带来革命性突破，并且 NVIDIA 有能力引领行业的 AI 转型。他还表示，德行将围绕三个关键方面继续与科技企业合作。首先是促进国际合作，旨在将台湾打造成全球科技和生物制药公司进行概念验证项目的理想场所，甚至吸引他们在台湾进行首次公开​​募股。二是加强对初创企业的支持，在 NVIDIA 启动计划的支持下加速它们的成长。第三，德威致力于通过台湾各大学的人才培养计划来促进技术传承。

BPIPO主任、北京德行副行长黄明升博士（左）；TITA 主席兼 DCB 董事长杜施杰博士（右）。（图片来源：基因在线）

跨领域整合：NVIDIA 利用 AI 推进药物研发和精准医疗

研讨会第一场探讨了人工智能药物开发行业的趋势。DCB产业发展部部长刘韦伯指出，过去几年，全球人工智能药物开发企业和投资者的数量快速增长，形成了一个充满活力的生态系统。 

在合作和并购方面，刘提到，大型制药公司与人工智能科技公司之间的合作数量逐年增加，“Techbio”和“Biotech”之间的跨领域整合和并购显得特别引人注目。他还列举了一些海外企业的成功案例来说明，很多并购交易都是结合双方优势，利用彼此独特资产产生协同效应。

NVIDIA 医疗保健和生命科学解决方案架构师 Inca Chen 博士表示，药物发现行业已经到达了一个关键的转折点。人工智能的突破现在使研究人员能够快速解决蛋白质结构难题，处理大量基因测序数据，并筛选数千种化合物，以确定最有希望进行进一步测试的化合物。她强调了大语言模型（LLM）的生物学应用，指出DNA、RNA和蛋白质等生物大分子具有特定的序列。LLM 可以处理和解码这些序列，类似于 ChatGPT 分析人类语言的方式。

陈博士展示了 NVIDIA 的 AI 工具如何推动突破的成功案例。例如，安进利用 NVIDIA 的计算能力构建了用于抗体序列设计和分子筛选的 gen-AI 模型，加快了新抗体药物的开发。受体AI一家总部位于英国的公司将 NVIDIA BioNeMo 云 API 与其端到端计算机辅助药物发现 (CADD) 平台集成。这种集成加速了虚拟药物筛选、ADMET 评估和蛋白质配体对接预测，改善了药物发现结果并降低了成本。

在基因治疗和精准医学方面，陈博士讨论了 NVIDIA GPU 和 BioNeMo 框架如何帮助 Dyno Therapeutics 训练其蛋白质语言模型。该模型改进了腺相关病毒（AAV）的衣壳蛋白，增强了基因向特定细胞的传递。此外，斯坦福大学医学院的团队使用 NVIDIA GPU 驱动的解决方案来加速基因组学。他们对一名患者的基因组进行了测序约五个小时，创下吉尼斯世界纪录。这一成就凸显了人工智能如何推动精准医学和基因组学的发展。

左起：北京德威产业发展部部长刘韦伯；Inca Chen 博士，NVIDIA 医疗保健与生命科学解决方案架构师；张哲伟博士，北京德威智能医疗部副组长；以及 NVIDIA 高级开发者关系经理 William Wong 博士。（图片来源：基因在线）

利用 Gen-AI 优化药物靶点探索

活动的第二部分重点关注“人工智能驱动的药物发现和靶点分析”。DCB智能医疗事业部副主任张哲伟博士重申了药物研发行业面临的三大困境：成本高、周期长（往往需要10年以上）、成功率低（80多个）％失败率）。克服这些挑战的关键在于通过大数据和人工智能的应用，实现技术与生命科学的跨领域融合。

张博士回忆说，早在2002年，一些科学家就已经提出，人类基因组中大约10-15%的基因是可药物化的（即适合用作新型小分子药物的靶点）。近年来，“成药性”的定义已扩大到包括蛋白质和抗体等新药，甚至包括蛋白水解靶向嵌合体 (PROTAC)、分子胶和外泌体等新型药物。

通过人工智能工具和机器学习，研究人员可以结合基因组学、蛋白质组学和药物反应等生物数据，快速预测潜在靶点并设计新的配体，以及发现新的可成药靶点，从而加快药物发现和候选药物筛选的过程。

使用 Gen-AI 和因果 AI 方法加强药物靶点发现和多靶点癌症治疗开发

Vizuro联合创始人兼首席执行官魏玉峰博士介绍了Causal AI的概念及其生物医学应用。因果人工智能识别和解释数据中的因果关系，通过因果推断分析一个变量对另一个变量的实际影响，同时考虑潜在的干扰因素。“因果人工智能仍然是生物制药领域的蓝海。”魏说，并补充说，任何能够创造高效解决方案的公司都可以产生巨大的价值。

魏博士还讨论了Causal AI在药物开发和精准医疗中的潜在应用，包括疾病靶点和生化通路的精确搜索、药物重新定位（现有药物的新适应症）、药物设计优化以及临床人群生物标志物的识别。以癌症治疗为例，生成式因果人工智能有助于设计能够同时处理多个目标基因的新药物，通过“合成致死性”（通过抑制两个非致死基因来触发细胞死亡）摧毁癌细胞，同时最大限度地减少对正常细胞的损害同时地）。此外，Causal AI 还有助于设计针对新抗原的抗体，促进癌症疫苗的开发。在精准医学中，因果人工智能适用于生物标志物驱动的靶向治疗，以及癌症的个性化早期检测和预防。

Atgenomix生物信息学科学家Charles Chaung博士从多组学角度探讨了人工智能应用为靶点探索和药物发现带来的新机遇。他首先解决了多组学技术成熟之前精准医学的挑战。以胃癌为例，他强调，尽管众所周知，弥漫型患者的预后较差，但对其病因和治疗效果的了解仍然有限。幸运的是，随着基因测序技术的进步，研究人员现在可以根据基因组数据将胃癌分为四种分子亚型，使医生能够根据潜在的突变找到合适的药物。

Chaung博士解释说，多组学分析可以让研究人员更好地了解各种疾病的本质，从而激发药物的发现和开发。例如，Atgenomix 利用 NVIDIA GPU 和生成式 AI 来加速多组学数据的分析。该公司采用全球基因组学与健康联盟（GA4GH）的标准，构建了“Atgenomix SeqsLab”平台来快速分析和管理大量生物医学数据。和NVIDIA Parabricks，SeqsLab 将全基因组测序 (WGS) 所需的时间从 5 小时减少到仅需 10 分钟。此外，与NVIDIA RAPIDS是一个由 GPU 加速的数据科学和人工智能库组成的开源套件，该平台可以在 10 分钟内完成 RNA 测序，而不是超过 2 个小时，从而降低成本并提高准确性。

此外，与NVIDIA NIM 微服务和浪链技术，该平台可以通过检索增强生成（RAG）来避免生成人工智能幻觉。综上所述，生成人工智能、临床知识和多组学分析的全面融合，连接复杂的多组学和经验数据，为医生提供更加定制化的治疗策略。

人工智能驱动的药物设计优化和验证的开发

第三个环节深入讨论了人工智能驱动的药物设计优化的发展。北京德威智能医学部主任柯一宇博士总结了过去二十年的药物研发经验，分享了人工智能在药物发现中的演变和应用。他解释说，借助生成式人工智能，可以快速处理定量的结构-活性关系（定量SAR）的药物分子，并在 20 分钟内完成对数十万种化合物的虚拟筛选，导出最有希望的候选化合物进行实验验证。这些创新实现了具有成本效益的开发过程，否则需要十年才能在一到两年内完成。 

柯博士还重点介绍了人工智能在小分子和抗体药物设计中的应用，包括人工智能辅助药代动力学分析和分子动力学模拟，以在药物设计阶段预测分子的活性和毒性。随着人工智能和大数据的日益成熟，训练新模型所需的数据量将进一步减少，人工智能的应用范围将从小分子和抗体扩展到核酸药物。

Graphen Drugomics（台湾分公司）AI平台总监Tim Chen重点介绍了多模态AI在药物发现和开发中的突破性应用。他指出，多模态人工智能可以结合蛋白质结构、化学分子和医学影像数据，在统一框架下完成药物筛选、设计和优化。研究人员无需生成大量结构然后对其进行筛选，而是可以根据可成药靶标设计和生成符合候选药物资格的化合物，从而催生新一代药物制造工艺。

此外，专家们还分享了基于 Gen-AI 的药物设计的成功案例。VIRTUALMAN Inc. 联合创始人兼首席技术官 Hsin Liu 强调了人工智能如何通过生成候选化合物和预测合成途径来优化药物合成，将设计到实验室测试的时间缩短至两周并提高成功率。AnHorn Medicines 首席科学官陈树仁博士讨论了人工智能在设计蛋白质降解剂中的应用。通过利用生成式人工智能和NVIDIA 的 BioNeMo 平台，AnHorn 生成了包含 1000 万种化合物的库，可快速筛选和评估潜在的候选药物。这种方法将开发时间从 4.5 年缩短至仅 14 个月，成本降低了 560 倍。

台湾AI药物研发仍有巨大进步潜力

NVIDIA 的启动计划推动 AI 制药初创公司的发展

研讨会的另一个亮点是 NVIDIA 台湾初创企业与风险投资合作伙伴主管李胜达博士介绍了NVIDIA 启动计划。参与的初创公司可以获得 NVIDIA 的硬件和软件折扣、教育和培训计划以及硬件和软件集成的性能增强服务。对于处于筹款阶段的公司，NVIDIA 还提供融资、产品营销、参加国际展会等方面的帮助。

截至 2024 年 9 月，已有超过 23,000 家初创公司加入 Inception 计划，与 1,000 多家风险合作伙伴建立联系。参加本次研讨会的 AnHorn Medicines 和 VIRTUALMAN 等人工智能制药初创公司也加入了该计划。

DCB与Vizuro联手打造AI药物开发平台

活动结束后，DCB与Vizuro LLC立即举行了谅解备忘录签字仪式。双方将合作建立新一代人工智能平台，推动药物发现突破，推进精准医疗。该协议概述了跨九个关键领域的合作伙伴关系，包括小分子药物、抗体药物偶联物（ADC）、双特异性抗体、核酸药物和癌症疫苗。通过利用 DCB 的湿实验室设施和化合物库，以及 Vizuro 的因果人工智能技术平台，两家公司旨在加快新药发现并重新利用现有药物。他们的目标是在 18 个月内将至少一种人工智能设计的候选药物进入临床阶段。

研讨会强调了人工智能在药物发现方面的多样化应用和巨大潜力，从生成式人工智能、因果人工智能到多模式人工智能。它展示了正在重塑传统药物发现流程并克服行业高成本、长时间表和低成功率挑战的创新工具和技术平台。在 BPIPO、DCB 和 TITA 的共同努力下，加上 NVIDIA 先进的 AI 硬件和软件包，生成式 AI 必将成为新药研发和精准健康的关键驱动力。此次合作将造福公众和患者，同时也帮助台湾生物制药产业迈入跨领域整合的新时代。

©www.geneonline.com 保留所有权利。与我们合作：[电子邮件受保护]