2023《麻省理工科技评论》中国“十大突破性技术”主题峰会由杭州市委人才办指导，余杭区委人才办、杭州未来科技城（海创园）管委会和《麻省理工科技评论》中国共同主办，峰会将围绕十大突破性技术在中国落地性最强、目前最受关注的领域进行深入解读。邀请来自生命科学、能源气候、人工智能、信息技术、新型材料等领域的学术专家、行业领袖、知名投资人和高校、机构、企业代表齐聚国家四大科技城之一的杭州未来科技城，在20多年的积累和总结基础上，剖析发展历程，共同探讨未来技术发展趋势，并带来兼具专业性和前瞻性的研判。

在这场精彩绝伦的思想交流盛会上，与科技新生代力量一道见证科技发展的日新月异，共同畅想创新蝶变的美好未来。

以下是Galixir 星药科技创始人兼首席执行官李成涛在2023《麻省理工科技评论》中国“十大突破性技术”主题峰会上的精彩致辞，由云现场整理。

       非常高兴和大家分享我们做的事情，包括人工智能在药物研发领域发生的事情。

最近我觉得可能大家感触最深的是新冠疫情，这个冠状病毒的结构还是比较复杂的，是我们现在面临一个非常严重的公共卫生的事件。截止5月10号虽然整个新冠疫情结束，但是今天我们已经有全球7亿人感染过，这还是记录在案的人数。所以这是一个非常不好的事情。而且在社会各个面上都有很大的影响，包括教育和社会其他方面，贫富差距都有很不好的影响。

在我们整个世界面临这样的巨大挑战的时候，其实有一家制药公司开发了一款新的特效药叫PAXLOVID，就是P药，在2020年3月份的时候刚刚开始立项做早期的实验，而到2021年12月份仅仅16个月之后FDA就给它一个紧急的批准，使它能够正式流通在市场说治病救人，极大降低了住院率和死亡率，产生了巨大的经济价值，2022年基本上达到了巅峰的销售，全年销售将近190亿美金，所以这是一个非常可怕的量。

当人类面临这些特别巨大难治的疾病甚至灭顶之灾往往会经过几十年的研究找到解决方案，细菌感染最后找到了青霉素，天花本来是不治之症，现在也有天花疫苗，所以天花在整个世界范围内都已经绝迹了。20世纪的时候还有艾滋病当时只有单药，现在也可以做得更好了。现在除了PAXLOVID之外，在刚刚过去的一个月之内，米莱开发出了一款针对阿兹海默临床三期初期有效的药物，已经在准备上市。这是对整个世界影响是非常大的事情，因为阿兹海默面临的挑战非常大，尤其是老年人方面，失忆等等各种各样的问题。

整个药物研发发展了这么长的时间，实际上一直involve到今天在做的事情是什么，其实我们关注的就是那些和疾病相关的所谓的靶向蛋白。我们实际上人类在生病的时候体内往往是一种或者几种蛋白质自己的功能发生了紊乱，我们要做的事情就是要设计一些小分子或者大分子，这些治疗方案使得吃进去或者注射进去之后可以和蛋白发生反应进行调控。左边这个蛋白就是新冠的靶点，右边是一个开发了非常久的广谱癌症的靶点，每个把点都对应着非常巨大的临床需求，同时也对应着非常巨大的市场潜力。但是之前有很多非常容易做的蛋白已经做完了，现在面临很难做的蛋白是很难做出来的。

我们需要蛋白什么样的知识和性质可以针对蛋白做一些事情，做一些小分子或者大分子的设计，这里面其实就涉及到蛋白在微观时候的一些活动，包括蛋白底层的原子、化学键层面的，包括氨基酸自己折叠后的结构。如果只是微观的动作，比如在10的负15次方、负20次方的反应都在发生。相比于这些化学键位相对宏观的动作是在10的负6次方，也就是微秒、毫秒级发生。这需要很多的算力去模拟，正常来说我们需要解一个薛定谔方程，所以我们一般都用所谓的牛顿力学的模拟。牛顿力学的模拟就对整个模拟时间尺度有了非常高的要求，而这里面其实我们如果只是用一些现在最强算力的GPU去模拟整个蛋白折叠的过程需要数十年到数百天的过程，才有可能通过物理模拟的方式找到蛋白结构。美国也有一个公司开发了超级计算机能把整个模拟的时间缩短100倍左右，所以原本只是几十年到一百天的过程需要一天到几天就可以完成这个过程。这个超级计算机只有美国有，怎么办？AlphaFold用人工智能的方式点击一下模型就可以把氨基酸序列折成这个结构，已经非常接近实验的精度，而且速度非常快，所以在原本传统的GPU的基础上基本上提高了1000倍的速度，相比于超级计算机也是一个10倍的提升。所以这里面给我们一个启示，我们有可能通过算法突破算力，用AI的技术可以做到原本用更大的算力也做不到的事情。

当时alphafold出现的时候，大家都在说50年未被解决的一个问题现在被alphafold解决了。这个东西对生命科学肯定是有非常大的作用，比如说我们现在需要找一些静态的蛋白结构，这一块其实可以直接用alphafold做模拟，实际上在药物研发的过程中，我们更关注的不只是一个蛋白的静态结构，还有一个蛋白的动态结构。这是两个靶点，这两个靶点和人体内生命代谢相关的，就是胆管癌，所以其实整个静态结构非常相似的，基于这些静态结构设计小分子往往可以和他们两个结合，所以现在有的药都是跟所有的FGFR都结合，导致现在有很大的毒性。

科学家们发现用极大的算力做模拟之后可以看到这两个靶点在动态过程中是很不一样的，整个蛋白在动的过程中会产生一些结构上的差异，正好可以让我们做一些小分子的设计。所以国外有一家公司也是一家AI制药公司，也是基于这个东西做了一个非常具有选择性的小分子，这个小分子只跟FGFR2解决，不和FGFR1结合，解决了毒性的问题。现在只有有超级计算机的公司可以做，alphafold同时可以预测静态结构没有办法预测动态结构，我们认为有些新的AI方式是可以解决这个问题的。

我们在新药首创了AI对于动态蛋白模拟的计算，本质上还是算法突破算力的方式，用了一些核心的技术，包括defision model（音），可以用AI方式直接模拟蛋白初始的状态和终止的状态，结果还是非常准确的，而且真的利用动态对结果筛选分子或者判断分子到底有多好，如果用GPU计算仍然需要上百天时间，我们现在只需要两三天时间就可以做到，这还只是一个分子，化合物是无穷无尽的大空间，如果筛选100个分子，上百天乘100，几十年的时间可能都筛选不完，现在通过AI的技术其实是可以解决这个问题的。

所以在这里面讲的不管是蛋白的静态结构预测还是动态的模拟，其实都是AI在药物研发领域的冰山一角。AI在药物研发领域始于2015年，包括用一些图层神经网络做一些属性预测等等，2021年MIT有一组科学家做了一个Cell封面的论文，用三天的时间筛选出来1个对于耐药性细菌非常有作用的抗炎素（音），我们可以看到整个AI在药物研发中逐渐开始深入介入的状态，这里面既有前沿研究，又有临床研究。

最后我觉得可以预期或者是很乐观地预期人工智能在药物研发越来越深入，越来越能帮助整个药物研究的降本增效。传统说花十年以上的时间超过10亿美元的投入才能找到一个药，通过人工智能的加入可以极大地缩短这个时间和成本。通过这种方式我们可以找到更好的药，这里列举了几个例子，狂犬病、尿毒症、渐冻症等等。

最后我觉得其实我们对未来AI制药还是有非常大的期待，最后我想用这段话作为我的结尾。这段话对我们来说也是非常触动的，讲到了在这样一个感染率姐姐攀升，医疗资源挤兑，经济陷入极度挣扎的时候他们把MRA（音）的疫苗做出来，造福了社会，创造了巨大的经济价值和社会价值，我们也可以预期未来有更多的AI进入新药制造中，解决原本解决不了的疾病和临床问题。谢谢大家！