未知君CEO谭验表示，在美国FDA官方披露的数据中，这是中国微生态制药企业首次获美国FDA批准的IND申请，标志着中国制药企业正式开拓出一条国内微生态药物向美国FDA递交审批的完整路径，实现了粪菌移植从治疗形式向药物形态的转化。 

据悉，未知君此次获批的药品，主要适应症为急性移植物抗宿主病（aGvHD），后者是移植物抗宿主病（GvHD）的一大分型。

该病是异基因造血干细胞移植后的常见并发症，是指供者的免疫细胞攻击受赠者的脏器，产生的临床病理综合征。

造血干细胞移植是许多恶性血液系统疾病的有效治疗手段，在治疗过程中为了降低排异反应发生的可能，移植前患者会被抑制或摧毁体内免疫系统，移植后也要继续使用免疫抑制剂，这些措施导致患者免疫功能大幅度降低。

因此，患者在移植前后必须使用大量抗生素来避免感染的发生。但抗生素是一把人体健康的双刃剑，长期、大量的使用，会严重破坏患者的肠道微生态——人类免疫系统的前沿哨兵。

一旦患者发生移植物抗宿主病，目前的治疗手段只有类固醇激素和免疫抑制剂，不仅药物自身有副作用，而且还严重影响新的免疫系统建立。

同时，肠道微生态失调也不利于免疫系统重建，延长了患者处于免疫缺陷状态的时间，使机会性感染、疾病复发或第二肿瘤的发生风险大幅增加。目前，很难制定一个最佳方案在防治移植物抗宿主病的同时，又能促进免疫重建和维护正常免疫功能。 

此次未知君获得临床试验批准的FMT药物，其原理是将患者体内遭破坏的肠道菌群置换成健康菌群，与移植入患者体内的造血干细胞共同成长，在不影响防治移植物抗宿主病的前提下，帮助机体重建免疫系统，让病人在治疗和恢复过程中减少抗生素的使用。

在肠道菌群的参与下，重新建立的免疫系统更加完善、稳定，有望减少疾病复发、缩短病人愈后、延长无进展生存期，给大量患者带来福音。此外，FMT药物还具有副作用低、安全性高等先天优势。

相较于传统制药行业，目前还没有任何一款微生态药品在全球范围内正式批准上市，在中国甚至整个亚洲，微生态制药更是处于起步阶段。

此前，粪菌移植大多以医疗新技术的形式开展，而未知君将这一治疗手段以微生态制药的方式呈现。

未知君方面介绍，粪菌移植治疗此次以药品化的形式“落地”，是公司的一大突破性进展。此类治疗通常操作复杂，并且菌液需要随制随用，不便于保存。

而未知君通过自有技术，将活菌成分以胶囊的形态保存，弥补了传统治疗方式在运输和时效性上的不足，让粪菌移植治疗变得更加可及。

虽然FMT药物拿到美国FDA的IND批件在亚洲尚属首例，但在欧美地区，美国FDA已经批准了一系列类似药物进入临床试验。

基于这个原因，未知君选择先在美国FDA进行审批，一方面可借鉴其意见经验，指导生产研发，一方面也希望能通过此次申报，推动行业在国内的规范和发展。

一家来自深圳的微生态制药企业，“挑战”美国FDA，其申报之路绝非一番风顺。即便美国FDA对FMT药物的审批经验相对丰富，但面对中国药企提交的申报，还是存在保守的一面。很多安全性审查项目和国内的侧重点不同，给研发团队带来很大挑战。

比如，除了常规项目外，针对一些美国流行广泛而在中国鲜有的细菌及寄生虫，美国FDA同样会进行严格的审查。为了满足其严格的审核要求，未知君投入大量时间和资源，终于解决了由于中美大环境的不同，给申报环节带来的种种问题，通过了美国FDA的审查。

此外，FMT药物以活菌作为有效成分，开发流程复杂；未知君在供体筛选、制备工艺等方面，一直以极高的标准和要求，来规范自身的研发和生产。

供体筛选方面，为避免因疫情带来的新冠病毒粪便传播风险，未知君在原本就高于同类企业的筛查标准上，对供体实施了更高规格的健康监测和更多的粪便检测项目。结合国内知名专家的临床意见，研发团队还梳理出一套沿袭并高于美国及欧洲共识标准的供体管理方案，包括问卷初筛、临床检测及固定时间窗口的重筛等。

生产平台搭建方面，微生态制药和传统药企的做法差别较大，FMT药物原材料的特殊性，导致在生产过程中的质量监测和检测十分困难。

未知君经过多次生产流程优化，逐步缩小了批次间的差异，在药物获得美国FDA批件的同时，也迎来一个“彩蛋”——建成了一套在生产流程、工艺、质量标准等方面均获得美国FDA认可的微生态药物生产体系。

近年来，随着生命科学领域新技术的发展，人们发现，肠道菌群与人体的很多功能密不可分，有人甚至称其为人体的“另一个器官”。

粪菌移植治疗，是对严格筛选出的健康人的粪便进行处理，提取粪便样本中的菌群，用灌肠等方式对患者的肠道菌群进行替换。未知君研制的药物胶囊，可通过口服方式把健康的菌群移植到患者体内，逐渐替换患者原本的肠道菌群，从而改变其身体机能，达到治疗疾病的目的。

据介绍，未知君是目前国内领先的专注于肠道微生态治疗的AI制药公司，旨在通过微生物技术、AI技术和生物信息技术，利用活体生物药和微生物小分子调节剂实现疾病的缓解或治疗。拥有多组学计算、关键菌发现、培养组学、动物模型验证、微生态药物生产等六大平台。雷锋网雷锋网

原有投资方高榕资本、境成资本、花城创投继续追加投入，新投资方济峰资本、逸仙电商、海松资本、倚锋资本、泰欣资本等在本轮融资中加入，助力因明生物加速发展。

因明生物成立于2019年10月，拥有由多名顶级科学家、专家组成的研发团队和具有全球影响力科学家组成的科学委员会。

在眼科药物、新型医美药物、小分子免疫药物及细胞治疗等领域在研产品十余种，绝大部分均为具有竞争力的突破性First-in-Class创新药物，且主要产品均已完成前期研发或已经实现了产品化。其中，针对干性AMD的First-in-Class眼科新药已于今年5月通过美国IND，正式开展I期临床试验。

因明生物联合创始人、CEO张岩介绍：“在将近6个月的时间里，因明生物连续完成了两轮融资，累计融资金额近1.1亿美元。我们非常感谢新老投资人对因明生物的认可和支持。2021年以来，因明生物进入快速发展的阶段，干性AMD、新型肉毒素、以及全新小分子免疫药物等重磅管线的候选药物已经或即将按计划进入中美两国的临床试验。我们将继续努力，坚持知因、明医、为人的使命，使因明生物成为一家具有全球竞争力的生物医药公司，为人类健康做出贡献。”

高榕资本创始合伙人张震表示：“因明生物作为一家平台型生物医药公司，坚持走原创研发First-in-Class药物的技术路线。我们非常认可因明研发团队对于疾病机理和成药机制的深刻理解，希望通过因明团队的超强执行力和国际化视野，在眼科、医美、免疫治疗等大赛道开发出具有全球影响力的重磅药物。”

虽然我们糊状的大脑似乎与计算机处理器中的芯片大相径庭，但科学家对两者的比较已经有很长的历史。正如阿兰·图灵在1952年所说:“我们对大脑像冷粥一样的稠度不感兴趣。”也就是说，媒介并不重要，重要的是计算能力。

如今，最强大的人工智能系统使用基于深度学习的机器学习方法，该算法通过调整大量的数据隐藏层相互连接的节点来拟合数据，这些节点形成的网络被称为深度神经网络。顾名思义，深度神经网络的灵感来自于大脑中真实的神经网络，这些深度神经网络的节点以真实的神经元为模型。根据20世纪50年代神经科学家对神经元的了解，当时一种有影响力的神经元模型被称为感知器，从那时起，我们对单个神经元计算复杂性的理解逐渐加深，人们了解到生物神经元比人工神经元更复杂，但是复杂的程度是多少？不得而知。

一个生物神经元可以和5到8层人工神经网络相匹敌

为了找到答案，耶路撒冷希伯来大学的David Beniaguev, Idan Segev和Michael London训练了一个人工深度神经网络来模拟生物神经元的计算。该研究表明，“一个深度神经网络需要5到8层相互连接的人工神经元来才能表示单个生物神经元的复杂性。”

Beniaguev也没有预料到这种复杂性，“我原以为它会更简单，更小。”Beniaguev如是说。他原来预计三到四层就足以捕获单元内执行的计算。

在谷歌旗下的 AI 公司 DeepMind 设计决策算法的 Timothy Lillicrap 表示：“新结果表明，可能有必要重新思考，以前将大脑中的神经元与机器学习背景下的神经元进行不精确的比较的旧传统 。”，他认为“这篇论文确实有助于人们更仔细地思考这个问题，并搞清楚我们可以在多大程度上进行类比。”

人工神经元和真实神经元之间最基本的相似之处，在于它们处理输入的信息的方式。这两种神经元都接收输入的信号，并根据这些信息决定是否将自己的信号发送给其他神经元。人造神经元是依靠简单的计算来做出决定，但数十年的研究表明，生物神经元的这个过程相对来说更加复杂。

计算神经科学家使用输入-输出函数，模拟生物神经元的长树枝(树突)接收到的输入的信息与神经元决定发送信号之间的关系。

这项新研究的作者使用一个人工深度神经网络模仿这个函数，以确定关系的复杂程度。他们首先对老鼠的大脑皮层中的神经元的输入输出功能进行了大规模模拟，这种神经元的顶部和底部都有不同的树突分支，被称为锥体神经元。然后，他们将模拟结果输入到一个深度神经网络中，该神经网络每层最多有256个人工神经元，他们不断增加层数，直到在模拟神经元的输入和输出之间达到毫秒级99%的准确率。

最后，深度神经网络成功地预测了大脑神经元的输入-输出函数的行为，结果表明：深度神经网络至少有5层相互连接的人工“神经元”，但不超过8层。在大多数网络中，一个生物神经元就相当于大约 1000 个人工神经元。

神经科学家们现在知道，单个神经元的计算复杂性，比如左边的锥体神经元，依赖于树突状的分支，这些分支会受到传入信号的轰击。在神经元决定是否发送自己的信号“尖峰”之前，会导致局部电压的变化，以神经元的颜色变化来表示，红色表示高电压，蓝色表示低电压。这个“尖峰”出现了三次，如图中右侧的各分支的轨迹所示，这里的颜色代表了树突从上(红色)到下(蓝色)的位置。

——David Beniaguev

贝勒医学院(Baylor College of Medicine)的计算神经科学家安德烈亚斯·托利亚斯(Andreas Tolias)说:“(这个结果)为生物神经元和人工神经元之间搭起了桥梁。”

这一研究的其中一个作者London对人们提出了警告，他认为，“人工神经网络中有多少层和网络的复杂性之间的关系并不明显，不是直接的对应。”因此，我们不能确切地说，从四层增加到五层会增加多少复杂性。我们也不能说1000 个人工神经元就意味着生物神经元的复杂度恰好是人工神经元的 1000 倍。说不定，我们可以在每一层中使用成倍的人工神经元，最后能形成只有一层的深度神经网络来拟合一个生物神经元。当然，算法学习可能因此需要更多的数据和学习时间。

London表示：“我们尝试了多种不同深度和不同单元的架构，但大多都失败了。”

该研究的作者们分享了他们的代码，以鼓励其他人找到一个层次更少的解决方案。但是结果表明，找到一个能以99%的准确率模拟生物神经元的深层神经网络是很难的。因此，这些作者们相信，他们得出的结果确实为进一步的研究提供了有意义的比较。

Lillicrap认为，这一研究结果对于将图像分类网络与大脑联系起来，或许可以提供一种新方法。图像分类网络通常需要 50 层以上，如果每个生物神经元都近似于一个五层人工神经网络，那么一个有50层的图像分类网络就相当于一个生物网络中的10个真实神经元。

这一研究的作者还希望他们得出的研究结果能够被用于改进 AI 领域目前最先进的深度网络架构。

Segev指出，“我们建议，可以尝试用一个代表生物神经元的单元来替代深度神经网络中的简单单元，使其更接近大脑的工作方式。”在这种替代方案中，人工智能研究人员和工程师可以插入一个五层深度网络作为“迷你网络”，取代每一个人工神经元。

有质疑也有肯定

但有些人怀疑这一研究是否真的对人工智能有益。

冷泉港实验室(Cold Spring Harbor Laboratory)的神经学家安东尼·扎多尔(Anthony Zador)说，“我认为，在这种对比中是否存在实际的计算优势，还是一个悬而未决的问题。”“但是该研究为检验这一点奠定了基础。”

除了人工智能的应用之外，这篇新的论文也加深了人们对树突树和单个生物神经元强大计算能力的共识。早在2003年，三位神经科学家就表明，金字塔神经元的树突树可以通过将其建模为两层人工神经网络来进行复杂的模拟计算。在这篇新论文中，作者研究了金字塔神经元的哪些特征（结构）激发了5到8层深度神经网络的更大复杂性。他们得出的结论是：秘密来自于树突，以及树突表面接收化学信使的一种特定受体——这一发现与该领域之前的研究结果一致。

一些人认为，这一结果意味着神经科学家应该把对单个生物神经元的研究放在更重要的位置。

宾夕法尼亚大学(University of Pennsylvania)的计算神经学家康拉德·科尔丁(Konrad Kording)说：“这篇论文使得我们对树突和单个神经元的思考变得比以前重要得多。”

还有Lillicrap和Zador，他们认为关注一个回路中的神经元，对于学习大脑如何使用单个神经元的计算复杂性同样重要。

无论如何，人工神经网络的研究可能会提供对生物神经元以及大脑奥秘的新见解。

伦敦大学学院(University College London)的计算神经科学家格蕾丝·林赛(Grace Lindsay)说:“从层次、深度和宽度的角度思考，这项工作让我们对计算的复杂性有了直观的认识。”

然而， Lindsay 也警告说，这项新研究仍然只是在对模型进行比较。 不幸的是，目前神经科学家不可能记录真实神经元的完整输入-输出功能，所以可能有更多生物神经元模型没有捕捉到的东西。 换句话说，真正的神经元可能更加复杂。

London表示：“我们不确定，5到8层是否真的是最终的极限。”

参考文章：https://www.quantamagazine.org/how-computationally-complex-is-a-single-neuron-20210902/

雷锋网雷锋网雷锋网

雷锋网消息，7月29日，由平安与日本盐野义合资成立的平安盐野义有限公司（以下简称“平安盐野义”）正式在上海开业。平安盐野义将从未病护理、预防、诊断、核心治疗药及跟踪回访等阶段提供包括运动、非处方药、疫苗、新药等健康管理方案 。

中国平安联席CEO陈心颖在开业仪式上的视频致辞中谈到：“对平安集团而言，医疗生态圈是我们长期坚持的核心战略之一。平安盐野义合资公司是平安在医疗生态圈的又一重要布局。”

平安盐野义董事长兼CEO吉田达守则表示：“平安盐野义将融合中国平安集团世界一流的AI技术，和盐野义制药的新药研究经验，不断颠覆制药行业的现有常识、积极创新，为中国人民的健康做出贡献。”

近年来，平安在医疗领域不断发力，建立并完善了一个覆盖监管方、医生医院、第三方检测、药品器械厂商等在内的医疗健康生态圈。而这个面向未来的医疗健康生态圈，也不断显现出深远的成效。

平安有支AI制药团队

此前，平安集团首席医疗科学家谢国彤曾表示，平安科技要打通和击破的是涉及诊前、诊中、诊后的整套疾病管理生命周期。

具体而言，是从诊前的分诊、预测、筛查，到诊中的诊断治疗，到诊后的随访、患者教育一整套生命周期里，如何利用技术针对影像数据、文本数据、病例数据的挖掘变成模型，从而提高医生的工作效率，并帮助医生解决比较困难的问题。

但是从行业现状来看，多数AI企业的重心放在诊前以及诊中的诊断环节。“三分靠院内治，七分靠院外养”，除了三甲医院和基层医疗的庞大AI辅助诊疗等需求，院外的AI应用场景有很大的空间，这其中很重要的一环就是药物研发。

据了解，2020年4月，平安的人工智能药物研发团队成立，初衷就是用AI寻找药物研发的市场空间和机遇。药物研发是一个需要大量数据密集计算的领域，从上亿个分子中去寻找，从无数临床试验中去探寻，最后看到底什么物质最有可能成为药。

如今，一款创新药的研发全流程花费动辄十亿美元，时间跨度也长达十年。但其中的每一个环节，都有很多可以用算法优化的地方。

2020年，被称为AI制药的“元年”，国内获得融资的AI药物研发企业有8家，总额达14.16亿美元——合人民币近百亿元。

此外，百度、腾讯、字节跳动等互联网巨头也相继入局。一时间，AI药物似乎成为了下一个“现象级”的创业赛道。入局企业虽多，但是结合AI的理念革新以及医药行业整体的智能化水平来看，药物研发的布局基本处于起步阶段。

而平安所掌握的医疗AI技术、海量数据和专家知识，以及构建的医疗生态圈，可以赋能AI制药的研发、制造、销售等全链条，助力平安在AI制药赛道保持良好的初速度和爆发力。

更应该注意到的是，平安还可以通过自己强大的网络，将来自患者，或者是医院等专业医疗机构的数据开展真实世界的证据分析，反哺至上游的研、制环节，打通产业链的全部环节，真正实现一个高效、闭合、接地气的医疗健康生态圈。

在人工智能应用中，除了算法、算力、数据三要素外，现在尤其强调知识这一新要素。平安智慧医疗已经构建了药物研发知识图谱，覆盖3亿的节点和1亿的关系。

同时，平安与拥有丰富知识及强大药物研发能力的盐野义制药已成立合资公司，结合盐野义制药的优势及平安在大数据和人工智能的分析科技，双方深耕AI药物研发平台，进而高效地制造和提供高增值的创新药物和医疗健康服务，并为客户提供量身订造的解决方案。

平安方面表示，AI制药团队的中短期目标主要与盐野义制药开展合作，用AI技术赋能抗感染和中枢神经系统疾病领域的新药研发。

远期目标是融合平安积累的科技创新，以及盐野义作为药物发现导向型制药公司的专业优势，赋能AI药物研发，提升中国医药健康的服务水平，并以科技赋能医疗健康行业，为客户提供更多元化的医疗健康服务。

 顶会接收、竞赛出色，平安AI制药技术有何亮点？

近年来，平安持续投入建设医疗生态圈，其根源在于，平安有过去几十年的积累和日益强大的科技能力为基础。

根据平安2020年报显示，截止到2020年12月末，平安集团科技专利申请数累计达31412项，较年初增加10029项，位居金融科技、数字医疗专利申请榜单全球第一位。

因此，凭借以往的技术底子，从2020年4月成立人工智能药物研发团队以来，平安一直在低调布局、潜心科研。在短短一年多后，平安科技团队就产出了多项世界级的重磅成果。

据雷锋网了解，近日，平安医疗科技研究院和清华大学联合在计算生物学顶级期刊Briefings in Bioinformatics发表论文（2021年SCI影响因子11.62）。依托平安赛飞AI平台和AskBob智药平台，平安和清华大学双方在选题创新探索、大规模预训练试验、论文发表、赋能新药发现等环节密切合作，平安医疗科技研究院首次在计算生物学领域发表用于药物发现的分子预训练模型。

平安医疗科技研究院通过分布式训练加速算力和自主研发的预训练算法，从超过1100万的分子化合物中以自监督学习方式，训练出具有5300万参数药物分子模型MolGNet，实现优异的分子表征能力。

值得注意的是，5300万参数，这样的参数规模已然不小。

平安科技深度学习平台团队副总工程师高鹏博士表示，MolGNet模型对药物分子表示的性能超越了业界当前，因为精巧地整合了分子图数据中节点（原子）和边（化学键）的消息传递，5300万参数算是最具性价比的规模（参数量虽然没有NLP语言模型的亿级规模大，但是可以较好地解决药物分子表示学习问题）。

据了解，MolGNet通过学习海量未标记的化学分子，在药物研发领域的三大类任务（DDI药物相互作用预测、DTI药物活性预测和药物生化性质预测）中的14项子任务上超过了当前业界最先进的模型算法（包括斯坦福大学、腾讯、中科院上海药物研究所等在顶会NeurIPS2020、ICLR2020等发表的技术，其中药物相互作用预测平均超过8%，性质预测任务平均超过13%）。

高鹏博士向雷锋网表示，药物性质预测、DDI药物相互作用预测、DTI药物活性预测这三类任务，是临床前药物发现中围绕药物最常见和重要性排前列的任务场景，也是缩小和聚焦目标药物化学空间的关键指标和筛选利器。

基于上述三类预测技术，能够为抵消传统药物开发方法中出现的效率低下和不确定性提供机会，同时将过程中的偏见和人为干预降至最低。

换言之，MolGNet从设计之初，就是为了破解AI新药研发中最核心、最重要的几大问题。从现实成绩来看，MolGNet模型确实展现出了超强的实力。

去年，平安医疗科技研究院在美国麻省理工学院（MIT）主办的国际顶级生物医药发现比赛AI Cure Open Tasks上夺得新冠肺炎继发感染药物抗菌性预测冠军，击败了包括MIT、斯坦福大学、美国临床免疫疗法公司Vir Biotechnology在内的众多知名高校和企业。其预训练算法PHD也在今年全球顶级人工智能国际会议IJCAI 2021发表（4204篇投稿，接收率13.9%）。

被IJCAI这样的顶会接收，足见MolGNet模型的含金量。

目前，MolGNet模型已经作为基础模块集成到平安AskBob智药平台，赋能与盐野义合作的抗炎症和中枢神经类疾病的新药研发中，未来适时会考虑将其开放给业界。

对于客户或者使用者来说，不需要繁琐的部署便可通过平安AskBob智药平台和底层的赛飞AI平台，应用这套模型实现各自在制药场景中需要的预测结果。

AI新药研发，平安生态圈的下一个重要拼图

传统的制药行业对于AI的态度正在经历从怀疑到兴趣，AI与制药行业的核心业务深度融合，需更深刻的行业知识与更高的技术保障。

这次用于药物发现的分子预训练模型的推出，将是平安医疗生态圈建设的一个良好补充，从而形成医疗AI更完整的链条和闭环效应，加强中国的健康及医疗服务水平。

马明哲发表在《人民日报》的署名文章中写到，平安的温度，是助力健康中国建设、构建适老社会的担当。从机构、用户、服务方、支付方和科技五大方面，着力构建医疗生态闭环。从上述的几点出发，平安正在举全集团之力构建涵盖“用户—服务商—支付方”的全方位医疗健康生态圈闭环：

通过平安好医生、平安寿险、平安养老险、平安健康险等子公司，服务广大线上线下个人客户

通过平安智慧城市业务中的智慧医疗团队及平安好医生平台，赋能政府监管部门和医疗服务各参与方

通过平安医保科技建立的智慧医保一体化及智能医疗管理平台，赋能医保局、商保公司等支付方

更进一步地看，虽然此次技术创新被应用于药物发现的分子表征，但这项技术极为通用，可以适用于其他领域的图表示学习，例如推荐系统、用户画像、金融分析、社交网络和知识图谱等业务场景。

正如马明哲在2020年中国平安年度报告董事长致辞中所说的，“战略创新上，积极部署未来，金融是平安的现在时，医疗是平安的未来时。我们将从医疗管理机构、用户、服务方、支付方、科技五方面加速构建医疗生态闭环，助力‘健康中国’建设。”

而平安正在一步步走在既定规划的未来蓝图中。

但此后三十年时间，测序技术的进步，却让基因组学这一技术，成为这个世纪最主要的医学科研进展之一。

其不仅改变了医学研究的性质，也让科学家能够进行全面且强大的探索，据美国银行预测，到2025年，与基因组学直接相关的研究产业就会达到410亿美元。

而今，同样的故事也在蛋白质组学研究出现，在人类基因组计划完成之后，就有科学家在《Science》和《Nature》杂志兴奋预言，蛋白质组学时代即将到来，并将取代基因组学成为生命科学研究的焦点。

西湖大学特聘研究员、西湖欧米创始人郭天南表示：一切生命的表现形式，本质上主要就是以蛋白质为主的生物分子的体现，而蛋白质被认为是一切生命活动的齿轮，也是药物作用的最主要靶点。完整意义上的蛋白质组学，能够对健康和疾病的发生、发展、转归等过程有一个全面的认识，把握疾病诊治的关键，提高药物开发的效率。

近些年，随着蛋白质组大数据和人工智能技术的出现，这一研究领域获得了极大的加速，并展现出非常广阔的前景。

近日，雷锋网《医健AI掘金志》以“AI制药·下一个现象级赛道”为主题，邀请燧坤智能、英飞智药、宇道生物、西湖欧米、华为云，五家先锋企业，举办了一场云峰会分享。

作为此次论坛的嘉宾，西湖欧米联合创始人、董事长郭天南以《蛋白质组大数据联合AI在药物开发中的潜在应用》为题，进行了演讲。

郭天南表示：目前，微观生物世界数据仍是一个黑盒子，成年人身体大约有30万亿个细胞，即使一个非常简单的真菌细胞也有4千万个以上蛋白质，而且这些细胞里面蛋白质数量也是目前难以估量的复杂存在。

虽然，我们看不到这些微观世界的数据，但这与我们的生命和健康都有重要的意义。

以甲状腺结节良、恶性判断为例，大约50%以上成年人都有甲状腺结节，其中绝大多数结节都是良性，但同时也有30%结节无法诊断，如果不切除可能危及生命，如果切除发现是良性可能过度治疗，因为患者并不需要在当前这个阶段切掉甲状腺。

过去四年，郭天南的团队和多国合作者一起，从蛋白质组数据出发，引入神经网络等技术开发了判断甲状腺结节良、恶性的新方法。

该方法通过和新加坡、西湖大学等科研机构合作，对超过6000多个蛋白质组数据做了测试和鉴定，得到新型甲状腺结节鉴定方法ThyroProt (version1)，使甲状腺结节良恶性诊断特异性达到93%以上。

目前，该技术和方法正在通过西湖大学校办企业西湖欧米进行临床转化。

以下是演讲全部内容，《医健AI掘金志》做了不改变原意的整理和编辑：

大家晚上好，我是郭天南，是西湖大学特聘研究员、博士生导师，西湖大学蛋白质组大数据实验室负责人，西湖实验室iMarker实验室主任，西湖欧米创始人。

很高兴跟大家进行分享，今天的演讲题目是“蛋白质组大数据联合AI在药物开发中的潜在应用”。

大数据实际上是目前我们数字经济时代的“石油”，它的价值甚至比石油更加昂贵。

观察家们预计，数字经济将成为全球经济与国家竞争力的又一个分水岭。

新冠疫情全球爆发，更是加速这一进程，我国计划总投入50万亿元来推动“新基建”的建设。

据统计，4年之后，全世界的数据量将达到175ZB，相当于1750亿TB，90%以上的数据是过去5年产生，所以今后5年产生的数据可能会更快。

而几个主要存储数据的公司都是科技企业。例如Google、Facebook、Microsoft和Mmazon都存储了至少1200PB信息，数据应该是目前经济数据及科研的一个制高点。

我们发现这些数据很多来自于旅行、教育、通讯、购物平台等，主要是文本、视频、声音、图片等形式，普遍都是宏观世界数据，也有一些健康和生命相关数据，例如什么病应该挂哪一科室，找哪一个医生等等。

前面提到全部都是人类宏观世界数据。地球约有70亿人，像杭州、苏州常住人口有1000多万人，每天产生大量宏观世界数据。但我们还缺乏微观世界的数据。

我们看不到的微观世界目前像是一个黑盒子，一个成年人大约有30万亿个细胞，即使一个非常简单的真菌细胞也有4000万个以上蛋白质。

我们人类一个细胞蛋白质数量远远高于4000万个蛋白质。每个细胞都有独特特征，每个细胞里面蛋白质数量是目前无法估量的复杂存在。

虽然我们肉眼看不到，但可以通过一些模拟，一个视频感受我们体内的蛋白质机器。例如新冠病毒入侵，将会引起人肺内细胞蛋白质反应。这是我们看不到的过程。

但如果我们有技术把细胞放大几万倍，就可以看到里面存在一个全新世界，各种各样蛋白质机器有条不紊的运动、变化。我们虽然看不到它们存在，但蛋白质组世界同我们健康息息相关。

再举一个例子，这是一个ATP合成酶动画。1997年，获得诺贝尔化学奖的三位科学家发现了这样一个蛋白质机器。

这个机器可以不断旋转，可以让我们吃的食物变成以ATP为主的能量分子，这些红色、绿色、黄色、蓝色就是分子马达不同部件，他们的运作同我们宏观世界的汽车和机械表里面的零件很相似。只是生命活动分子马达不需要电流作为能源来源，是通过我们生物能量来运作。

现在我们有技术可以将这些蛋白质动态变成数据，即蛋白质组大数据。

这里举一个例子，图中每一个像素点都是一个蛋白质片段和一个多肽片段，红色表示片段强度比较高，黑色表示片段强度比较低。

如果我们将动画平铺到一张图上，大家可以看到像竹简一样一列一列，这就是微量组织产生的蛋白质组大数据视觉化呈现。

将其中4条挑出来横着放，可以看到它们具有高度复杂的内容，如果再将其中很小一个区域放大，可以看到像宇宙一样的星空图。

宇宙里有很多点红的、绿的、灰色的，像浩瀚宇宙一样神秘，这里每一个点对应都是体内蛋白质信息，目前人类对蛋白质组了解非常少。

我们团队现在建立了蛋白质大数据新数据结构，叫DIAtensor （DIAT）。有了这样数据结构，就可以很方便将蛋白质大数据进行视觉化、转换为各种格式，并且进行深度学习，回答生物医学健康相关问题。

下面列举几个案例，第一是新冠疫情刚开始阶段，我们与浙江省恩泽医院、迪安凯莱谱一起合作的项目。

武汉疫情报道出来之后，大家非常关注，怎么样鉴定哪些新冠患者是重症，因为大部分成年人感染新冠病毒之后没有任何症状，我们体内免疫力可以杀死新冠病毒。

据统计大概80%感染新冠是轻症，绝大部分轻症患者只要居家隔离，吃简单抗病毒药物，就可以得到有效治疗，直至自愈，甚至不经过治疗也可以痊愈。

但有20%症状新冠患者会出现非常不好情况，呼吸困难，如果不吸氧、不用呼吸机就可能死亡。如果能够及早发现重症患者，就可以很有效地利用宝贵的 ICU病房等资源。

当时，要判断患者是否为重症，只有当患者呼吸困难、血氧指数下降非常严重、进入ICU时才能够得到鉴定。

我们去年和医院合作，做了一个基于蛋白质组学和AI的新诊断方法，可以从血液里的蛋白质、代谢等特征建立模型，提前预判哪些病人会出现重症，准确度有93.5%。

但其中有两个患者经常不准确，我们发现其中一个患者模型跟临床不相符，是XG3患者，他是一个轻症患者，但模型认为他是一个重症。

后来发现这位轻症患者是一个70岁男性，虽然是轻症，但他是整个研究队列里年龄最大，所以虽然是轻症，但他的血液分子特征却提示和重症患者更相似。

上图中，是一个独立训练验证集，共有10个病人，其中1个患者是XG45，临床诊断是重症患者，但模型把他划在虚线左边，认为他和轻症患者更相似。

后来临床审核发现，这位患者是一位62岁男性，入院之前经过20多天中药和抗病毒治疗，所以临床上虽然表现为重症，但实际其分子特征和轻症更加相似，所以通过分子检测可以看到临床表现之外的一些蛛丝马迹和预兆。

在图中下方是一位XG22轻症患者，但模型认为是重症，和临床医生反复的核实临床资料，发现患者有乙肝传染史、糖尿病，虽然是轻症，但住院时间是所有患者最久，甚至我们至今也不知道他为什么50多天才转阴。

此外，在后续训练中，我们也发现还有十几位病人经过分子检测和AI预测，和临床诊断也不太相符，最终才知道来自底层的分子诊断可能会更加精准。

例如，样本X2-22在患者里分数最低，甚至比重症患者打分更低，但临床认为他是轻症。

临床审核这个患者是一位66岁女性，在采血当天血糖达到27.8mmol/L，正常应该不超过6.1mmol/L，她当时处于非常危险的高血糖危象，好在恩泽医院对她进行了救治，如果晚一些，患者有可能就会因为高血糖危象而失去生命。

所以我们如果提前有分子检测模型，就可以预测哪些患者更严重，使用蛋白质检测和AI模型监测病人病情，可以达到非常好效果。

宏观世界上看不到一些分子机理也可以通过蛋白质检测来实现，例如找到药物靶点。

例如，我们今年完成的一篇发表在CELL上的工作，将当时在武汉协和医院因为新冠而不幸离世的患者进行尸检，观察死亡患者的心、肝、脾、肺、肾、甲状腺、睾丸等组织器官的细胞层面改变。

过去对类似新冠疾病等未知疾病的理解，通常是宏观世界症状为基础，将组织用显微镜放大，通过病理技术检测了解疾病对人体影响，但这样的检测并不能知道什么病因导致患者死亡，也不能告诉我们什么样药物，让病人病情逆转，降低死亡率。

我们通过蛋白质检测可以获得底层信息，对每一个器官蛋白质发生的改变进行鉴定。

图中标色的蛋白质都是在心、肝、脾、肺、肾、甲状腺、睾丸等里面死亡患者的高蛋白表达，这可能是他们治疗的靶点。

这两个案例说明对于人体所有组织器官、液体、体液等都可以进行蛋白质分析，只要有生命就有蛋白质，有人体活动就有蛋白质变化。

我们可以从血、尿、眼泪等体液中鉴定到大量蛋白质，例如眼泪里有数千个蛋白质、脑积液、唾液、活检组织、肿瘤组织、冰冻组织、石蜡组织细胞、头发、牙齿、指甲、骨骼、粪便也含有大量蛋白质。

极小量样品，小到一个芝麻的1/10或者是一滴血的1/10，或者是几滴尿液，可以进行有效蛋白质组分析。

大多数人认为蛋白质鉴定比较贵、慢。但现在随着技术改进，实验室每天可以快速处理数百个蛋白质组，产生大量用于AI分析的数据。

图中一个石蜡组织里大部分都是石蜡，肿瘤组织极少，从这么小组织中提取的蛋白质可以进行几十次蛋白质组分析，实现定量组织的蛋白质组全面分析。

例如这张图，是目前广州健康营养队列以及西湖大学郑钜圣团队一起合作的蛋白质组项目，项目分析大约18000个血清蛋白质组，进行了代谢综合征预测。

代谢综合症就是三高，高血压、高血糖、高血脂患者和亚健康状态患者。

他们从2008年开始，对大约两千个人进行监测，通过临床资料，采集血、尿、粪便等，2014年又随访了1800多人继续研究，2018年还有1179位仍然在参与这个项目。

目前的设备用1微升血提出的蛋白质，就足够做几百次蛋白质组分析，20分钟就可以分析一个样品蛋白质组。

现在分析速度提高，5~10分钟就可以做一个样品，分析成本又降低数倍。

我们一共鉴定300多个蛋白质组，建立了机器学习模型，准确度差不多达到80%，这个数据是几个月前的，最近我们又取得新进展，可以达到约90%准确度。

仅仅通过不到一滴血的12个蛋白质，就可以预测一个人10年当中是否会出现代谢综合征，这样技术对健康状态监测有非常好的应用前景。

此外，新冠病毒研究也有了新发现，通过尿液里蛋白质结合鉴定新冠轻症和重症。

医院检测尿蛋白是比较传统的方法，尿蛋白非常高的时候才能测出，而我们通过灵敏蛋白质组技术，发现健康人尿里也有数千个蛋白。

血液蛋白质基本都可以在尿里检测出，肾小球重吸收导致血高丰度蛋白大大降低，所以可以看到更多蛋白质。

我们通过分子量分析发现，尿液蛋白质分子量大小同血液没有明显区别。

而且，我们的多个研究还发现细胞因子风暴、免疫治疗或其他疾病中，尿蛋白都有非常重要指示作用。

尿蛋白质组数据结合机器学习可以进行新冠轻重症判断。如图所示，红色颜色越深代表预测效果越好，准确度越高。

最后列举一个甲状腺结节分析案例，甲状腺每个人都有，在脖子下面像蝴蝶一样的小器官，只有十几克。

甲状腺结节也常见，50%以上成年人都有甲状腺结节，年纪越大发生率越高，大部分经常吃海鲜的人甲状腺结节概率高达90%以上。

甲状腺结节分恶性和良性，恶性医生会建议全切或半切除，但甲状腺是非常重要的激素器官，患者切除后需要终身服药，情绪上也会有变化。

目前，有30%结节是无法诊断良恶性，当出现无法诊断结节，病人和医生都会感到巨大压力，如果切除可能是过度治疗。

因为患者并不需要在当前阶段切掉甲状腺，所以就涉及到精准诊断问题。

从十几年前开始，基因测序技术成熟之后，美国FDA就已经批准多个基因诊断试剂盒，通常测量几十，甚至一百多个基因DNA和RNA来诊断甲状腺结节良恶性。

经过权威杂志Nature Reviews Endocrinology 在2018年评估，这些基因测序检测结果灵敏度可以达到83%~100%，即如果结节是恶性，检测试剂盒基本可以判断出来，但特异性只有10%~52%。

换句话说试剂盒判断是恶性结节实际有大约50%~90%是良性，最后会让最高达90%的患者有过度治疗危险。

过去四年，我们首次用蛋白质组大数据结合神经网络，开发了判断甲状腺结节良、恶性的新方法，前面所有诊断方法都是基于基因，而基因跟蛋白质相比疾病相关性相对弱一些。

基因会有很多改变，如果不在蛋白质水平得到体现，很难影响到疾病发生和进展。

而蛋白质检测难点在于，如何处理小量组织，鉴定更多蛋白，稳定进行蛋白质定量，我们已经有效解决这些技术难点，也开展多中心临床研究。

我们同新加坡Gopal和Kon教授等团队合作建立训练集，采集了578个患者样品。

新加坡是海边城市，人吃海鲜比较多，甲状腺结节也非常多，我们做了1700多个蛋白质组，同时在中国也做了回顾性研究，有3个中心纳入271个患者；后来又做了前瞻性研究，纳入255个患者，目前这些还都是尚未公开发表的前期数据。

我们用微量组织高通量蛋白质定量方法，总共鉴定6000多个蛋白，其中神经网络分析是西湖大学李子青教授团队完成的。

新加坡样品得到这个模型，在回顾性队列和前瞻性队列综合都达到90%以上准确度。

将蛋白质组织更多用于药物开发，是后续非常有信心要做的一件事，药物开发是大家非常关注的焦点。

ThyroProt v1基于蛋白质检测方法，同发表在New England Journal of Medicine的基因诊断方法相比，灵敏度要稍弱一些。

这因为目前蛋白质诊断甲状腺诊断主要问题是特异性，基因检测特异性在50%~81%左右，蛋白质可以达到93%，综合准确度蛋白质是90%以上，基因最高是84%，这是2018年结果。

这个研究说明我们可以对数以千计微量临床样品进行有效蛋白组学分析，并且联合AI改善疾病诊断。 

将蛋白质组技术更多用于药物开发，是我们下一步非常有决心和信心要做的方向，药物开发是大家非常关注的焦点，所有疾病都希望通过药物进行有效治疗。

将三个步骤进行分析，会发现蛋白质组学在药物开发中每一个步骤都有非常大潜作用，几乎所有药物都针对蛋白质发挥作用。

药物临床结果预测，通常需要几个疗程，每个疗程可能需要几个月时间甚至更久。

新冠研究里发现，急性期可能在血液已经出现一些征兆，这和后来反应都有一些复杂关联。已有研究发现，血液里尿蛋白质改变，同几天或几周后临床表现有非常密切关联。

所以我们有信心通过临床试验，加上蛋白质数据，加上模型建立，更快更准确的判断。

目前非常受到关注的两种新型药物，研究历史都有十年或十几年，这些药物得到国内、外非常多关注。

第一类是ADC药物（Antibody-Drug conjugates），它的设计非常巧妙，一个抗体可以结合肿瘤细胞表面一些特异性蛋白，而尾巴上有一些传统毒素，这使得它具有杀伤力同时又具有特异性。

但特异性前提是能够找到只在肿瘤细胞表面的高表达蛋白。

我们团队做了简单调研，自2000年以来，全球共有11个ADC产品在FDA获批上市，主要以癌症为主。

国内ADC稍晚一些，目前ADC药物研发处于初级阶段，有一款药物今年刚刚获得批准。

可以看到Nature Reviews Drug Discovery预测结果，今后5年ADC销量在国外销量会出现非常大提升。

ADC研发及蛋白质组学应用难点，重要就是靶向抗原选择，抗体结合哪些蛋白很重要，这是ADC开发的起点，也是ADC研发企业竞争的热点。

目前，国内已公开研发药物中大部分都是靶向HER2，未来预期会有越来越多ADC药物靶点有待发掘。

蛋白质组学可能有非常巨大作用，团队也在这方面综述，现有蛋白质数据可以看到大肠癌、胃癌、肺癌等等，有非常多潜在药物靶点存在数据当中，我们团队后面会和一些ADC公司合作，寻找新差异化靶点提供支持。

此外是临床试用者选择，这和前面一样，虽然已经找到有效药物，但药物并不对所有人有效。

通过蛋白质组学、质谱检测，可以有效确定患者肿瘤组织里有没有蛋白质高表达，在疾病进展当中有没有改变，通过蛋白质检测针对不同个体情况，提供相对应治疗方案，为助力精准医疗落地提供有效指导。

第二类创新药是PROTAC技术，这个技术可以使以前没有药物的蛋白靶点有效降解，是非常巧妙的体内泛素化系统。

这个药物有两端，一端连接E3连接酶，另外一端连接降解蛋白质，将两端连接到一起后，靶向蛋白就会被泛素化。

泛素化也被称为死亡之吻，蛋白质结合这样一个泛素化蛋白，就会被一个Proteasome机器将蛋白质变成碎片实现降解，这比小分子结合阻断蛋白功能更加直接有效。

目前PROTAC相关药物，国内、外临床研究还比较早期，人类基因组里面有600多个E3连接酶，其中只有非常少数被用于PROTAC设计，这个领域还有广泛开发空间。

表格总结了小分子成功靶向关键靶点，这些靶点不是特别多，据不完全统计全球基于PROTAC技术研发管线有60多个，国内也有好多正在启动。

PROTAC如果成功靶点选择非常重要。哪些蛋白可以被泛素化或者泛素化效率如何？用了药物之后被修饰效率有没有提高？降解程度如何？肿瘤组织和非肿瘤组织有什么区别？哪些蛋白质降解可以全局通过蛋白质组进行系统检测，都是全新的领域。

下图是2015年的文章，文章发现基因组生命科学时代，基因组数据增长更快，把蛋白质加进来增长可能会更快，因为蛋白质比基因更多信息，和生命科学更加相关。

蛋白质组大数据距离我们还有多远？

现在我们拥有将临床样品转化为蛋白质大数据的技术，今后几年我们将产生更多蛋白质组大数据，联合AI可以对生命奥妙和调控有更加深刻的理解。

问答环节

Q1：蛋白质组大数据联合AI诊断疾病准确率高吗？

郭天南：这是一个非常大的问题，应该针对每一个疾病而定。蛋白质大数据可以理解为一个新兴领域，一个新技术，有独特的优势，也具有一些局限性。

我们目前在西湖大学做了几个例子，前面讲的甲状腺结节判断准确率还可以的。目前经过基因诊断准确度，尤其是特异度，都比不上目前基于蛋白质的诊断方法，对于前面代谢综合征预测模型也非常好。

但这种方法是不是对所有疾病都非常好，目前尚没有数据证实或证伪，从理论上看，蛋白质分析应该是任何疾病都需要的。

Q2：蛋白质组中是否含有人类疾病的生物标志物（Biomarker）？

郭天南：肯定是含有的，人类疾病甚至健康状态改变都会涉及蛋白质改变。

说话、休息、吃饭都有蛋白质改变，当然这些改变是背景改变，蛋白质改变可能是正常改变，有些蛋白质在疾病状态下改变。

我们需要通过复杂计算方法挑出疾病有影响的蛋白质。

Q3：BCR-ABL融合基因是什么？

郭天南：这是伊马替尼(imatinib)的药物靶点，《我不是药神》电影原型就是这个。

针对慢性髓系白血病，BCR和ABL本来是两个蛋白，不同染色体编码两个蛋白在某一些白血病当中会融合形成新蛋白，具有非常强酶活性，打破生理平衡引发慢性白血病。

神药出现，实际也是蛋白质检测的一个成功，当然蛋白质水平源于基因表达，蛋白的融合源自基因融合。

Q4：请问针对不同组学方法得到的数据，该怎么整合？

郭天南：我们有很多尝试，没有统一方法可以用于所有多模态、多组学数据，但只要有这样一个临床问题，有这样数据相信一定可以找到方法。

例如甲状腺，我们用蛋白质组数据进行建模，实际我们还有一个正在进行的项目，是将蛋白质跟基因还有超声特征，包括人性别年龄等信息全部整合起来，进行AI建模，这是生命科学的新领域。

听众当中如果有计算机专家，也欢迎你们加入生命科学这个领域，现在是非常激动人心的时刻。

随着更多计算机专家加入，这些整合一定可以更加有效实现，前面提到宏观世界大数据，实际数据结构更加复杂，复杂性不亚于生命科学数据，但照样可以整合起来。

例如搜索Google，可以告诉我们是什么样网页，然后我们看抖音可以推荐喜欢看的视频，这都是通过算法可以实现，在有经验计算机专家看来，问题不是很大。

Q5：痕量样本蛋白检测的重复性能够保证吗？距离临床检测应用还有多远？

郭天南：衡量样品进行检测重复性让我觉得非常惊叹，可以看到我们的数据，训练集都是痕量样品，训练集是来自于新加坡，新加坡有各种人种，生活环境、经度、纬度跟中国都不太一样。

但我们从这些数据训练出的模型，在中国杭州、大连、沈阳患者居然可以适用。并且训练集样品是石蜡组织，在石蜡组织中建立模型，同时在前瞻性新鲜组织里也可以达到90%以上综合准确度。

这个准确度我们都觉得惊讶，非常稳定，但并不表示所有组织和数据都会这么稳定，这里面有很多考量，我们对质控、数据分析要求也非常高。

距离临床应用检测还有多远，我希望在保证质量同时尽快。我们在大学里建立这个模型尚不能直接应用于临床。

我们正在通过西湖大学校办企业西湖欧米进行临床转化，有可能明年会推出通过志愿者进行临床检测。

Q6：蛋白质组中怎么判断哪些蛋白不会相互作用？准确率多高？比判断相互作用困难吗？

郭天南：蛋白质相互作用分析，质谱是可以实现的，如果一个具体问题可以通过一个细胞模型，某个蛋白跟哪个蛋白结合或不结合，都可以通过实验数据以及后续对应分析方法进行监测。

Q7：计算蛋白质组学有哪些应用场景？

郭天南：这太多了，如果我们有蛋白质大数据，其在生命健康的应用场景不会亚于现在宏观世界大数据应用场景。

如果你问我宏观世界大数据有什么应用场景，我可以说它几乎无所不在。我们的衣、食、住、行都跟宏观世界大数据相关，但微观世界数据，一个人细胞数量和地球上所有人数量是同一个量级。

一个成年人有30~70万亿个细胞，很多细胞不断生成降解，像红细胞每隔120天就会生成降解，每个细胞里都有数亿万计蛋白质，这些蛋白质数据包含什么信息，有什么应用场景现在没有人可以估量。

举例说凡是跟生命健康相关的应用场景，都有可能通过蛋白质智能计算获得。

Q8：犹如体检之前会要求禁止饮食，可能会影响体检结果。患者是否有些行为会影响到蛋白质组学的检测结果？

郭天南：我们做了18000个血浆蛋白质组预测代谢综合征，代谢综合征是三高、高血糖、高血脂、高血压，是非常复杂的疾病，遗传因素，生活习惯因素，饮食因素等都会影响到。

我们测出蛋白质组数据，一定会受到各种各样因素的干扰，好在有大数据可以容忍一些变异，容忍噪音，在大数据层面，AI会自动剔除干扰因素，将好的信号提示出来。

虽然我们有几百个蛋白被检测，最后只找到12个最稳定跟疾病最相关，虽然肯定会有影响，但后面会挑出来。

甲状腺结节诊断也测到6000多个蛋白，最后AI模型只发现其中的20个，这种准确度和其它6000多个蛋白相比，还没有达到足够稳定性和信息含量。

Q9：疾病诊断中有没有采用RNA转录组进行判断的？相比蛋白质组哪个更有优势呢？

郭天南：像甲状腺结节的良、恶性判断，基因诊断试剂盒，很多依赖RNA，但为什么会出现很多问题？

因为RNA很容易降解，并且RNA绝大部分不具有生命活动和执行功能分子，目前已经有很多研究表明， RNA和蛋白质相关性并没有那么强。

我们之所以要测RNA，一方面是因为有这样技术很容易检测，另一方面因为希望通过RNA来预测蛋白质，越来越多研究发现RNA并不能完全预测蛋白质表达。

在临床应用中二者很容易降解，像甲状腺穿刺出来，一不小心RNA就会降解，或者测到跟他体内RNA表达并不一致，而蛋白质非常稳定。

研究石蜡组织可以很方便从新加坡接到中国，因为常温保存运输，而石蜡组织里是不能做RNA分析，即使能做测出来结果跟他体内状态也不一样。

我们团队前期做了很多工作，发现石蜡组织和新鲜冰冻组织蛋白质表达非常稳定。

Q10：AI+蛋白质预测这样的前沿技术，目前在产业落地中有哪些比较难的瓶颈？

郭天南：最大瓶颈就是人才队伍。听众里有很多非常优秀人员，可能大家都知道基因组，很多从事生命科学都去做基因相关研究和转化。

也有更多非常优秀年轻人去做AI，像隔壁的阿里或腾讯都有非常高的工资，而在蛋白质这样的领域，联合使用AI还需要进行一定探索，所以如果没有好的队伍，这个领域也很难发展起来。

领域重要性毋庸置疑，现在越来越多人关注这个领域，非常高兴有这么多人参与讨论，相信只要有优秀的人加入，就不会存在什么问题，只是时间的问题，或迟或早，人类总有一天会解密，黑匣子会被打开，我们对生命理解就会更加深刻。

Q11：请问欧米的质谱分析是自己做吗？跟其他做蛋白质谱的企业相比数据方面有哪些优势？

郭天南：我们质谱都是自己做，跟其他企业相比有什么优势这里不便回答。

Q12：郭老师，蛋白质检测技术和基因检测相比，区别和优势有哪些？

郭天南：针对一个难以诊断问题，大家第一想法就是做基因检测，目前基因检测学术上是如火如荼。

从产业上大家都可以做，一个基因突变，哪个公司都可以去检测，没有什么门槛，而蛋白质检测有门槛，蛋白质经过挑选之后只有20个蛋白质，在肿瘤和非肿瘤、良、恶性都有。

但基因突变良性没有恶性有，蛋白质是个连续不一样的变量，通过不一样建立模型，进行更加全面精准判断。

因为生命肯定不会这么简单，用学术术语来说蛋白质表达具有更高颗粒度，内涵更加的丰富，可以精准描述一个生命状态，生命肯定不会像基因突变一样简单，这就是蛋白质优势。

蛋白质检测也有缺点，例如现在没有技术可以很好扩增蛋白质，以前蛋白质检测需要大量组织，很多研究不能够进行，现在可以用比较小微量、痕量组织进行蛋白质分析，很大程度弥补蛋白质基因和蛋白质应用障碍。

很多时候我们能够分析蛋白质组织，基因测序做不了，但蛋白质可以做，像石蜡组织RNA做不了，而蛋白质可以做的非常好。

我们更喜欢用石蜡组织，还有头发，里面除了毛囊之外只有蛋白质，所以头发里面的蛋白质信息是非常丰富，还有牙齿等等。

最后，感谢大家参与这次的交流。雷锋网雷锋网

在论坛上，华大智造官方首次发布了DNBSEQ-E5基因测序仪在科研和实战场景下的一系列使用数据。

据了解，DNBSEQ-E5基因测序仪体积小、重量轻、测序速度快、操作简单，降低了基因测序仪的使用门槛，目前该设备已经在中国大陆开放订购。

DNBSEQ-E5基因测序仪最快能在4.5小时输出下机数据（测序读长：SE50），能够即时响应特殊样本的紧急测序需求，可以对未知病原微生物进行快速检测，适用于一线海关、疾控等机构。

在创新论坛上，华大智造产品高级经理张陆琪首次对外分享了DNBSEQ-E5基因测序仪在科研场景下的使用数据和案例。

例如，DNBSEQ-E5基因测序仪曾协助某病原微生物研究团队完成了对噬菌体样本的测序，满足了相关科研随到随测的需求，提高了测序的效率。

此外，DNBSEQ-E5基因测序仪还在肺泡灌洗液样本中成功鉴定出了潜在的致病病原，并在更短时间内输出了与药敏培养结果高度一致的耐药性鉴定结果，展现了其应用于病原快检方向的潜力。

“DNBSEQ-E5基因测序仪和一台笔记本电脑尺寸相当。放在桌面上，占桌面积仅为0.1m2。实验人员直接可以抱着走，不需要额外准备严格温湿度控制的实验室，操作简单，开箱接线即可使用，10分钟之内可以完成准备工作，进行现场测序。”张陆琪说。 

与常见基因测序仪不同，DNBSEQ-E5基因测序仪在DNBSEQTM核心技术的基础上还采用了三大黑科技：

首先，设备采用的全新设计的自发光生化体系，无需外界激发光源便可产生信号，使得仪器更加轻便、稳定，方便移动以及多场景使用；

其次，DNBSEQ-E5基因测序仪采用的“集成信号采集模块”技术类似于智能手机内感光元件使用的技术，该技术让测序仪可以直接读取碱基信号；

最后，“微流控测序载片”技术代替了传统测序仪的液路流体系统，与测序试剂盒搭配使用，使测序试剂不经过仪器直接进入载片。

依托DNBSEQTM核心技术，华大智造还陆续推出了DNBSEQ-Tx系列超高通量测序系统、DNBSEQ-T7高通量基因测序仪、MGISEQ-2000中高通量基因测序仪以及MGISEQ-200中通量基因测序仪等产品，可应用于肿瘤基因测序、宏基因组测序、大人群基因组测序全基因组测序、无创产前基因检测、未知病原微生物检测等多种应用场景。

药物研发难不难？

难！而且风险非常大。

在雷锋网作为协办媒体的首届中国生物计算大会上，百度螺旋桨PaddleHelix生物计算平台负责人何径舟就表示，“全球生物医药规模持续增长，但是医药研发的效率不断下降，研发一款新药投入的成本和时间越来越呈指数级的增长。”

有数据为证：德勤公司发布的研究报告显示，2017年全球前12位生物制药巨头在研发上的投资回报率仅有3.2%，处于8年来最低水平。

本质上，药物发现过程是个数据和工程化问题，利用机器来开发新药，也不是什么新鲜事。

早在1981年，美国《财富》杂志就对计算机辅助的药物发现进行了专题报道。到了2000年，利用机器人进行“高通量筛选”已经被用来快速测试数百万种化合物。

如今，擅长数据处理和分析的AI有了用武之地，不少医药企业也“尝到了AI的甜头”，AI制药这条赛道也不断升温。

大致上，AI制药可以分为三派：传统药企派、互联网巨头派、AI创企派。

传统药企派以默沙东、赛诺菲等老牌厂商以及药明康德、凯莱英等CRO龙头为代表，他们的研发资金厚实、数据积累和项目经验无出其右；

互联网巨头派以腾讯的云深智药、百度的百图生科、华为的医疗智能体EIHealth等为代表，在AI技术和生态构建能力上，他们的实力毋庸置疑；

AI创企派各立山头，国内外均有拔尖选手。例如国外的Exscientia、Atomwise，国内的晶泰科技、燧坤智能、英飞智药、宇道生物、西湖欧米等，学术背景强大、资历够深，资方的投入意志坚定。

归根结底，三大派系都是为了“更快”、“更好”、“更便宜”地造出新药。然而，由于各自的长短板不尽相同，未来AI制药格局的格局将极具故事性。

药企巨头派

有着深厚历史沉淀的百年药企，并不守旧，AI公司、云服务商是他们在AI制药上的主要合作对象。

上世纪80年代初，美国《财富》杂志曾对默克公司使用计算机技术设计药物进行了封面报道，并称这项技术为“下一次工业革命”。

据2020年6月发表于Drug Discovery Today杂志的文章显示，21家头部跨国药企在2014-2019年共发表398篇与“AI药物研发”相关的论文，同时启动了73项内部AI研发项目、61项与外部AI公司合作的项目、以及11项投资/收购初创AI企业。

默沙东是这些药企中，最早与AI公司达成合作的之一，最早可以追溯到2012年。

2017年，武田药业与加州圣布鲁诺的Numerate公司正式签约，利用AI技术寻找肿瘤学、胃肠病学和中枢神经系统疾病的小分子药物。

同年，赛诺菲与苏格兰Exscientia公司签署了一项潜在价值为2.5亿欧元（约2.8亿美金）的合作和许可交易，用于开发针对代谢疾病的双特异性小分子药物。Exscientia有AI技术，赛诺菲则提供化学合成。

2019年6月，赛诺菲宣布与谷歌合作，共建医疗创新实验室，谷歌将其AI和云计算能力引入与赛诺菲的合作中。

2019年10月，诺华宣布成立AI创新实验室，并选择微软作为其AI战略和数据科学合作伙伴。诺华将微软的AI技术应用于整个药物研发过程，包括研究、临床试验、生产、运营等环节。

国内药企也是不遑多让。

2017年，正大天晴引入阿里云的业务中台架构，利用互联网中间件技术能力，提升了药企的低成本创新和快速试错能力。

2019年9月，豪森药业与AI制药明星公司Atomwise达成合作，在多个治疗领域针对11个未公开靶标设计和发现潜在的候选药物。

现阶段来看，多数药企与AI创业的合作案例，更多是停留在前期的药物研发阶段。值得注意的是，药品的临床试验也需要AI的帮助。

药企希望通过分析大量电子病历数据集，代替冗长而昂贵的患者临床试验来获得药品批准。例如，辉瑞、强生和安进公司，就向FDA提交数据挖掘分析以寻求获批新药或新的适应症。

总体来说，药企在AI制药中的地位，有点类似于医学影像AI行业中的医院。药企拥有可追溯至20世纪80年代的大型临床前数据集，这些数据集是药企数十年积累下来的心血，轻易不肯示人。

毕竟，在人工智能时代，数据才是王道。

所以，抛开与外部AI公司的合作，药企也在搭建自己的AI团队和业内生态，把握更多的话语权。

葛兰素史克是最早在内部创建AI部门的药企之一。

据外媒报道，截至2019年7月，葛兰素史克的AI团队约有50名。2019年12月，其宣布将扩大AI团队的人数，计划到2020年增加80名。

另外，医药魔方对药企参与的AI制药联盟进行过统计，共有16家药企加入了至少1个联盟，占所有制药企业的36%。

比较有名的联盟是MELLODDY。

这个联盟的目标是建立一个机器学习平台，这样就可以从多组专有数据中学习，同时又能尊重它们的高度机密性，因为在整个项目中，数据和资产所有者将保留对其信息的控制权。

还有一个联盟——MLDPS，它的特征是与学术高校走得更近，其目标是打破麻省理工学院机器学习研究和药物发现研究之间的鸿沟——将麻省理工学院的研究人员和产业界聚集在一起，从而找出并解决AI辅助药物研发中最重要的问题。

以“项目制”为特征的医药研发行业中，药企大鳄是当之无愧的C位，把握十足的主动性，极大程度上决定了AI制药公司的未来走向。

互联网巨头派

有创业机会的地方，就有BAT的身影。

习惯“买买买”的腾讯，早在2015年和2018年就参与晶泰科技的A及B轮融资，现在晶泰科技也成为国内AI制药领域的头部企业。

除了投资，腾讯也在自起炉灶。

2020年7月9日，腾讯正式进军AI+新药研发，其开发的人工智能药物发现平台“云深智药”将向科研人员全面开放。

华为在医疗领域布局了华为云EIHealth，基于华为云AI昇腾集群服务、华为云ModelArts一站式AI开发与管理平台的AI能力，集成了医药领域众多算法、工具、AI模型和自动化流水线。

阿里云与全球健康药物研发中心合作，开发AI药物研发和大数据平台，并针对SARS/MERS等冠状病毒的药物研发进行数据挖掘。

纵观互联网大佬们，对生物计算最认真的还应该是李彦宏。

2020年9月，“愿意为技术买单”的李彦宏成立百图生科，并亲任董事长，从“计算+”的角度，百图生科投资/合作了超过50家全球早期技术公司和科研团队，并且投入10亿元设立“免疫图谱卓越计划”，共同加速学术发现和成果转化。

李彦宏曾表态，“在生命健康最关键的领域，哪怕投入再大，风险再高，周期再长，我们也要坚决的去做，生命科学没有尽头，只有尽力。”

去年，字节跳动也成立了专门负责大健康业务的极光部门，AI Lab位于北京、上海、美国三地的团队也被曝招揽AI制药领域人才。

平安科技研究院最近也晒出一个成果——他们和清华大学联合在计算生物学顶刊BIB上发表了一篇论文，首次公开了用于药物发现的分子预训练模型。这个模型具有5300万参数，有点类似在NLP领域取得重大突破的BERT模型。

目前，平安AskBob智药平台已经与日本盐野义制药开展合作，在抗感染和中枢神经系统疾病领域以及阿兹海默症的药物重定向研发和抑郁症等方面进行合作。

从互联网派AI制药势力来看，它们的最大优势在于算力和算法，自身的短板在于对药物知识的深刻见解和人才队伍。

在以“暴力计算”为特征的AI技术加持下，辅以药企多年来的珍贵“数据池”，药企一旦与生态链丰富的互联网巨头牵头，未来的前景会非常可观。

AI制药创企派

2020年，被称为AI制药的“元年”。

据健康界统计，国内目前从事AI药物研发的企业近20家，超半数企业成立时间主要集中在2015-2018年，融资轮次集中在A、B轮。

同时，受疫情等多方因素影响，2020年，国内获得融资的AI药物研发企业有8家，包括望石智慧、晶泰科技、星药科技、冰洲石科技等，总额达14.16亿美元——合人民币近百亿元。

在这样的融资力度下，AI制药似乎成为了下一个“现象级”的创业赛道。

值得一提的是，现在的二级市场，有两支“AI制药”概念股，Schrodinger和Relay Therapeutics已分别于2020年2月和7月在纳斯达克上市。

其中，作为行业内第一家计算药物研发上市公司，Schrodinger的股价从首发价17美元，一度涨到近百美元。

能有这样的股价表现，说明AI制药公司是有不少干货的。

今年3月，英矽智能宣布，在全球首次利用AI技术发现新机制特发性肺纤维化（IPF）药物新靶点，以及针对该靶点设计的全新化合物。

当然，与其他AI行业的同行一样，制药的最大难点也是数据。

目前，AI制药企业主要依靠公开数据来进行模型训练，同时，通过合作的方式从药企、医院、CRO、实验室获得差异性数据。

英矽智能的CEO AIex Zhavoronkov就表示，AI新药研发往往需要更多的试验数据，拥有顶尖水平的科学家才能获得合作伙伴关系，并让算法进一步优化。而中国本土的AI新药研发企业总是缺少创新，经常依赖于开源的东西来进行复制。

创立了亿药科技的谢正伟博士，也曾向《生辉》表示，一家AI制药公司的核心竞争力，主要体现在商业发展上，可以简单归结为两个指标：

第一个指标是做技术服务的能力，是否能拿到大公司的订单；

另一个指标是自研管线，是否有成为创新型研发中心以及未来成为药企的潜力。

从大公司拿订单，是现在AI制药公司走得比较多的路，也就是上文所说的“项目制”方式，这条路线较为传统，也是最为稳妥的一条路。

而一些AI制药公司在不断壮大后，也在往第二条道路走。例如，从晶泰科技孵化出的剂泰医药，就已经基于其专有的高通量AI制剂平台搭建制剂新药管线等。

结语

在十年以前，我们可能没有想过，有一天AI会自己设计出化合物。

和其他AI赛道一样，我们可以相信的是，AI制药会经历一个成长爬坡期，未来，AI药物研发将不再是生物医药行业中一个概念性技术，而是成为行业中非常核心的存在。

如果用武林门派来形容上面的三类厂商，药企更像是“少林派”——天下武功出少林，所有纷繁复杂的变化都有迹可循；

互联网企业更像是“明教”，群众基础大，阵容雄厚；

而各个AI制药公司，则是散落在中原大地上的各个门派，招式各有不同。

围绕三大派系，AI制药的江湖故事将会不断上演。、

AI新药研发·未来独角兽峰会再度来袭

今年5月，雷锋网邀请了百图生科、望石智慧、未知君、剂泰生物、星药科技、英矽智能等AI制药行业头部企业，举办了一场干货满满的线上云峰会。

业内的一个共识是，AI制药仍处于发展早期，挑战不少。我们深知，一个行业的发展，离不开所有业内人的努力、分享与交流，总要有人先行举起炬火。

因此，应广大读者的留言和要求，雷锋网再次筹办第二期AI新药研发未来独角兽云峰会。

我们邀请了华为云医疗智能体、燧坤智能、英飞智药、宇道生物、西湖欧米等五位行业顶级专家，再次掀起一场学术与产业大讨论。

与此同时，我们还将进行“AI制药「最具成长力」榜单”评选，呈现出一份AI制药企业十强榜单，以及以制药为核心的6大主题奖项。分别为：

最佳AI算法平台奖

最佳云计算厂商奖

最佳高通量测序平台奖

最佳“AI+CRO”奖

最佳大数据集成平台奖

最佳药企AI应用奖

我们将集合众多药企专家、科技大佬，以及知名投资人的各方意见，找寻出那些在点点浪花中，最值得关注的AI新锐力量。希望，参加云峰会的你，都能成为这个行业最早期的见证者和推动者。

随着医改政策的不断推行，从2020年开始，带量集采开始迎来更大规模的动作。

2020年11月5日，医疗器械集采第一单——冠脉支架在天津实施，将均价一万三的冠脉支架降至700元左右，一举开启了冠脉耗材的“百元时代”。

此后，这种政策的巨额福利逐渐被更多省份所效仿。

近期，广东牵头16省区集采联盟，一举成为药品和器械行业的双重焦点。

据了解，此次药品目录暂时拟定了281种之多，超过了国家第五次集采种类四倍之多，除了药品，此次集采还囊括了高值耗材的超声刀头；

在范围上，这次16省联盟，牵头山西、福建、江西、河南、湖北、湖南、广西、海南、贵州、云南、陕西、甘肃、青海、宁夏、新疆、新疆建设兵团等省（自治区）共同集结，堪称中国医疗市场的半壁江山。

据悉，该项目5月中旬已经启动，药品由广东省平台负责、耗材由深圳耗材平台负责具体实施，采购文件另外发布，目前相关医院正在进行超声刀头的数据采集工作。

至此，在内蒙古等14省（区、兵团），跨省联盟集采联盟之后，集采中正式诞生了体量最大的地方性联盟。

器械集采，地方省份为什么越来越抱团

相对于国家集采，地方集采的初衷就是按照地方性医疗需求按需供给，那么在各地医疗器械市场和发展完全不同的情况下，这些省份这次又为什么要抱团行动？

从区域分布来看，这次器械集采联盟的省份分布在西北、西南和华南等地区，这些地区过去在全国市场的话语权并不高。

根据国内器械耗材三巨头之一威高集团的财报显示，2018年，这些地区加在一起也仅占其总营收的23.63%。

如果从更大的医疗投入来看，根据2020年国家卫健委发布的《中国卫生健康统计年鉴》，在人均卫生总费用排名一项，在倒数10个省份中，就有这次集采联盟的五席。

除了广东地区，这里面很多省份因为较弱的医疗能力，在以往的集采面临话语权不足和难以压价的问题。

以河北省曾开展的两病用药带量采购为例，其中阿卡波糖的入围者就是华东医药子公司中美华东，中选价格是0.61元/片。

而在全国集采中，河北省的阿卡波糖中选价格折算下来是0.32元/粒，这个价格比中美华东阿卡波糖的价格便宜将近一半。这意味着河北地区同一类患者，却要吃着价格相差一倍的药物。

和全国集采的大幅降价相比，像河北这样试点的地方集采落差现象并不在少数。

2020年，在辽宁省的地方骨科耗材集采中，虽然成功博得1100余家企业参与，但各家企业对于产品的降价热情都十分有限，平均降幅仅有17.3%，这和江苏81.9%的降幅存在较大差距。

究其本源，医药企业态度不足有限，还是在于这种单打独斗的市场太小了

一位负责地方集采的专家表示：“地方市场难以达到以量换价的目的，对于企业来说，博得中标都没有太大的动力。”

此外，集采还有一个重要问题——玩家过于集中。

以冠脉支架为例，根据2018年机械研究院数据显示，我国冠脉支架市场份额80%，被乐普（20%）、微创（18%）、吉微（15%）、雅培（11%）、美敦力（10%）、波科（20%）这六巨头所占据，其他玩家仅占20%。

此外，置换人工关节市场也存在类似的情况，前五大厂商强生、捷迈、史赛克、施乐辉、邦美，占据整个市场66%的市场份额。

这就意味着，地方集采要想真正落地就必须与巨头作战。

拥有同样经历的一批人，更容易走到一起。

2020年，重庆医保局率先宣布联合云南、河南、贵州、重庆四地开展医用耗材跨区域集中采购，至此诞生了全国首个器械采购联盟。

随后，京津冀联合采购平台也发布了《京、津、冀、黑、吉、辽、蒙、晋、鲁医用耗材（人工晶体类）联合带量采购议价谈判方式拟中选结果公示》，标志着3+6的九省人工晶体集采联盟正式成立。

此后，在各地的集采项目中，又陆续诞生了陕西省际和六省二区等多个医疗联盟，继续扩散了集采的团队作战思路。

地方抱团，企业怎么看？

虽然从地方意愿来看，集采越来越愿意抱团作战，但博弈的另一方“医疗器械企业”，显然持有更加复杂的态度。

截至2020年9月，全国已有多个省份相继开展地方性高值耗材带量采购试点工作，省级以上试点方案数量就达16个，其中省际联盟试点方案就有4个，省级带量采购方案有12个。

在和这些地方集采打交道过程中，器械企业最直观的感受就是——规则和玩法颇为复杂。

一位医疗业内人士表示：“地方带量采购的规则，相比国家方面要复杂许多，对各个企业都是一种考验。”

具体从案例来看，江西出现了“双信封+带量采”模式、福建采用了“八标+带量采”模式、在湖南又成长出“分类采购+带量采”的模式。

玩法最为复杂的就是湖南的“分类采购+带量采”，将所有投标产品按照专利期内、专利期外、国家重大创新分为三个层次，再按照层级实施集采。

许多参与湖南地方集采的从业者则认为，按照这种划分不明的一刀切非常不合理，次序颠倒，十年前的组合物专利居然被放在第一质量层次，甚至出现部分品种高价中标的现象。

每个省这样的集采特点，过去需要医疗企业依次解读其采购文件，再决定每个市场是中标还是只想参与。

对于医疗企业来说，这种联盟形式的地方集采，也更符合他们的胃口

当然除了这点，联盟形式的集采，还能很好的解决地方保护问题。

同济大学法学院知识产权与竞争法研究中心曾向媒体表示：“各地议价能力不同，省级采购权力过大，容易滋生地方保护与贪腐。需要预防将来可能发生的滥用市场支配地位的限制竞争行为，更要保护好本可以存续的竞争。雷锋网雷锋网雷锋网

结语

迄今为止，集采政策已经实施超过三年，但目前各地的集采规则还并未统一，依然还处于探索期，像广州集采这样的新玩法和新情况，或许未来还将不断出现。

而对于医疗企业而言，随着集采逐渐进入深水区，这样每一次变量和政策或许会给市场带来进一步的重构，只有不断根据市场调整战略，才有机会在集采的“大考”中胜出，在市场中博得最后的胜利。

雷锋网消息，上周，位于以色列特拉维夫的一家医疗AI公司CytoReason和辉凌制药宣布了一项合作，将CytoReason基于人工智能的人体计算模型，与辉凌在炎症性肠病（IBD）方面的专业知识结合起来，从而开发基于细胞水平的疾病模型，以加速药物发现并降低开发成本。

此次合作利用了CytoReason的公共和专有分子数据库，以获得有关机体功能的关键信息。本次合作结束时，CytoReason将对最重要的药物靶点进行深入研究，为IBD患者提供新的治疗选择。

CytoReason的联合创始人兼CEO大卫·哈雷尔表示：“与辉凌制药的合作是很自然的。辉凌制药是IBD解决方案和药物的全球领导者。他们在胃肠病学、免疫学和转化医学方面的专业知识，会帮助我们更好地理解IBD的复杂性质，进而利用我们的AI技术创建更精确的疾病模型。“

据了解，双方的合作是为靶点识别而设计的，尽管AI方法也可以用于开始临床试验之前的适应症分配。

哈雷尔说：“IBD是世界上被研究最多的疾病之一，可能仅次于癌症，现在又是COVID-19。IBD不仅广泛存在，而且对患者的生活质量具有非常深远的慢性影响。”

而辉凌制药的受益点也很明显，那就是进一步提高药物研发速度和准确性。哈雷尔指出，“在AI方法之前，常用的方法是动物建模，一个动物模型的方法可能需要18个月和10万美元，我们的方法可以在一个小时内比较数百种疾病。“

与许多生物信息学系统不同，CytoReason的模型完全基于人类数据，这是CytoReason的模型区别于其他模型的关键特征。“（我们）没有动物数据，在开发一种针对人类的药物时，这一点很重要。”

哈雷尔表示，“我们不是在与制药商竞争，可以在所有正在进行的临床试验中训练我们的模型。随着时间的推移，模型会根据每一个新客户的需求而不断改进，它们会变得更加准确。”

据雷锋网了解，CytoReason的疾病模型是利用公共和专有数据开发的。 哈雷尔说：“从平台获得的目标类型，可以根据合作伙伴的具体需求和能力进行定制。无论那意味着大分子、小分子，还是特定的细胞或通路。”

例如，与辉凌制药合作时，“我们不会告诉他们‘这是五个最佳靶点'，因为它们可能因客户的验证方法、协议、制造能力、分销系统或其他因素而有所不同，从整体上理解这种疾病至关重要。”

哈雷尔说：“现在的方法是对数据而不是物理化合物进行高通量筛选，而不是使用蛮力开发数据。”

这种基于数据的筛选可以访问不断更新的知识库。“每两分钟，就有一篇新的期刊论文发表。这远远超出了一个人的理解能力。CytoReason每天都更新数据库，以包含这些新发现。因此，AI的方法使得将新知识融入项目变得更加容易。”

目前，CytoReason有大约200种不同级别的疾病模型，这种灵活性使研究人员能够检查一种疾病的亚群。

哈雷尔说：“在一些医生看来两种疾病可能很相似，但在分子水平上却很不一样。有了稳健的数据模型，我们就可以对疾病进行分层，并在疾病变体中识别特定的元素。”

这种方式可以带来更加个性化的方法，从而让患者的治疗更有效。

哈雷尔说，在药物研发行业里，制药公司面临着成本增加和成功率降低的挑战。“所以，实施人工智能是大多数公司都在追求的东西，它正在成为药物项目的一个关键组成部分。

“虽然我们不知道100年后的药物开发会是什么样子，但使用更少的动物和更多的技术……更多的人工智能是相当肯定的。我们现在做的这些事情，就是帮助行业往这一方向迈出第一步。”雷锋网

“在生命健康最关键的领域，哪怕投入再大，风险再高，周期再长，我们也要坚决的去做，生命科学没有尽头，只有尽力。”

在5月10日的首届中国生物计算大会暨数字医学创新峰会上，一袭米色西装的李彦宏表露决心。

本场大会，集结了国内最顶尖的生物和计算领域的专家：中国科学院院士鄂维南、西湖大学校长施一公、中国科学院院士董晨、中国科学院院士谭蔚泓、清华大会智能产业研究院惠妍讲席教授马维英等100多位行业专家。

2020年9月，“愿意为技术买单”的李彦宏成立百图生科，并亲任董事长。

以自身的生物计算引擎为基础，百图生科投资/合作了超过50家全球早期技术公司和科研团队，并且投入10亿元设立“免疫图谱卓越计划”，共同加速学术发现和成果转化。

本次大会召开的前一晚，百图生科与苏州工业园区管委会签署战略合作协议，百图生科将在苏州工业园区设立首个研发中心，并组建全资子公司负责运营，全力打造企业最重要的中央研发基地。

李彦宏认为，今天生物计算的发展十分迅速，有三个关键指标在快速增长，共同促进生物计算，给人类创造更大的价值：基因组学研究带来的人体数据快速地增长；新药研发过程当中所积累的知识在快速地增长，甚至是爆发；新生的各类机器学习算法快速提升迭代。

李彦宏在演讲中表示，“生物计算产业的发展需要生态和产业链的协同，一家乃至100家的企业可能都远远的不够，我们希望和科学家、企业家一起构建开放的生物计算的创新生态，去探索广袤浩瀚的生命科学的无人区。”

作为本次大会的协办媒体，雷锋网还将带来更多的嘉宾演讲与对话内容，敬请期待。

以下为李彦宏的演讲内容，雷锋网做了不改变原意的整理。

李彦宏：尊敬的许昆林书记，尊敬的各位院士、各位嘉宾，非常高兴大家来参加首届中国生物计算大会，毫无疑问，生物计算是代表未来的产业发展方向和技术发展方向。

苏州有着强大的生物制药的产业基础和良好的人工智能技术基础。所以，首届生物计算大会在苏州召开，我认为是再合适不过的了。

我这次来其实有双重身份：一方面是百度的董事长，另外一方面也是去年刚刚成立的百图生科董事长。

从去年开始我们发布这个消息，不断有朋友来问我，为什么去做一个生物计算的公司？

其实我对生物计算的热情由来已久，大概在25年前，我对生物信息学挖掘人体秘密就充满兴趣。当时我还在华尔街做一名程序员，那会儿就申请了默克公司的研究小组的工作，他们也给了我offer。

后来没有去是因为我太太打击我，她是生物分子学方面的博士。她说你到那儿啥也做不出来，基因测序技术非常初级，无论是数据量、成本、速度都用不上你那些高大上的计算技术。

后来我想来想去，觉得确实如此，当时的生物数据量和数据的质量都是不行的，也不足以发挥计算的优势。后来的事情大家都知道，我回国从事互联网信息的工作，做了搜索引擎，帮助人们获取信息。

20多年过去了，我惊喜的发现，互联网发展过程跟生物计算的发展有着惊人的相似之处，那个时候我可以非常精确的算出来每年百度的搜索量上涨200%还是300%。

搜索量的增长被三个因素所驱动：第一就是上网的人数，第二就是每个人平均上网的时间，第三就是网上存在的网页的数量，这三个因素都在高速增长，把这三个因素一乘就算出来搜索量的增长。

今天生物计算领域也有三个关键指标在快速增长，共同促进生物计算给人类创造更大的价值，这三个指标是：基因组学研究带来的数据快速增长，新药研发过程当中所积累的知识快速增长甚至是爆发，以及大家比较熟悉的新生的各类机器学习算法快速变化。

这些年我对挖掘人体生物数据的热情一如既往。作为未来科学大奖的捐赠人，作为基因组学研究项目的资助人，我也一直在密切关注着这个行业的变化。

我看到基因组测序成本快速的降低，我也看到了单细胞组学技术的落地，看到了基因编辑技术等能够产生大量数据实验数据的成熟，还看到了百度风投投资的各类前沿生物传感器高通量实验数据轴公司更多的潜力。

如此大量的数据给我们认知复杂的生命系统打开了新的大门，也给计算技术带来了新的用武之地。正如我们在信息分发、智能交通等很多领域经历的一样，海量数据需要更加创新的算法，更加强大的底层计算架构，才能有效提取其复杂的规律。这些新的AI技术也需要跟前沿的生物技术和实际的创新研发的过程相深度结合，才能够充分打磨。

在我看来，生物计算是一个高度融合的学科，就是生物和计算的融合，会带来巨大的突破和进步。

我们希望打造一批融合生物+计算技术的药企，利用大量的生物数据，能够把所有的尝试积累到统一的知识图谱上去，从而把药物发现的“大海捞针”变成“按图索骥”，这样就可以加快发展First-in-Class的创新药物，为人类的生命健康带来福祉。

我们希望，用AI技术缩短药物研发的时间，降低药物的副作用，减轻患者的巨大医疗负担，给每一个生命争取更多的可能性。在生命健康最关键的领域，哪怕投入再大，风险再高，周期再长也要坚持去做。生命科学没有尽头，只有尽力。

生物计算产业的发展需要生态和产业链的协同，一家乃至一百家企业可能都远远不够，我们希望和诸位科学家、企业家一起构建开放的生物计算的创新生态，去探索广袤浩瀚的生物科学的无人区。

今天世界上市值排名前十的公司当中有8个是所谓的科技公司，但是这个科技是不包括生物科技的，现在没有一家生命科学领域的公司进入前十。我相信，随着生物计算的高度发展，这个局面一定会改变。

今天与会嘉宾都是探索路上的同路人，感谢大家的到来，希望今天的大会能够如同当年见证人工智能起源的达特茅斯会议一样见证生物计算的新纪元，给人类健康带来实实在在的加速度，这也是我们今天相聚于此真正的价值。

祝大家早日圆梦生物计算，也祝本次大会圆满成功，谢谢大家！雷锋网

据统计，制药公司研发一款新药平均需要花费26亿美元，以及长达10年的研发时间，即使成功进入临床试验阶段，药物研发的失败率仍然高达90%以上。

目前，全球用AI来辅助药物研发的公司已经超过200余家。尤其是AlphaFold2的横空出世，让非医药出身领域的百度、腾讯、华为、字节跳动等科技巨头也纷纷布局AI医药领域。

与此同时，一些较早期就专注深耕AI新药研发的企业，已经用实际成果印证AI的潜力。

2014年，晶泰科技创立于麻省理工校园，以计算驱动创新，解决药物临床前研究中的效率与成功率问题。公司将量子物理、人工智能与超大规模云计算相结合，实现对小分子药物重要特性的快速、准确预测，在药物发现、设计和药物固相筛选等领域拥有多项技术。

近年来，晶泰科技陆续与多家药企以及生物科技公司实现合作。

去年，晶泰科技获得C轮3亿美元的融资。4月，晶泰科技宣布与希格生科的肺癌新靶点药物发现合作中， 利用AI算法与疾病模型的验证与反馈，两家公司仅用半年多就获得了全新靶向药的PCC（临床前候选），标志着AI制药全新的突破。

当下，AI新药研发是否会成为下一个创业的热门赛道？AI在新药领域是否真的前景无限？借此机会，雷锋网与晶泰科技CEO马健进行了一次对话。

以下为对话实录，雷锋网做了不改变原意的编辑和整理

雷锋网：从2020年开始，AI药物研发的行业热度升高，下半年接连出现多个融资事件，背后的原因有哪些？是否意味着其已经成为新的投资和创业风口？

马健：2020年的资本市场里，生物医药行业的热度非常高。

我之前看到的一个数据是，2020年一、二级市场总体的募资规模是2087亿，这个数量相当于2018年、19年的总和。这其中有多重政策因素的推动。

中国的创新药，从2015、16年开始起航，其次是2018年的港交所引入18A章，对尚未盈利的生物医药公司敞开大门。两年来，借助于港股市场的政策优势，和国家对生物医药产业的重点支持，未盈利生物药企得到了前所未有的关注。2019年7月，科创板正式开市。

打通一二级资本市场后，生物医药行业形成了很好的流通机制。从细分赛道来看，AI药物研发是中国创新药一个很重要的主题。

此外，从一致性评价开始，到2018年的带量采购。仿制药的利润空间受到了很多的挤压，大量的仿制药企面临转型的巨大压力，寻找获得创新药研发的外部加持。

所以，中国生物医药的发展和战略转型不是一个单纯的口号，是上到政策、中到市场，进而体现在整个行业的大势所趋。

过去几年，中国的创新药还是快速跟进式的药物发现——fast-follow-on新药。但是，结合全球市场的竞争格局，我们必须做到 First-in-class（首创新药）。只有往“首创新药”的方向走，才能够在未来的5到10年，让中国的生物科技企业真正具备市场竞争力，现在行业已经非常清晰地认识到了这一点。

AI药物研发面向的是药物研究整体效率和成功率的优化，尤其是面向源头创新阶段，AI是一个非常重要的新手段，也是中国药企“弯道超车“的重要伙伴。所以，AI制药风口背后，是中国医药产业转型升级的强劲东风，也是中国药物研发领域巨大发展空间的体现。

雷锋网：是什么契机让你创办这家公司？2020年月，晶泰科技也获得了C轮3亿美元融资，能否谈谈当时创办晶泰科技时印象深刻的事情。

马健：回头看来，晶泰科技的创办是“天时、地利、人和”。

2014年我们在波士顿组建团队时，正是国内双创大潮最热火朝天的时候，而中国的生物医药又经历了一个非常重要的节点——2014到2015年，我们看到仿制药一致性评价开始启动，中国医药行业进入一个新的周期。

晶泰科技的成立，可以说是踩中了一个行业发展的好节点。

而在技术层面，AI算法、计算化学等技术的发展，也在刷新行业的高度。

2018年，我们与辉瑞制药签订战略研发合作，为他们提供商业化的AI服务。我们融合量子物理与人工智能，建立小分子药物模拟算法平台，提高算法的精确度和适用广泛度，让更多的预测可以在药物发现中得到使用落地。

在此之后，我们将底层技术的应用领域从研究晶体结构拓展至药物发现、药物设计，向药物研发的源头推进，其实也是推动了AI药物研发行业的整体进步，并在很多客户合作中证明了整个平台的价值。所以，去年的融资也是对晶泰科技的一种肯定。

雷锋网：晶泰科技的技术亮点和业务构成有哪些？

马健：一开始，晶泰科技是以量子物理、量子化学为根基，从微观世界的物理模型开始，来构造一个很底层、但是具备很高拓展性的核心研究能力。

以这一核心能力为原点，让我们可以从原子、电子层面，对药物分子的表现和与靶点蛋白质之间相互作用，实现非常高精度的描述、模拟，这就是晶泰科技量子物理计算方法的本质。

因此，从这些技术基础出发，晶泰科技主要是从计算的角度为药物研究提供一套全新的基础设施，尤其在数字化和智能化两方面进行技术创新和贡献。

我们的主要业务在两个方面，一个是在药物的开发环节，通过对药物的晶型和盐型、水合物等固体形态的准确预测减少药物开发实验探索的成本。比如说，晶型预测。

小分子药物必须通过系统的固态研究，普遍是通过实验筛选完成。在有限的时间内，利用有限的原料药筛选出最佳药用晶型是一项很有挑战的实验工作。

针对不同的体系复杂度，固态实验需要少则几个月、多则一年以上的研发周期，还面临转晶、临床期间更换申报晶型、上市后晶型专利被挑战的风险。晶泰科技结合量子化学、人工智能和云计算技术，从底层构建了一个高性能晶型预测平台。

基于前沿的算法和庞大的计算资源支持，快速、高精度的晶型预测技术可以在2～3周内确认潜在的药物晶型，并给出晶型在生产、存储的自然温度区间内的热力学稳定性排位。

精确预测与实验筛选相结合，可以帮助药企快速判断实验筛选是否充分，判断筛选出的晶体粉末的纯度，准确判断实验晶型的稳定性风险，锁定最优晶型，这就能够有效加速研究和决策过程，大幅降低固体形态在后期应用的风险。

如今，晶泰科技的固态研究算法已经成为我们的“拳头产品“，被越来越多的国内外药企青睐，速度、准确度远远走在学界与工业界的前沿。并提供全套的晶型实验、MicroED晶体结构确认和结晶工艺开发服务。

另外一类业务是在药物发现环节。

以小分子药物为例，我们目前拥有化学空间全覆盖的药物分子通用力场、高精度药物活性预测、目标导向的人工智能分子结构生成、针对性优化的药物性质评估模型等一系列核心技术，覆盖靶点发现后到临床试验前的全部研发步骤，提供包括苗头化合物筛选、先导化合物产生、先导化合物优化在内的多项服务。

我举一个例子。

先导化合物优化（Lead Optimization）是新药研发活动中极其重要的一个阶段，也是一个复杂的多变量优化的过程。这个阶段通过对先导化合物化学结构的修饰，在保持其生物活性的前提下，进一步改善分子的选择性、物理化学性质、药代动力学和毒理学性质，最终优化得到一个安全有效、具有开发价值的临床前候选药物（Pre-clinical candidate，PCC）。

不论是me-too, me-better类新药，或者是first-in-class类新药，其研发过程一般都需要耗费大量的资源和时间，因此非常有必要引入高效的优化方法。

我们的算法平台可以针对指定的靶点，生成结构新颖的分子骨架，准确预测新分子的理化性质及成药性质，尤其是与靶点的结合活性。这样可以充分利用AI的创造力，发现远超过人类认知的潜力分子。

雷锋网：AI可以在制药的多个流程中实现应用：靶点发现、化合物筛选、化合物合成、优化临床实验设计等等。目前，从AI在新药研发领域的整体应用看，主要集中在靶点发现阶段，即主要集中在新药研发早期，而化合物合成、化合物筛选、晶型预测等环节的企业数量较少。出现这种现象的原因是什么？技术难度还是其他？

马健：从我们看到的行业情况来看，大部分企业还是在化合物发现阶段，而基于AI技术的靶点发现还比较早期，在临床部分也有很多活跃的想法。但是，药物研发的不同阶段，其数据的来源、数量和质量都不太一样。

因此，所谓的AI药物研发，还是一个以数据驱动为主的状态。在一些领域，实验数据的采集条件差别很大，数据质量参差不齐，或者数据不平衡，负样本——也就是失败结果的数据难以获得，这都会限制AI在这个领域的发展和应用。

晶泰科技的物理思维接入，让我们可以更好地描述问题、让算法更高效地利用数据，包括高精度计算产生的自有数据。

同时，我们的实验室可以提供快速的反馈，形成闭环，也帮助晶泰科技在这些研发瓶颈领域，特别是数据难以获得的领域实现突破，提高我们的研发效率和算法精度。

雷锋网：这几年来，AI在医疗领域应用最为成熟的赛道是医学影像。但与此同时，同质化的现象也比较严重。“同质化”的现象会不会在AI药物研发领域出现？

马健：同质化的现象不太会在这个领域出现。这是因为AI制药有非常多的细分切入点，每家公司的技术都有特色和差异化空间。

AI药物研发和AI医学影像面对的是两类问题。

药物研发评估维度更多、优化目标更复杂。一个药物分子从无到有，从基本的物理、化学性质，到人体内的药学表现，不同的靶点和适应症，还有不同的研发路径、开发策略、临床方案等等，而每一个维度都涉及不同的需求和相应的研究挑战。

而且药物研究的时间周期显著更长，横跨几十个学科领域。这意味着在细分领域中有更丰富的机会，而复杂的疾病领域也给这些AI制药企业宽广的施展空间。

晶泰科技选择的是全链条覆盖的AI研发策略，在药物发现的早期就从多个关键维度筛选、优化候选分子，从而实现更高的研发效率和成功率。

雷锋网：既然AI制药公司的关注点如此分散，从另一个角度来说，是不是很难出现“头部玩家”？

马健：AI制药行业现在还没有完全中心化。

举个例子，现在生物的CDMO已经是比较中心化的了。但是AI药物研发作为一个新兴领域，目前我觉得还没有形成一个特别强的中心化趋势，某一家不太可能把所有的技术全部都涵盖。

AI制药行业的市场天花板非常高，大家都还处在一个高速增长的过程中，距离市场饱和还很遥远。前段时间我们在公司年会上还提到，现在已知的疾病数量与已经通过药监局审批的药物之间，仍然存在非常大的差异。而反观现状，很多新药研发都是同一赛道药企扎堆，大家都在做同样的事情，千军万马独木桥，比谁先上市。

因此，在这个离饱和非常远、创新效率仍然较低的市场里，AI能够用更高的效率、更快的速度发现更多的新药。那么，它可以承载的市场还是非常大。

从晶泰科技的角度说，我们拥有一个可扩展的云端创新平台。如果有足够的计算资源，我们希望把它最大的潜力发挥出来。基于目前的计算能力，我们可以同时支持几十个新药研发的项目。

雷锋网：你们在选一个研发方向时的标准是什么？现在有哪些比较好的项目案例？

马健：从我们自身的平台和算法开发的角度来说，晶泰科技一直聚焦于药物研发中的核心环节，和那些最明显的瓶颈问题。

不论是最初的晶型研究，还是后来的晶泰药物分子通用力场、AI分子生成算法，在我们眼中，是否值得做，比问题的难易更重要。

特别是随着我们与药企合作的深入，包括与辉瑞、阿斯利康等创新龙头有联合的研究项目和论文发表，我们有机会从一线研发科学家处直接掌握他们的痛点，找到那些晶泰科技凭借量子物理、AI领域的优势，更有机会获得领先成果的突破口。

在外部合作方面，我们挑选的客户、也是研发伙伴，主要集中在几个领域。

一是具有创新性的先锋生物科技公司，我们已经宣布的合作中，包括思路迪、新格元、青煜医药、希格生科、还有PhoreMost等等。

我们期待这些新技术的强强联合可以为更多具有挑战性、缺少治疗选择的疾病领域带来突破性的新药。

此外，辉瑞等实力创新药企，以及转型中的仿制药企，也是我们很看重的合作伙伴。

晶泰科技的算法与药企所拥有的数据结合，可以更大限度地发挥AI的真正实力。我们也有一些合作是与学界研究组、顶尖生物学家进行的。

我们希望数字化、智能化的领先算法，可以帮助科学家将前沿的科研结果更快实现转化，探索新的研究方法和道路。

雷锋网：除了创业公司，2013-2018年间， 国际药企AI相关的商业运作（如并购，合作，自我研发等）总共达到了170宗，几乎每个国际药企都至少和一家AI企业有合作。辉瑞，葛兰素史克和诺华等制药公司也在内部建立了大量的AI研究团队，利用AI进行临床管线的早期开发。药厂的这些举动，是否会对创业公司的发展产生冲击？

马健：我认为之所以会有这样的现象，是因为大家都认识到这个问题非常重要。

首先，过去很多年，在药企内部就已经很广泛地研究和推进data mining（数据挖掘）。药企内部本身就对技术非常重视。

其次，从创新角度来说。很多突破性的创新活动是来自创业型公司，不是大型企业内部。像晶泰科技这样的企业，比一个大公司的内部更有机会针对一个特定的技术问题，组建一支跨越科学、药学、算法、工程等多个学科领域的团队重点突击，摆脱传统的思维模式，从而获得突破性的思路和成果。

第三，药企毕竟不是一个服务型机构，更多的研究是面向内部体系，而晶泰科技有几十家客户，可以同时跟三、四十家不同的企业横跨多个疾病领域去合作、孵化很多管线。从项目的数量多样性上讲，与我们也是不太一样。因此，单纯从合作数量、应用范围上来看，AI药物研发公司的覆盖面还是非常广的。

雷锋网：国外AI药物研发公司，似乎均比国内公司的进程更快。例如，Atomwise、BenevolentAI、Exscientia。Exscientia2012年就在英国牛津成立，进行药物设计全自动化。相反，国内在近两年才迎来创业和项目的集中“爆发”，这其中的差距主要由哪些因素导致？

马健：我觉得大家真的是各有特色。一个公司的活动离不开市场，市场决定了很多公司的商业形态。同时，也离不开所在地区的经济和技术的发展环境。因此，中外药物研发企业有很多差别。

从AI技术来看，我认为大家没有太大差距。

但是，中国有工程师红利、科学家红利、新兴市场的需求，这些能够给我们带来差异化。而海外的AI创业公司，他们的优势在于欧美大型药企的合作更加直接。

我觉得，目前中国和欧美AI公司难分伯仲，没有产生特别大的差距。

雷锋网：现在国内的绝大多数AI药研公司处于相对早期的阶段。2021年，AI新药研发公司想要进一步获得融资，需要做好哪些事情？从资本角度来看，他们更愿意投哪一类的公司？

马健：AI制药领域的热度有目共睹，企业首轮融资的额度也是水涨船高。

一些投资人和创业者都容易对这类新兴领域和高成长性的技术产生FOMO (Fear of missing out) 心理，相信未来，AI制药这一赛道上的创新企业和投资人会越来越多。

这些企业在融资中很重要的一点是选择真正有实力陪伴他们成长的投资人，因为药物研发过程是漫长的，要自证AI算法是否真的能在细分领域带来价值，需要投资人的耐心等待和长期支持。

当然，随着融资轮次的推进，在创始人身上的压力也会越来越大。能否真的实现融资宣传时描绘的蓝图，在药物研发中带来让药企认可的切实价值，找到差异化的突破点，也是企业必须面对的考验，也是市场自然的优胜劣汰。

我们希望看到更多优秀的、有技术特色的AI 制药公司出现，让智能化的解决方案渗透到更多的研究领域和研发步骤。

我相信这是中国医药创加速崛起的重要机会。雷锋网

功成名就之后，互联网大佬似乎都有“回报母校”的情结。

例如，马化腾之于深圳大学、马云之于杭州师范大学、刘强东之于宿迁中学、雷军之于武汉大学。

黄铮也是如此。

昨天，黄铮辞任拼多多董事长，宣布投身食品科学和生命科学领域的研究。他表示，此举为拼多多未来十年高速高质量纵深发展探索新空间。

就在一天之后，黄铮就向自己的母校捐了一笔数额不小的科研基金。

雷锋网消息，据21世纪经济报道，3月17日，浙江大学教育基金会和繁星公益基金签署捐赠协议，设立“浙江大学上海高等研究院繁星科学基金”（下称“繁星科学基金”），推动浙江大学在生物、医疗、农业、食品等多领域交叉方向展开基础研究及前沿探索。

据了解，捐赠方繁星公益基金由拼多多创始人、浙江大学校友黄峥及拼多多创始团队发起并捐赠成立。

作为第一期资助，繁星公益基金将在未来3-5年向浙江大学教育基金会捐助1亿美元，用于“计算+生物医疗”、“计算+农业食品”和“先进计算”三个创新实验室的科学研究项目。

黄铮为什么会选择这三个方向？他昨天的股东信中就有非常明确的答案。

黄铮在股东信中写到：

如果我们再进一步，深入到蛋白质结构及在人体内的性状的研究，我们是否有可能沿着2016年诺贝尔化学奖获得者的分子机器的道路，进一步研究出蛋白质机器人，可以进入到人的脑部血管进行疏通，避免中风？

蛋白质结构是困扰了学者几十年的世界难题。就在几个月，一项“革命性”的成果问世，或许让黄铮有了进一步挑战这一难题的勇气。

没错，那就是大名鼎鼎的AlphaFold2，出自顶级人工智能公司——DeepMind。

去年12月，DeepMind宣布蛋白质折叠预测问题被其攻破。

此消息一出，立刻登上了Nature杂志封面，标题直接评论为：“它将改变一切！”李飞飞、马斯克等众多大佬纷纷点赞、转发。

随后，《医健AI掘金志》推出一篇《Deepmind被「圈外人」刷屏后，「圈内」科学家是如何评价它的？》。

在这篇文章中，我们与美国密苏里大学哥伦比亚分校Shumaker讲座教授许东教授、印第安纳大学医学院主管数据科学的副院长黄昆教授、AI药物研发公司晶泰科技CEO马健博士进行过深入采访。

借此机会，我们探讨了AlphaFold2解决了什么问题，还有哪些不能解决，以及这项成果在未来生物、医疗领域的前景。

AlphaFold2的创新之处

能够匹配人类的水平，甚至超越人类，AlphaFold2肯定有其过人之处。

根据DeepMind在CASP14会议上公布的技术方案，应该有两点。

首先，是注意力机制的引入。

注意力机制的引入，解决了如何更好地从多序列对齐（multiple sequence alignment）数据中提取特征以指导结构预测的问题。

在此之前，较为主流的方案是从多序列对齐数据中提取共进化信息，但DeepMind通过对比发现这种人工设计的特征提取会丢失部分关键信息，而通过引入注意力机制可以较好地解决这一问题。

同时，注意力机制也应用在了迭代更新序列-残基和残基-残基相互作用的过程中，从而以迭代的方式得到更为准确的距离预测与三维结构。

许东是美国密苏里大学哥伦比亚分校Shumaker讲座教授，AAAS和AIMBE会士，曾因为蛋白结构预测的工作获得2001年美国“最杰出研究与开发100人奖励（国际2001R&D 100 Award）”。

许东教授表示，注意力机制确实在蛋白结构预测方面上了一个台阶。

“AlphaFold可以把氨基酸之间的距离整合成三维结构。因为他们的算力很多，两年前他们虽然方法和别人几乎是一样的，预测的距离却准的多，在CASP里做得很好。”

但是，许教授认为，AlphaFold今年真正的创新之处在于利用了注意力机制，可以把氨基酸之间的距离预测问题更为全局、整体的解决，同时对每一对距离的预测可靠性有更好的评价，从而看出什么预测距离更靠谱，让其在蛋白三维结构重建中发挥更大作用。

这么做，就真正把蛋白已知结构进行最大化的应用。

许东教授向雷锋网坦言，此前，自己的团队也思考过，但是那时候采用的是“土一点”的统计方法。

“AlphaFold确实是非常大的创新，这种创新对研究其他问题也有帮助。比如，我们现在就想用类似的思想去做单细胞数据建模的一些研究。

其次，端到端学习的引入。

端到端学习的引入，使得从输入氨基酸序列到输出蛋白质三维结构的过程，可以完全在深度学习的框架内实现，从而使得优化过程可以得到更为直接的误差信号。

而之前的方法往往基于深度学习+传统结构建模工具（例如Rosetta、I-TASSER等）的组合，这样结构建模的误差信号不能直接用于对深度学习模型本身进行更新。

AlphaFold2解决了什么问题？

谈及AlphaFold2，几位专家不吝赞美之词。

许东教授表示，“AlphaFold是非常大的成就。不光是蛋白结构或者生物信息学的重大突破，也是科学史上的重大突破。”

从1997年开始，许东教授就开始了蛋白质结构预测这方面的研究。他表示，从防病、治病的角度来看，蛋白质结构变化预测，绝对是非常重要。

“很多疾病都是在蛋白层面出现了问题，例如基因突变造成氨基酸的突变，使得蛋白结构发生变化，不能行使功能。”

现在，许东教授团队现在和范德堡大学Jing-Qiong Kang教授的合作，就在用结构预测来研究癫痫，特别是为什么一些基因突变可以使得几个重要的蛋白结构造成变化，造成其部分功能丧失，致使癫痫发作。

Jing-Qiong Kang教授把预测的结果与实验进行对比，进而理解疾病。

从制药层面来看，更是如此。

现代药物大多的靶点是蛋白，药物的设计几乎都是基于蛋白的结构来进行合理的设计。现在，机器学习能够取得非常好的预测结果，是否会取代实验的蛋白结构发现方法？

许东教授表示，“会取代很大一部分”，尤其是在低分辨率下，特别是用冷冻电子显微镜进行的结构发现可能不如机器学习做的准确。

AI药物研发公司晶泰科技CEO马健博士也向《医健AI掘金志》说到，结构决定性质。在AlphaFold准确的预测的蛋白结构之上，我们可以更准确地预测药物分子和蛋白的相互作用，从源头上提高计算辅助药物发现与设计的准确度。

同时，现在能解出的蛋白质很少，很多关键的蛋白质十几、二十年都难以用实验解析出结构。有了这项技术，研究人员就可以用这些传统上难解出结构的蛋白作为药物靶点、设计新药。

技术将开启一个药物研发和疾病研究的新时代，可以从原子分子层面上帮助理解疾病的作用机理。

同时，与疾病相关的蛋白结构越来越多地被计算解析出来，会提供大量的新靶点，如同给药物发现打开了一道源头的闸门，为药企开发first-in-class药物创造更多新机会。

马健表示，AlphaFold在解决蛋白质折叠预测问题过程中所积累的经验和Know-how，会产生技术溢出的效果，其中先进的思想和理念将进一步在AI药物发现的其他环节和领域带来启发和促进作用。

AlphaFold2的缺陷

AlphaFold在CASP14中的表现，被誉为是结构生物学领域的地震，让无数该行业的学者为止兴奋。

然而，也有网友提出了一些不同的声音：利用计算机预测蛋白质结构很早就在做，只不过准确度一直是一个问题。

目前，计算机辅助药物设计，在有蛋白真实单晶体机构的基础上尚且不能做到准确预测，更何况是“接近于实验取得结构”。

马健表示，下一步，在蛋白-蛋白相互作用结构、C端N端结构等领域，AlphaFold需要算得更准。

另外，目前AlphaFold预测的是最接近实验的静态结构，未来在药物研发的应用中，如果能将蛋白和药物结合位置预测的更准，需要把蛋白结构的动态变化考虑进来。

许东教授认为，这件事情需要从两方面来看：

一方面，这确实是非常大的成就。不光是蛋白结构或者生物信息学的重大突破，也是科学史上的重大突破。五十年来，蛋白质折叠一直是生物学的巨大挑战。

另外一方面，总归会有一些“泡沫”，存在一定的局限性。AlphaFold不是把所有问题全部解决。不是光有结构，就能够设计药物。

许东教授认为，AlphaFold可以满足95%以上的理解功能、实验设计等需求，达到了应用的标准。

然而，它并不能总是达到一定的标准。现在，人、植物的蛋白被研究得非常广谱，但是在微生物、病毒的蛋白里还有很多新的fold。

和已知序列和结构相差非常大的情况下，AlphaFold做的不是特别好。

“最新的AlphaFold系统在所有目标中总体得分中位数为92.4 GDT，强调的是中位数，甚至都不是平均数。这就表明，有些蛋白的预测还是做的不太好。”

历史中的前人与后人

当然，科研的道路上，聚起希望之火的不止一人。

周耀旗教授、李明教授、许锦波教授、张阳教授、卜东波教授和程建林教授等在这个领域里都做了非常好的工作。

特别是许锦波教授课题组，是真正第一个用深度学习来进行氨基酸距离预测的人，对这个领域起了很大的作用；

密歇根大学张阳教授实验室的服务器很久在CASP自动预测大类里排名第一，得到了广泛使用。

许东教授说到，“所以，大家可能看到是最闪亮的那颗星，但是背后有很多人默默为之奋斗。今天AlphaFold的成就绝对是太多人积淀的结果。”

回到黄铮的这次转型。

据相关人士透露，“繁星公益基金”名称源于文森特•梵高的一句话，“我不知道世间有什么是确定不变的，但我只知道，只要一看到星星，我就会开始做梦。”

这也是黄峥在某一个夏夜，仰头看到夜空里的漫天繁星时闪现的灵感。

历史，何尝不是无数前人灵感迸发瞬间的产物。

PS.关于AI在蛋白质结构预测中的其他问题，读者可阅读《Deepmind被「圈外人」刷屏后，「圈内」科学家是如何评价它的？》雷锋网

雷锋网消息，3月17日，拼多多公布财报的同时，拼多多董事长黄峥发布2021年度致股东信，宣布董事会已批准其辞任董事长，由联合创始人、现任CEO陈磊接棒。

黄峥在致股东信中称，行业竞争的日益激烈甚至异化，让其意识到传统的以规模和效率为主要导向的竞争有其不可避免的问题，要改变就必须在核心科技和其基础理论上寻找答案。

黄峥表示，辞任董事长后，自己将更多结合个人终身兴趣，致力于食品科学和生命科学领域的研究。

又是生命科学？

最近，这个词不止一次刷屏。前有李彦宏创立百图生科，后有张一鸣世界三地招兵买马，招揽医学生物人才。

如果再往前看，马化腾、傅盛、王小川等一众互联网一线创业者都是生物学思维的痴迷者和坚定实践者。

傅盛说，生物学是一门能打通很多跨界知识的学科。相比物理学等自然科学，生物学更深刻地揭示了世界的底层规律。

王小川甚至表示，正是生物学思维让搜狗活到今天。

是什么，让互联网大佬们都偏爱生物学？

李彦宏：一个20年前的梦想

2020年9月，李彦宏成立了一家生物计算公司——百图生科，并将它提到了前所未有的战略高度。

李彦宏作为牵头发起人，亲自出任公司董事长，BV百度风投CEO刘维作为联合创始人，担任公司CEO。

李彦宏对生命科学的关注由来已久。

“早在20年前，我就对生命科学感兴趣，尤其对生物信息学感兴趣。20年前的我感兴趣到什么程度呢，当我在华尔街做一名程序员时，还去申请了Merck（默克集团）一个研究小组的工作，它也给了我一个offer。”

2020年疫情期间，百度向全世界开放了全世界最快速的RNA结构预测算法LinearFold。并且，还在短短两个月内推出全球首个mRNA疫苗基因序列设计算法 LinearDesign。

据了解，这套算法能在11分钟内完成对新型冠状病毒mRNA疫苗的序列设计。

2020年8月，生物计算实验室和安全实验室成立以前，百度研究院一共有七大实验室：认知计算实验室、硅谷人工智能实验室、深度学习实验室、大数据实验室、商业智能实验室、量子计算研究所、机器人与自动驾驶实验室。

这些实验室的研发成果历经4-5年的整合，逐渐形成了百度的AI平台体系。

从这一个框架结构来看，生物计算非常具备“行业性”特征。也可以说，未来，生物计算将会成为百度的“平台型”能力代表。

2020年底，百度还发布了基于百度深度学习平台飞桨的生物计算平台“螺旋桨”，开源工具集提供包括了RNA二级结构预测、大规模的分子预训练、DTI药物靶点亲和力预测以及ADMET成药性预测等在内的新药研发和疫苗设计环节的核心能力。

4年前，李彦宏在未来科学大奖晚会上朗诵了一首诗：《未选择的路》：

“黄色的树林里分出两条路，可惜我不能同时去涉足，我在那路口久久伫立，我向着一条路极目望去，直到它消失在丛林的深处。但我却选了另外一条路，它荒草萋萋，十分幽寂，显得更诱人、更美丽，虽然在这两条小路上，都很少留下旅人的足迹。”

生命科学，可以说是李彦宏选择的后一条路。

张一鸣：与生物专业阴差阳错

据说，张一鸣在2001年考入南开大学时，报的就是生物专业，只是后来被调剂了。在2019年与清华经管学院院长钱颖一的对话中，他详细解释了自己对于生物学的“痴迷”：

“高中的时候参加生物竞赛，看了一本北大老师写的《普通生物学》，对我影响很大。”

“生物从细胞到生态，物种丰富多样，但背后的规律却非常简洁优雅，这对于你设计系统或者看待企业经济系统，都会有很多可类比的地方。”

虽然，字节跳动成立之初，并没有沿着张一鸣的年少梦想走。

但是，2020年12月24日，字节跳动AI Lab（人工智能实验室）位于北京、上海、美国加利福尼亚州 mountain view （山景城）三地的团队正在招揽医药领域人才。

字节跳动AI Lab挂出的职位，均需要博士或者以上学位，专业为计算机科学、数学、计算生物学、计算化学等。

B站董事长兼CEO陈睿曾这样评价张一鸣，“《狮子王》中有一句话，太阳照得到的地方，都是我的疆土。我认为张一鸣真正的梦想是做一个SuperCompany，一个突破人类过去商业史所有边界和格局的SuperCompany。”

抛开药物研发的话题，字节在医疗领域的布局可谓“全面”。

字节跳动成立了专门负责大健康业务的极光部门，由原百度副总裁吴海峰带队，向张一鸣汇报。

该部门的业务对外统一品牌为 “小荷健康”。

2020年5月，字节收购了百科名医网，并将其改名为“小荷医典”。

2020年11月2日，字节跳动推出了“小荷医疗”的独立品牌，并发布了面向患者的“小荷”App和服务医生的“小荷医生”App。11月24日，一家名为 " 松果门诊 " 的线下诊疗机构在中关村露面，而它的背后，就是由吴海锋和孙雯玉共同创办的幺零贰四。

或许，张一鸣正在用自己的方式，“重读”自己青春时期的那个专业。

盛大创始人陈天桥

2000年，可以写入“中国互联网创业史”的陈天桥，凭借游戏《传奇》将中国带入网游时代。当年《传奇》上市一周，同时在线人数便突破了一万人，一个月后突破了10万，一年后突破了60万。

然而，据媒体报道，早在盛大集团上市之初，陈天桥便已身患一种并非绝症但很难治愈的疾病，不能坐飞机出远门，不能长时间在办公室，不能参加公众场合活动，不接受记者采访。

据《泰伯网》写到，一度处在巅峰时刻的陈天桥，在搬往加利福尼亚州之前陆续变卖了盛大的家产，并在全世界范围内做纯粹的财务投资，定位于全球投资集团。

抱着“大脑是一切东西的根源”的想法，搬家之后的几年，陈天桥有条不紊地约见脑科学家，包括加州、纽约州、华盛顿等地的大学和研究所。

2016年，陈天桥向美国加州理工学院(Caltech)捐赠1.15亿美元，用于大脑基础生物学研究。

一年后，陈天桥同样在中国脑科学研究方面投出第一笔重大资金——组建上海陈天桥国际脑疾病研究所，预计总投入5亿元人民币，一期投入5000万元人民币。

2020年，其投资建设的研究院——陈天桥雒芊芊研究院（Tianqiao and Chrissy Chen Institute，TCCI）宣布，该院首个脑科学前沿实验室在上海华山医院虹桥院区落成投入使用。

该实验室主要研究包括脑机接口、睡眠梦境、认知评估、数字医疗等多项内容。

当有人拿同样做脑机接口的 埃隆·马斯克与他相比时，陈天桥不觉得自己跟马斯克有什么竞争，尽管两家不断发表近似成果。

“我们目标不同。 我跟马斯克不是在same page（一条道上）。马斯克的目的和梦想一直是给每一个正常人装一个芯片。他对AI的恐惧导致他肯定要做过激反应，包括往人类身上植入电极，移民火星。我不认为这个危险如此迫在眉睫。”

顶级投资大佬：丁健、沈南鹏、张磊

除了上面几位征战在互联网战场上的创业大佬，创投圈也有钟爱生命科学的人。

据《泰伯网》报到，2016年未来科学大会上，与李彦宏一同捐赠『生命科学大奖』的还有金沙江创投丁健、红杉资本沈南鹏以及高瓴资本张磊。

他们每人承诺连续出资10年，奖励金额为100万美元。

在沈南鹏的回忆里，在大学期间，他很遗憾与成为一名科学家的机会擦肩而过。不过，沈南鹏反过来安慰自己，科学和商业在某种程度上是殊途同归的，都在以各自的方式去揭示这个世界的本质并指引未来。

不同于沈南鹏这般宏大的表述，张磊直言自己看重了科学领域的长周期，并把投资维度拉到20年之久。“ 消费互联网企业的投资周期为6年左右，但生命科学企业投资周期为10到20年，这跟高瓴资本的‘ 长期价值投资’ 理念相吻合。”

从2012年开始试水，张磊认为2012~2016年这4年是很寂寞的。即便如此，高瓴资本在生命科学领域的投资额占了两成。

生命科学：世界运行的规律自在其中

互联网大佬们做生命可续，关乎梦想，也关乎企业的进化，后者更为关键。

《混沌大学》的文章中曾写到，2012年，马化腾在一封公开信中，把14年来腾讯的内在转变和经验得失总结为创造生物型组织的“灰度法则”，具体包含7个维度，分别是：需求度、速度、灵活度、冗余度、开放协作度、创新度、进化度。

为什么一定要建立生物型组织呢？马化腾认为，生物型组织能更好地孕育创新，他说：

“在传统机械型组织里，一个“异端”的创新，很难获得足够的资源和支持，甚至会因为与组织过去的战略、优势相冲突而被排斥，因为企业追求精准、控制和可预期，很多创新难以找到生存空间。”

真正有活力的生态系统，外界看起来似乎是混乱和失控，其实是组织在自然生长进化，在寻找创新。那些所谓的失败和浪费，也是复杂系统进化过程中必须的生物多样性。

早在1994年，凯文·凯利在《失控》一书就有过明确的阐释：

生物逻辑已被注入了电脑芯片、电子通信网络、药物搜索、软件设计、企业管理之中，旨在使这些人工系统胜任自身的复杂性。

或许，这些互联网大佬们偏爱生命科学，是想在这个略显失序的人工智能时代，为自己、为公司、为人类找到一些看清世界的底层规律。雷锋网雷锋网

本轮融资由辰德资本、高榕资本联合领投，高瓴创投跟投，将用于人才招聘、原创技术突破、临床检验所落地、研发合作拓展等。

蛋白质组学（proteomics）是诞生于1997年的新兴学科，人类的几乎所有生命活动都是由人体内的蛋白质执行的，是继基因组学、转录组学后人类对生命活动奥秘探究的又一突破。

人类的健康和疾病同蛋白质息息相关，而疾病治疗的效果也取决于蛋白质机器的调控。

通过蛋白质组的研究，不仅能为生命活动规律提供物质基础，也能为众多疾病机理的阐明及攻克提供理论根据和解决途径。

西湖欧米创立于2020年7月，致力于将蛋白质组大数据与人工智能结合，基于质谱生物样本，开发基于蛋白质组和其他分子组学的辅助临床诊断方法。

目前，西湖欧米已经全面开展“新一代蛋白质谱临床转化应用”研究。通过深度学习与临床医疗大数据整合，团队正探索有新的诊断方法和治疗靶点；

未来，团队还将基于人工智能技术，针对多组学生命健康大数据特点，构建新数据分析与模型，进行靶点验证，解决临床实际问题。

西湖欧米创始人郭天南博士是蛋白质组学领域知名专家、西湖大学生命科学学院特聘研究员，长期从事蛋白质组学相关研究，在蛋白质组技术开发和应用上做出多项原创性技术成果。

此外，郭天南博士还曾在瑞士Ruedi Aebersold教授领导的蛋白质组学研究组开发了基于PCT-SWATH的高通量蛋白质组技术，实现对小量临床样本的高通量质谱分析，科研成果发表于Cell、Nature Medicine、Nature Communications等杂志中。

2020年6月，郭天南团队参与联合研究的论文成功发布在MedRxiv杂志上，该研究利用蛋白质组大数据和AI手段，发现了一组可以帮助区分甲状腺结节良恶性的蛋白质分子标记物，有望大幅提高结节良恶性判断的准确度。

2020年，郭天南还与合作团队率先完成了COVID-19轻重症患者的血清蛋白质组与代谢组分析，找出了重症患者的一系列特征性生物标志物。

郭天南博士表示：“蛋白质组学在精准医疗中广泛应用的时代正在来临。我们未来将在更短的时间内，从少量的生物样本中，对更多蛋白质进行准确定量，解析生命活动的数学规律，最终实现基于蛋白质组的精准医疗。”

辰德资本项目负责人表示：“蛋白质在生命活动中起着核心的作用，但相比基因组与转录组在过去十余年间的迅猛发展，蛋白质组学的产业发展仍处于相对早期阶段，有着巨大的潜力。”

高榕资本项目负责人表示：“高榕资本看好多组学领域在临床的转化应用，蛋白质组学是继基因组学、转录组学后人类对自身遗传奥秘探索的新领域，其中蕴含的未知可能会给临床诊疗、药物开发、疾病预防、预后管理带来全新理念。”雷锋网雷锋网雷锋网

“我们做的事情向全世界证明了我们是基因科技的先锋。”

在1月的第七届深商大会上，华大集团董事长汪建说出了这样一句壮语。

2020年，华大依靠“火眼实验室”、“新冠病毒检测试剂盒”两个拳头产品，以及一系列的基因检测创新设备，博得了全世界的关注目光和市场订单。

而且，从近期披露的业绩预告数据来看，汪建说出这样的话，也不无底气。

近日，华大基因发布2020年业绩预告：2020年营业额预计达到82亿元至86亿元，预期较2019年增长达两倍；实现归母净利润20亿至23亿元，较2019年增长超过6倍，整体业绩实现大幅增长。

业绩增长主要来自两方面原因：

第一、新冠疫情全球爆发以及秋冬季疫情的反弹，推动感染防控业务和精准医学综合解决方案业务大幅增长。

第二、拓展海外市场布局。除新冠相关业务，华大基因的生育健康、肿瘤防控等多项业务在海外落地，海外市场在整体业务收入占比首次超过60%。

然而，对于华大而言，2020年也是最难的一年：随着海外市场的逐渐成熟和扩张，开始触碰基因测序国际巨头Illumina的蛋糕，被后者以专利诉讼的方式全球绞杀。

2020年6月，美国联邦法院下达初步禁令：因为专利侵权，禁止华大在美国分销和推广其基因测序平台；2021年1月，英国高等法院宣布：判定华大侵犯了Illumina的四项合成基因测序技术专利。

张爱玲说，人生是一袭华丽的旗袍，里面爬满了虱子。在历史性的节点上，华大会如何进退？

收入暴涨的新冠检测业务

新冠检测业务，是2020年华大杀出的一匹“黑马”。

根据华大基因2018年财报显示，当年的感染防控业务收入0.94亿元，仅占总业绩收入的4%。

而新冠疫情在国内爆发后，市场对新冠病毒检测试剂盒及检测服务的需求大幅增加，华大基因顺势推出了新冠病毒检测试剂盒和火眼实验室。

新冠病毒检测试剂盒包括了核酸检测试剂盒、抗原试剂盒和抗体检测试剂盒，覆盖荧光PCR法、联合探针锚定聚合测序法、酶联免疫吸附测定法及胶体金法等多种检验方法。

在那个万分紧急、医疗资源供给跟不上的时候，华大的试剂盒在第一时间获得了国家药监局的审批，广泛应用于武汉和湖北抗疫以及全国复工复产、以及突发疫情防控当中。

当然，除了试剂盒，华大还预备了不少“后手”。

火眼实验室是华大集团为解决新冠病毒检测通量不足推出的综合解决方案，其中包括多款技术设备：

高通量MGISP-NE384全自动核酸提取纯化仪、MGISP-960高通量自动化液体处理系统、MGISTP-7000全自动分杯处理系统等。

这种模块化实验室，是疫情期间特有的标志。在过去的一年里，伴随大大小小的CT检测室、移动CT车等等，在全国数十个城市落地。

2021年1月，石家庄的疫情爆发后，华大在石家庄的高通量气膜火眼实验室，仅用10小时建成，满足了日最高可检测样本量100万人份。

华大基因表示：感染防控业务及精准医学检测综合解决方案业务在2020年一季度实现了高速增长，整体营业收入较2019年同期增长约30%-40%。

营收占比超60%的海外市场

作为因人类基因组计划诞生的企业，华大很早就已布局海外市场。

据华大集团官网显示，华大的基因检测和科研业务已覆盖超过100个国家和地区。

2019年度，华大成功参与到阿布扎比的“阿联酋全民基因组计划”当中，运用大规模人群基因组数据，为阿联酋人民建立个性化治疗的全民医疗卫生体系。

当时，华大集团董事长汪建表示：“华大的全自动样本制备、超高通量的测序仪器及分析服务，成为了该计划的核心技术支撑，这个项目的样板效应也促进多个国家和华大接触，筹划各自的国家基因组计划。”

进入2020年以后，随着新冠肺炎疫情席卷全球，华大又在海外市场取得了更大的进展。

2020年，其新冠核酸检测产品陆续拿到了欧盟CE、美国EUA、日本PMDA、澳大利亚TGA等多个地区的相关资质及认证。

获得更多准入资质之后，华大也开始借势进一步向海外辐射扩张，仅在2020年上半年份，就成功将检测设备出口到沙特、安哥拉、塞尔维亚等国家。

与沙特阿拉伯签约2.65亿美元的交易，选用华大基因火眼实验室启动沙特全国新冠病毒核酸检测项目；

与塞尔维亚政府签署合作协议，在塞建设两座火眼病毒检测实验室；

与安哥拉政府签署协议，在安哥拉建设5座火眼实验室，将其全国检测能力提升10倍。

截止6月30日，华大的新冠检测产品已供应超过180个国家和地区，在海外17个国家和地区有58个火眼实验室。

伴随感染防控业务在国际市场认可度和法律合规体系的建设和逐渐开拓，也开始推动华大更多产品线的海外落地。

2020年，华大旗下的肿瘤早筛、生育健康业务中的多款检测产品都获得欧盟CE准入资质，包括：

BRCA1/2基因突变检测试剂盒（联合探针锚定聚合测序法）、EGFR/KRAS/ALK基因突变联合检测试剂盒（联合探针锚定聚合测序法）、人乳头瘤病毒(HPV)分型检测试剂盒和血流感染核酸检测试剂盒（联合探针锚定聚合测序法）、地中海贫血基因检测试剂盒（联合探针锚定聚合测序法）

此外，雷锋网《医健AI掘金志》了解到，为了降低国际贸易的不确定性影响，华大基因在2020年还完成了海外的投资设厂 。

以非洲为例，华大基因在埃塞俄比亚投资建设的新冠病毒核酸检测试剂盒生产厂于2020年9月投产。投资超过500万美元，生产和检测设备全部从中国进口，年产能达到600万―800万人份。

待疫情结束后，华大还在筹划利用该厂生产其他类型的检测试剂。

收入下降的多组学大数据服务业务

得之疫情，也有失之疫情。

在华大的公告中，相比其它业务，唯一营业收入下降的就是多组学大数据服务板块。

华大基因在公告中表示：多组学大数据服务整体营业收入较去年同期有所下降，未来疫情平稳后，相关业务后续有望逐步恢复。

医健AI掘金志了解到，该业务主要是面向科研方向，其中包括基因测序、质谱分析、生物数据库管理、数据云分析等标准化技术服务，主要面向于以高校、研究性医院等为代表的科研机构，和以药企、育种公司等为代表的工业客户。

2018年，华大的多组学大数据服务业务营收达到7.03亿元，占总营收的28%；2019年营收达到6.81亿元，占总营收比重24.39%，在2019年就已出现下滑。

对于该业务下滑的原因，华大在2020年初表示：

一方面，因为中美贸易摩擦影响美洲和部分国际市场；另一方面，在基因组和大人群队列项目上，采取了积极的营销策略以扩大行业影响力和市场占有率。

在2020年，这一市场环境显然没有改观。

一方面，出现了基因测序国际巨头Illumina的全球堵截；

另一方面，2020年7月，华大旗下面向科研的测序服务子公司又被美国列入“实体清单”，造成测序仪和测序试剂的进出口遭到限制，部分海外科研测序服务继续遭到波及。

除了海外环境的变化，新冠疫情带来的科研减速，同样也使多组学大数据服务业务蒙上阴影。

在2020年疫情的影响下，许多医院、科研院校、研究机构的科研项目都出现了进度减速，很多科研院校甚至出现几个月的实验室停工。

晶泰科技CEO马健曾向医健AI掘金志表示：“疫情爆发之后，一些非新冠病毒相关的线下科研实验只能暂停，只有线上类研究还在推进。”

华大也曾公开发文，提示研究学者使用多组学数据挖掘系统Dr.Tom 2.0，在家完成科研和文章撰写。

这种内外环境的变化，造成了华大科研服务业务的下滑。

但与其他应用型业务的新兴基因技术企业不同，华大的触角已经遍布基因检测全产业链，未来可以随时在更多热门研究中施展拳脚。

探索新增长点

华大的年度预告发布之后，面对6倍的利润增长，投资人和投资机构表现更多的是焦虑。

在华大的业绩预告机构交流会上，就有投资人公开发问：“如何看待2021年新冠检测业务的趋势，以及肿瘤早筛和生育健康的业务展望？”

除了高增长，投资机构和市场显然更愿意看到一个全方面爆发的优等生。

2020年，依托感染业务带来的能力增长，华大在也逐渐加大其他业务的发展布局。

到2020年第三季度，华大研发投入就达到2.6亿元，在遗传性耳聋、孕前遗传病、无创产前检测、肿瘤、病原感染等多个检测服务领域，以及多组学大数据服务领域都有大量新研发项目布局。

仅在生育健康类业务中，华大就开发推出了2款新检测产品——新生儿溶酶体贮积症，以及羊水代谢物检测产品。

结语

从此次公布的年度预告来看，华大的营收和利润均取得了较大增长，但新冠疫情防控创造的需求面临着“是否能够持久”的质疑。

华大在2020年中就曾坦言：“全球新冠疫情防控进展、市场对新冠病毒检测的需求、海外市场行业政策、国家出口政策等未来存在较大不确定性，且新冠检测产品市场竞争加剧，未来销售是否继续保持高速增长存在不确定性。”

在接下来的2021年里，伴随着难以预测的不确定性，华大为此搭建的新海外营销、渠道、资质申报等能力也将面临更多的考验。

在肿瘤防控、生育健康等其他业务增长还未充分获得市场和资本的认可之前，华大可能还需要付出更多的努力，来证明自己的内核增长潜力。雷锋网雷锋网

双方将结合各自平台在靶点筛选和新药发现方面的优势，共同针对几种亚洲人群常见肿瘤的潜在靶点进行新药研发，为癌症分子靶向治疗提供新一代创新药。

亚洲人群中最常见的恶性肿瘤包括食管癌、胃癌、结直肠癌等多种消化道肿瘤，普遍具有诊断难、早诊率低的特点。

近年来，除了传统的手术、化疗与放疗等治疗手段，癌症靶向治疗已成为研究热点，靶向治疗不同于传统的全身化疗，顾名思义，像打靶一样有的放矢，只针对癌细胞。

然而，可选择的药物和靶点仍非常有限，患者的治疗需求远未得到满足。

本次合作中，新格元将利用其单细胞测序数据平台及靶点筛选平台，评估、推荐亚洲人常见肿瘤的潜在靶点，由晶泰科技旗下的晶泰人工智能研发中心完成新药发现与设计，并推荐临床前候选化合物，再由双方共同进行药物活性与有效性的实验验证与优化。

其目的就是进一步提高靶向药物研发的成功率与效率，降低成本和风险，加速获得针对新靶点的临床前候选药物，将更多个性化治疗选择带给肿瘤患者。

靶向药物开发的一大效率瓶颈在于对新靶点的发现与验证。

具体而言，新格元将利用其自主知识产权的单细胞测序平台GEXSCOPE^®️和数据库SynEcoSys^TM，低成本、高效率地为特定肿瘤构建临床样本自有数据集，通过对癌细胞的精准检测、注释、表征、和深度数据挖掘。

结合必要的实验验证，新格元SingleTron^TM靶点筛选算法可获得最终的可信新靶点，并按优先级排序。

据雷锋网了解，新格元的药物靶点筛选平台已在其他癌种的靶点筛选和老药新用领域获得应用，借助其技术在高通量药物功能性筛选的技术优势，新格元正帮助更多药企以低成本加速获得临床前药物候选药物。

针对新格元推选的癌症治疗新靶点，晶泰科技将通过其AI驱动的智能药物研发平台，生成百万到千万级别的类药分子化学空间，再利用物理与AI模型对这些分子的关键性质进行层层预测与筛选，最终获得活性、选择性、及其他关键物理化学性质理想的少量候选化合物进入实验验证。

目前，晶泰科技的智能药物研发平台已服务于超过30款新药分子的发现工作，其中进展最快的项目已进入临床前研究。

根据现有合作数据，晶泰科技的AI药物发现平台可以将靶点到临床前研究的过程缩短几个月至1年，最高可节省90%的实验需要。

晶泰科技联合创始人、人工智能研发中心负责人赖力鹏博士表示，“通过与新格元这样具备靶点发现能力的上游企业合作，我们期待可以有效链接靶点发现和药物设计两个环节，进一步发挥AI的潜力，加速充实创新药管线，为靶向药的研发降本增效。希望本次合作可以为常见恶性肿瘤的靶向治疗提供更丰富的一、二线用药选择，将具有针对性和竞争力的癌症特效药带给全球患者。”

新格元创始人、CEO方南博士表示，“癌症的个性化诊断与治疗是未来的趋势，而新格元致力于以自主高通量单细胞测序技术平台助力实现精准的药物靶点筛选及高效验证。我们非常期待通过与晶泰科技的强强联合，充分发挥双方的技术优势，以先进的单细胞测序技术和AI药物研发算法，从多个维度加速针对亚洲人常见癌种的靶向药的研发，也期待这次合作能产生丰厚的成果，为肿瘤治疗带来新的解决方案。”

关于新格元生物科技和晶泰科技

新格元生物科技2018年成立于南京，致力于高通量单细胞测序产品的开发与临床应用，为用户提供一站式、全方位的单细胞测序解决方案产品平台，包括自主开发生产的Singleron Matrix™自动化单细胞测序文库构建仪器，GEXSCOPE^®海量单细胞测序试剂盒，CeleScope™生信分析软件及SynEcoSys™单细胞数据库，并已服务于国内外近300家知名医院、药企及科研院所。

晶泰科技创立于麻省理工学院（MIT）校园，核心团队来自学术界、IT互联网界及医药产业界。成立至今，晶泰科技已为来自美国、欧洲、中国、日本的 70 余家药企提供了药物研发服务。

雷锋网了解到，去年9月，晶泰科技宣布完成3.188亿美元的C轮融资，从2015年-2020年，五年间共获投资3.8亿美元。

雷锋网消息，1月31日，港交所正式挂出诺辉健康聆讯后PHIP版招股书，预计2月正式挂牌上市，计划募资3亿美元(约23.4亿港元)。

高盛（亚洲）有限责任公司和UBS Securities Hong Kong Limited（瑞银）担任联席保荐人。

据招股书，此次上市募资主要用于：常卫清®的大规模商业化及进一步开发；为噗噗管®的持续销售及营销提供资金；并在不同人群中进行更多常卫清®和噗噗管®的临床评估；产品研发以进一步发展公司的管线产品；潜在收购或外部引进候选产品以及一般公司用途等。

诺辉健康的那些关键人物

创始团队，是一家公司的灵魂。

朱叶青、陈一友、吕宁三个人是北大生命科学学院生物化学系的同班同学。

陈一友博士拥有逾20年肿瘤领域研发经验，为六项美国专利及逾20项全球专利申请发明者，并于专业科研医学杂志发表多篇论文。

朱叶青曾为三星、GE金融等世界500强企业任高管。

吕宁是杜克大学微生物学博士，斯坦福大学博士后，曾就职于罗氏诊断、Quest Lab等多家知名分子诊断公司拥有上十载IVD开发经验，已领导或直接参与八个产品的开发过程，其中五个在欧美上市。

据雷锋网了解，截至目前，诺辉健康已获得五轮超1.6亿美元融资，2020年7月刚刚完成3000万美元E轮融资。

诺辉健康投资方阵容亮眼，股东包括君联资本、启明创投、鼎珮集团、Omniscience Partners、Rock Springs、软银中国资本、普渡资本、Duke大学基金、Exome、OrbiMed（奥博）、Sherpa Healthcare、礼来亚洲基金、橡子园、熠美投资、华润正大生命基金、海邦基金、Cormorant、Octagon Capital及Majuven。

值得关注的是Rock Springs为美国癌症早筛标杆精密科学公司的投资方。

PHIP版招股书披露了诺辉健康独立非执行董事名单：

吴虹教授是北京大学生命科学学院院长兼讲席教授，欧洲分子生物学组织协会成员和美国科学促进会院士，先后取得了北京医学院（现北京大学医学部）医学学士学位、美国哈佛医学院生物化学和分子药理学博士学位。

据悉，诺辉健康是吴虹教授以“独董”身份站台的唯一企业。

李国栋医生是香港家庭医学的私人执业专科医生，香港赛马会名誉董事以及香港圣公会福利协会有限公司董事会主席，曾任智经研究中心主席，现任理事。

同时，李国栋也是银紫荆星章和太平绅士。

癌症早筛的巨大市场

成立于2015年，诺辉健康专注于高发癌症的居家早筛，公司的愿景是通过筛查及早期检测实现癌症的预防与治愈。

据海通国际2021年1月28日发布的研究报告，癌症早筛未来10年中国市场空间高达1620亿元。

据招股书披露，诺辉健康目前管线产品针对的结直肠癌、胃癌和宫颈癌三大市场预计2030年均将突破百亿，分别将达到198亿、157亿、133亿。

2020年11月9日，国家药品监督管理局（NMPA）批准了诺辉健康旗下结直肠癌早筛产品常卫清®的创新三类医疗器械注册申请，并明确预期用途是结直肠癌高风险人群的筛查。

诺辉健康联合创始人兼CEO朱叶青曾介绍，常卫清®历经7年研发，投入超过1亿美元，并完成了中国首个大规模、前瞻性、多中心癌症早筛注册临床试验“Clear-C”。

诺辉健康联合创始人兼CEO朱叶青

这是NMPA批准的中国首个且目前唯一的癌症早筛注册证。11月10日，诺辉健康向港交所递交上市申请。

常卫清®已进入中国首部国家级结直肠癌筛查指南及多项权威临床共识，也是中国目前唯一经过大规模前瞻性多中心注册临床试验验证的癌症筛查产品。

迄今，还没有任何一家其他公司进入前瞻性注册临床试验。

这意味着如果其他企业在没有“创新医疗器械绿色通道”情况下，想要获批“中国早筛第二证”，至少需要4-5年的时间。

港交所于2018年修改《上市规则》引入18A章，突破性地允许未盈利生物高科技公司赴港上市。

目前，诺辉健康旗下的两款结直肠癌筛查产品（常卫清®和噗噗管®）已获得国家药品监督管理局的批准并开始正式商业化，成为公司的主要收入来源。

常卫清®和噗噗管®分别针对中国1.2亿结直肠癌高风险人群及6.3亿结直肠癌平均风险人群，产品有效互补以抢占整个结直肠癌筛查市场。

诺辉健康要面临的实际问题

诺辉健康已正式开始多元商业化布局。

据招股书显示，截至2020年9月30日，覆盖约119个城市、235家体检中心、36家保险公司、316家医院及诊所、457家药店、78个网上平台、超过1000个外包销售团队。

销售费用方面，2019年，公司销售费用为7560.9万元，同比增长191.26%；2020年上半年销售费用为2091.2万元，同比增长50.38%。

作为中国癌症早筛市场的开拓者，当前并没有同赛道竞争产品获批，这就意味着诺辉健康需要独自承担教育市场的费用，营销费用的提高也从侧面反映出公司产销规模的扩大。

诺辉健康披露，“由于我们继续推进我们的候选产品及开发新的候选产品，预期于未来几年产生巨额研发成本。”

据诺辉健康招股书，截至2018年及2019年12月31日止年度以及截至2019年及2020年9月30日止九个月，研发开支占收入的百分比分别为78.5%、45.3%、48.8%及49.2%。

研发成本主要包括员工成本、临床试验及服务开支、研发材料及设备成本及其他开支。2020年上半年的研发费用为1735.8万元，与上年同期基本持平。

招股书披露在报告期内，从2018年至2020年6月30日止，诺辉健康的净亏损额从人民币224.9 百万元增至人民币552.9百万元。

集团负债上涨的主要原因来自集团发行的一系列优先股，并将该金融工具列为公允价值计入损益的金融负债。

当集团估值上涨，相应的金融负债也随之上涨，但实际上这部分属于会计亏损而非经营亏损，不是实际现金流出导致，不影响公司的实际运营。

据招股书显示，公司扣除优先股亏损，其他金融负债变动的公允价值亏损，以及股份为基础的付款开支等非经营性损益后净亏损在2018年、2019年和2020上半年分别为0.77亿元、1.24亿元和0.54亿元。

诺辉健康披露的产品管线覆盖中国十大高发癌种的三个癌种：结直肠癌、胃癌及宫颈癌，拥有两款适用于胃癌和宫颈癌筛查的在研产品管线。

基于粪便的自检胃癌筛查测试产品幽幽管™已于2020年11月完成国家药监局注册申请的提交；

非侵入性家用尿液宫颈癌筛查测试产品宫证清™也已进入研发后期阶段，预计于2021年启动注册临床试验。

诺辉健康的产品及主要候选产品截至最后实际可行日期的开发状况（来源：招股书）

公司在杭州的生产设施经GMP认证，拥有当地卫健委认证并颁发执行许可证的北京和杭州的第三方医学检验实验室，总测试产能为每年150万次。

广州实验室测试设施将于2021年第一季全面投入运作，预计实现每年新增50万次测试产能。随着实验室取得较高营运效率及规模经济效益，单位营运成本将会大幅减少，进而形成较高营运壁垒。雷锋网

雷锋网消息，1月29日，腾讯 AI Lab 宣布与迈瑞医疗签署 AI 合作框架协议，共同研发血细胞分析的 AI 产品，并进一步探索 AI 技术在体外诊断的融合与应用。

通过该合作，双方将进一步研发具备世界顶尖成像质量和细胞识别能力的血细胞形态学检测设备与系统应用。

未来大规模投产后，将有望缓解基层镜检医师的工作压力，提升血液病的诊断和鉴别水平，促进我国血细胞分析技术的发展。

就以体外诊断领域来说，迈瑞是本土的龙头企业。

雷锋网了解到，体外诊断产线是迈瑞的三大主营业务之一。迈瑞的血液细胞分析仪在国际和国内市场均占据优势地位，在国内市场占有率超过30%。通过并购，迈瑞也完成了微生物、尿液、血凝等产线的纵深发展。

从去年以来，腾讯 AI Lab动作频频，并且在医疗、医药领域不断祭出动作，为什么这一次会选择了血液病筛查与体外诊断？

简而言之，有痛点需求、有技术实现、有前景可能。

解决镜检人力不足的临床痛点

血细胞形态学分析，又称血常规、验血，是临床开展量最大的检测项目之一。

从肺炎等感染性疾病到白血病等出血性疾病，血细胞分析都能为血液病的诊断和鉴别提供重要信息。

以白血病为例，中国白血病发病率约为2.76/10万，是中国的第六高发肿瘤。同时，也是儿童及青少年第一高发肿瘤，具备恶性程度高、病情发展迅速的特点。

随着医学的发展，目前白血病治愈正在逐步实现，成人急性白血病完全缓解率也已达60％-80％，儿童白血病如能及时发现，采用适当治疗手段，约半数以上可长期生存或治愈。

而血细胞分析是患者就诊第一道筛查工具，通过形态学检测可以实现白血病的早期筛查，促使临床及早干预，提升治愈率。

长期以来，血细胞分析依靠检验医师用显微镜对血涂片进行观察，形态学检验是一种经验含金量很高的工作，但繁琐、费时。

近些年，随着医疗条件逐步改善，医院样本量呈指数增长，但高质量的镜检人才不但没有相应增加，反而减少。

因为要求高、培养慢、容易落下职业病等原因，导致年轻医师群体从事镜检的意愿低，镜检人才有“断代”危机。

一方面，形态学检验医师培养难度大周期长，另一方面，实验室样本量还在日益增大，导致检验医师人力严重不足。

因此，许多医院形态学检验开展比例明显偏低。

根据ICSH （国际血液学标准委员会）的建议，综合性医院的形态学检查比例应该达到 20%-30%，而调研显示多数检验科实际镜检率达不到上述建议比例，部分医院可能小于 5％，甚至不镜检。

这就有可能导致漏检等风险，由此而导致的医疗纠纷也时有报道。

针对这个现状，国内外许多公司推出了多款形态学分析自动化设备，但都存在识别准确率不足的问题，仍然需要大量人力复查确认，因而并未从根本上解决临床痛点。

AI助力医疗走向智能化

在此次合作中，腾讯 AI Lab 将利用机器学习、计算机视觉等技术、腾讯云的综合解决方案，结合迈瑞医疗在玻片处理、成像系统、集成设计、临床专家、海量数据等方面的优势，共同研发自动化的血细胞分析仪，进一步提升识别准确性、有望帮助解决国内医院“缺人”、医师“缺经验”的问题。

这一自动化的血细胞分析仪，能够发现细胞质量改变，其细胞识别能力可达到世界领先水平。同时，相比国外单价高昂的产品，该设备更具成本优势。

在血细胞形态分析方面，腾讯 AI Lab 采用多项自主研制的 Auto-ML 、 Auto-Augmentation 和 NAS 等计算解决方案，面对庞大混有噪声的海量数据，大幅缩短训练时间，提升迭代次数。

同时，算法工程师使用多智能体模拟，通过多个专家系统所组成的决策系统，提升整体细胞形态的分析性能，做到异常和恶性细胞不遗漏、疑似细胞有提示。

在设备制造方面，腾讯 AI Lab 采用模型压缩和计算图简化等技术解决方案，帮助产品在计算效率和成本优化上取得更大优势。

除形态学检测外，未来腾讯 AI Lab 还将与迈瑞医疗共同探索人工智能技术在体外诊断其它领域的融合与应用，如尿液分析、智能实验室、体外诊断大数据等。

腾讯 AI Lab 的医疗布局

「AI+医疗/医药」是腾讯 AI Lab 的核心研究方向之一，这也是一个有望造福全人类的研究课题。

尤其在新冠疫情肆虐全球一整年背景下，AI 技术更是具有无可比拟的应用前景。

一般来说，治疗分为诊前、诊中和诊后三个阶段，涉及到患者和医护人员间的各类信息交流与复杂决策，部分工作重复性高，耗时耗力，会挤占医生的真正有效诊断时间。

AI 则能辅助医生提高效率和准确性，并有望缓解医师供需失衡问题。

据雷锋网了解，从2017年起到现在，腾讯 AI Lab已具备辅助诊断、影像分析、病理分析、新药研发等一系列前沿技术能力，同时，在自主技术研发与应用方面不断取得突破。

在研究上，腾讯 AI Lab 的相关研究多次登上顶级学术期刊与会议，如Nature Communications、顶级医学影像会议MICCAI、全球放射学顶会RSNA AI 挑战赛夺冠。

在疫情期间，腾讯 AI Lab 与钟南山院士团队联合发布COVID-19患者病情发展至危重概率AI预测模型，也被Nature子刊收录。

在应用上，腾讯 AI Lab 与舜宇光学科技、金域医学联合研发，用于病理分析的智能显微镜于2020年4月获 NMPA 注册证，成为国内首个获准入临床的相关产品；

2020年7月，腾讯 AI Lab推出「云深智药」平台，覆盖临床前新药发现流程的五大模块；

2020年11月与国内病理诊断领域首家上市公司安必平宣布共建宫颈液基细胞学AI数据库。

要合作，就要与最顶级的企业合作。

不管是从痛点、技术、市场前景来看，在血液病筛查等领域，腾讯与迈瑞医疗的合作，都是一件水到渠成的事情。

雷锋网按：医疗与医药数据的流通共享，是医疗机构既兴奋又畏惧的美梦。

兴奋，在于让整个行业可以使用更多维的数据，在效果上实现精准医疗，在流程上完成降本增效。

畏惧，一方面在于自己将多年积累的数据财产拱手相让，被竞争对手使用。另一方面，数据安全和用户隐私这一世纪难题，短时间内无法解决。与此同时，数据共享联盟所从事的工作，通常触及到多个部门的监管范畴，但最终将由哪个单位主导？也成问题。

前者是利益牵扯，其次是伦理羁绊，最后是权力的游戏。

其实当前多个国家和地区，均在推进数据共享机制，但最终或是毫无进展，亦或是一地鸡毛。

归根结底，无非是上述三个原因。

在这样的大背景下，近日据美国医疗媒体Biospace报道，10家知名生物制药企业，宣布成立一个非营利性机构：Accumulus Synergy, Inc。

联盟由辉瑞、强生、罗氏、赛诺菲、武田、礼来、Amgen、Astellas、Bristol Myers Squibb、GSK组成，成员企业向联盟提供资金支持和初始应用开发。

据悉，Accumulate Synergy目前计划与美国FDA、日本制药和医疗器械局、欧洲药品局、英国药品和保健产品监管局，以及世界各地的其他卫生监管机构进行协商，让全球产业界和卫生部门之间，实现数据的实时生产、交换与协作。

Accumulate Synergy旨在开发一个云平台，促进数据和信息共享，改变生物制药行业与卫生部门的合作方式。

数据共享平台，利用先进的技术和工具，进行数据流通共享，统一的平台，不仅使得监管的过程，变得更加高效透明。同时，大量数据也更有利于快速训练出精准的模型，降低研发成本，为患者带来安全、有效的药物。

“目前制药公司和全球卫生部门之间的数据交换和通信方式，远远落后于信息时代的脚步。”Accumulus Synergy临时首席执行官、罗氏监管事务副总裁弗朗西斯科·诺盖拉说到。

“在与卫生部门协商后，Accumulus Synergy整合和简化生物制药公司与全球监管机构之间的通信和数据交换方式，基于云计算，创建一个强大的数据共享生态系统，推动医疗保健服务的交付。Accumulate Synergy致力于为全球患者、医疗保健提供商、卫生当局和生物制药公司创造重大价值。”

辉瑞首席科学官兼全球研发和医疗总裁Mikael Dolsten表示：“在经过一年多的精心规划后，我非常高兴看到现在的进展。这个项目让企业之间通过深度合作，直接改善药物的研发进程，还将使得企业与卫生部门之间快速有效地交换数据。”

赛诺菲执行副总裁兼全球研发主管John Reed指出：“通过前沿科学与先进技术的合作，使我们更加高效地改善服务患者的水平。Accumulate在建立数据共享解决方案上做出的协调和努力，一定会减少向患者提供创新新药所需的时间，这是一件极具价值的事情。”

“Accumulate Synergy不仅是一个组织，更是一场变革。我们正在积极推动全球卫生部门建立云平台，实现文件和数据的高效归档和审查。”强生首席科学官Paul Stoffels补充道。

“我们很高兴看到Accumulus推进其战略目标，优化生物制药公司和卫生部门之间的数据流通方式，我们非常期待与Accumulate继续合作，”Transelerate生物制药首席执行官Dalvir Gill说。

“卫生部门、医生和生物制药公司都有一个共同的目的，那就是尽快把安全的、具有革命性的药物带给患者，”武田制药研发总裁Andy Plump医学博士补充说。“共享与协同，是一个难得的机会，也是一个重大的挑战。无论如何，它都将重构我们的医药研发与服务体系。”

那么，由十家巨头联盟的Accumulate Synergy，能否突破利益的牵扯，伦理的羁绊，权力的游戏？关注微信公众号《医健AI掘金志》，我们将持续跟踪报道。 

雷锋网雷锋网

文章参考：

Ten Leading BioPharma Companies Announce Formation of Accumulus Synergy to Develop Global Data Sharing Platform

英国高等法院大法官庭专利法庭认定，华大附属子公司华大智造和拉脱维亚MGI Tech侵犯了Illumina的四项专利，涉及合成化学测序，包括可逆终止剂和标记核苷酸。

Illumina总法律顾问Charles Dadswell对此表示：“这增加了世界各地越来越多的法院认定华大公司盗用Illumina的专有、开创性技术。我们也将继续保护自己的知识产权不受华大公司的蓄意侵犯。” 

华大旗下子公司华大智造（MGI Tech）也对外表示：这些专利是无效的和/或不侵犯华大智造的专有CoolMPS和StandardMPS技术，对其专利裁决感到失望，并将立即寻求许可上诉的决定。

此次诉讼提到的StandardMPS和CoolMPS technologies均是华大公司的测序反应通用试剂产品，其中CoolMPS是在2019年底才正式推出。

雷锋网了解到，目前，世界上真正能独立完成个人全基因组测序的公司只有两家：一家是Illumina, 另一家就是华大。

作为基因测序行业的巨头，Illumina成立于1998年，总部在英国。据Genomeweb市场调查数据显示，Illumina占据了全球测序仪器市场71%的份额。

与Illumina的相比，华大的测序仪器业务成立时间要晚的多。

华大早期与Illumina公司是合作关系，华大2010年曾向Illumina购买百余台第二代测序仪，并成为Illumina公司的第一大客户。

此后，华大集团以1.17亿美元收购了美国基因测序仪公司CG公司（Complete Genomics），获得了核心专利技术，开始着手国产技术转化。

2016年，深圳华大集团将原本的测序仪板块独立拆分，成立了华大智造（MGI）

与Illumina相比，华大智造的产品一直保持着价格优势。Illumina公司完成一个人的全基因测序成本为900至1000美元，而华大则是600美元，并且还在逐年减低。

依托技术和价格优势，华大智造的测序仪器陆续进入到了法国、阿联酋、文莱等多个国家及市场。

与此同时，华大和Illumina的市场竞争也逐渐演变成以专利诉讼为工具的商战。

2019年，Illumina在两个月时间内，分别在两个国家向华大的子公司提起专利诉讼。

2019年4月，Illumina宣布向德国地区法院对华大集团子公司提出专利侵权诉讼。

诉状称，华大智造的测序产品包括BGISeq-500、MGISeq-2000和相关化学试剂侵犯了编号为EP 1 530 578 B1的专利。该专利涵盖了Illumina公司特有的边合成边测序技术。

2019年5月，Illumina又宣布向丹麦海事和商业高等法院对华大集团的子公司BGI Europe A/S提起了另一项专利侵权诉讼。

该诉状指控BGI的测序产品，包括BGISEQ-500、MGISEQ-2000和相关化学试剂，侵犯了编号为EP 3 002 289 B1的专利，该专利涵盖Illumina专有的合成测序化学。

Illumina还称，BGI使用MGISEQ商标侵犯了Illumina注册的欧盟商标第8972127号MISEQ名称。

随后两家公司的专利纠纷进一步扩大，根据企业专利观察数据显示，截止2020年8月，两家公司在12个国家或地区涉及的专利侵权、商标侵权和不正当竞争的相关诉讼共计23起。

而在2020年6月，美国加州北区法院下达初步禁令，禁止华大及其子公司(包括华大智造MGI)在美国分销和推广其基因测序平台。

之后，华大智造又联合另外另一公司向加州地方法院发起诉讼，起诉Illumina公司违反了联邦反垄断法和加州的不正当竞争法。

共同原告声称，Illumina公司利用“欺诈行为”获得并强制执行三项测序专利，从而阻止了原告的CoolMPS测序技术进驻美国市场。

当然，在这场专利诉讼为工具的基因测序战争中，华大和其下属的华大智造也并非Illumina的唯一狙杀目标。

仅在美国，Illumina公司在地方法院和联邦法院涉及的诉讼就高达82起，另外还有1起ITC调查。

因为专利与Illumina公司对簿公堂的不仅包括了哥伦比亚大学、康奈尔大学、斯坦福等知名院校，还包括了罗氏、拜尔和Themo Fisher等知名公司的关联企业。雷锋网

随着一次国家力量的号召，「新基建」为所有行业的规则和发展都制造了一个重磅变量。

国务院在《中国制造2025》中将生物医药视为重点突破发展领域，再加上医保和药品政策的助推，给生物制药产业插上了腾飞的双翼。

 近日发布的《中国抗体药产业健康发展报告》显示，2014年~2019年，我国生物制药产业市场规模从1167亿元增长至3172亿元，占全球市场的16%，年均增速22%，超过8.8%的全球同期增速

作为专注医疗创新和医疗科技深度报道的科技媒体，雷锋网在重磅启动的「2020最佳AI新基建年度榜」评选中，特别设置了「生物医药新基建榜」奖项。

综合行业专家意见和评审，阿斯利康、吉凯检验、西门子医疗、百奥赛图、华大基因五家公司凭借各自优势在生物医药大产业中脱颖而出，分别荣获“最佳医药数字化应用奖”、“最佳肿瘤精准早筛奖”、“最佳体外诊断产品奖”、“最佳新药研发平台奖”和“最佳基因检测产品奖”。

最佳医药数字化应用奖：阿斯利康

2018年，阿斯利康全球首席执行官苏博科在剑桥大学曾表示：“ 医疗健康行业正在经历由数据、计算能力和智能技术（如AI）驱动的转型，大数据和相关技术可能代表着巨大的机遇，生命科学领域是一个关键领域，（阿斯利康）应该利用这种繁荣。”

作为具有百年历史的生物医药企业，阿斯利康近些年在AI+药物研发、内部管理创新、患者服务、数字化营销等多个业务环节发展数字化创新技术，加速药物研发的效率，加速临床试验的进程，拉近与医生、患者之间的关系，全面革新制药业务的流程。

在药物研发业务环节中，阿斯利康开发了一种新的深度学习算法，利用数字病理学，自动进行组织生物标记，将自动分析数字化病理图像变成一个高通量过程，并将AI算法融入到诊断测试的开发中，利用AI来影响患者治疗，将目标药物用于最需要的患者。

在业务创新中，阿斯利康还使用Veeva、Salesforce.Com、Concur和Workday等工具，简化和提高了工作效率，应用多渠道关系营销（MCRM）扩大对医疗保健从业者的覆盖范围。

除此之外，阿斯利康于2017年落成了中国健康物联网创新中心，全方位展示基于中国患者健康需求而打造的14个端到端诊疗一体化全病程管理方案，这些方案已在全国广泛落地，部分方案还走出国门，落户全球多个国家。

2019年，阿斯利康与无锡市政府及无锡高新区合作共建无锡国际生命科学创新园，依托阿斯利康的全球网络，面向海内外制药、诊断、器械、数字化等创新公司，打造覆盖生命科学领域全周期、实现患者全病程管理的孵化平台。

最佳肿瘤精准早筛奖：吉凯检验

上海吉凯医学检验所有限公司（简称：吉凯检验）承担母公司吉凯基因 “精准医学”总体战略中“精准诊断”的战略模块，瞄准中国高发、危重肿瘤，积极引入适合中国国情的先进诊断技术，在肿瘤诊断和治疗的各阶段布局相应的检测服务和产品。

吉凯检验着眼于全病程管理，以肿瘤早期筛查、辅助用药、用药指导、预后和复发监测相关的临床检测，建立符合中国临床实际的肿瘤精准诊疗方案。

在肿瘤早筛产品的研发中，吉凯检验选择了基因甲基化检测作为产品的核心技术，并与国内多家三甲医院合作通过不断优化复杂样本中的甲基化检测技术，优先进行结直肠癌早筛产品的合作研发。

早筛产品常佑康®对早期肠癌尤其是腺瘤的筛查率明显优于现有的检测手段，该产品的检测服务目前已经推向市场，并与中国人寿达成了合作。甲状腺癌和肺癌等早筛产品也已经排上研发计划。

吉凯检验拥有自主知识产权产品开发能力，目前已建立包含初筛、确认、用药、晚期精准治疗指导的产品线，致力于开发适合中国肿瘤患者的检测，为肿瘤防、早诊、治疗和病人关怀做出自己的贡献。

最佳体外诊断产品奖：西门子医疗

西门子医疗体外诊断（IVD）产品线的迅猛发展起始于2006年和2007年。2006年，西门子以15亿欧元收购免疫诊断领域的“德普诊断”。

2007年1月，其进行了第二次大手笔收购，以42亿欧元收购临床化学领域的拜尔诊断部门；同年，又以更大手笔70亿美元收购体外诊断“德灵诊断” ，三次并购使西门子医疗在实验室体外诊断以及核酸检测领域成为头部玩家。

西门子医疗一直持续投入研发力量，深耕中国市场，在Atellica和Aptio全实验室自动化物理环境的基础上，推出Atellica数据、流程、库存管理系统，帮助临床实验室更好管理患者数据，风险质量和实验室各项绩效指标，全球化平台的统一计算模型和标准化的数据溯源，助力实验室大数据分析的基础建设。

在流程优化和功能开发上，西门子医疗的IT专家团队，持续关注中国客户需求，为中国的临床实验室提供本地化定制的数字化解决方案，在过去10年中陆续研发出自动在线质控，自动在线比对，智慧实验室手机端管理软件等32款数字化解决方案，助力中国临床实验室的数字化技术转型。

最佳新药研发平台奖：百奥赛图

百奥赛图是一家创新技术驱动新药研发的国际性生物技术公司。

百奥赛图自主研发并拥有完全独立知识产权的全人抗体RenMab、RenLite、RenNano小鼠，将单细胞抗体发现技术平台、高效的基因编辑模型开发平台、规模化动物模型供应平台、快速的动物体内外药效评价平台、强大的临床开发能力有机整合在一起，形成了涵盖药物研发全流程的新药研发体系。

截止目前，百奥赛图已与全球几百家医药研发企业建立合作关系，并和10多家全球领先的药物研发公司达成排他性抗体药物开发合作。除此之外，公司已建立起覆盖肿瘤、自身免疫系统疾病、抗感染药物等在内的10多个抗体药物研发管线。2020年公司成功与美国Xencor、百济神州、信达生物、君实生物等分别达成RenMab®/RenLite™全人抗体小鼠平台授权，进一步扩宽其在药物研发领域的国际影响力。

随着规模化抗体药物研发-“千鼠万抗”计划的实施，百奥赛图未来将更聚焦于创新抗体药物原创性研发。

最佳基因检测产品奖：华大基因

作为全球基因组学类检测和研究服务商之一，华大基因股通过基因检测、质谱检测、生物信息分析等多组学大数据技术手段，为科研机构、企事业单位、医疗机构、社会卫生组织等提供研究服务和精准医学检测综合解决方案。

华大基因基于自主的高通量检测技术及生物信息大数据优势，构建了“预、筛、诊、监”基因检测闭环产品线，提供集基因筛查服务、临床检测服务、医疗器械服务、临床科研服务于一体的品牌服务。

作为最早实现奥拉帕利、尼拉帕利中国注册药物临床试验的BRCA、HRD中心检测机构，华大基因还一直深耕PARP抑制剂伴随诊断相关检测的发展。经过八年的研发，其已经实现在PARP抑制剂相关分子标记物BRCA-HRR-HRD方向提供全产品高质量的检测服务。

其中华然迪-HRD score同源重组缺陷检测，基于中国人群的遗传多态性数据，通过自主开发HRD score核心算法，全方位精准评估基因组瘢痕，将卵巢癌PARP抑制剂获益人群比例从29%（tBRCA阳性率）提高到68%（HRD阳性率）。雷锋网雷锋网

尽管，距离Deepmind公司AlphaFold2的横空出世，已经过去了两周的时间，但是围绕AlphaFold2的讨论热度依然不减。

AlphaFold2是否是完美无缺，如果不是，它的“胜利”具体体现在哪些项目上？AlphaFold2对结构生物学的影响有哪些，哪些方向能受益而加速突破？哪些方向会受到影响而淡出？学术研究者与企业工程人员该如何分工，进一步实现“产学融合”的高效转化？

关于AlphaFold2，太多的问题需要解答。

近日，主题为“权威专家谈AlphaFold：DeepMind到底突破了什么？”的圆桌论坛正式举行。本次主题论坛由图像计算与数字医学国际研讨会（ISICDM）主办，雷锋网、医健AI掘金志协办。

印第安纳大学医学院副院长、AIMBE Fellow黄昆教授担任主持，密苏里大学教授、AAAS/AIMBE Fellow许东教授、密歇根大学教授、DeLano奖得主和I-TASSER算法发明人张阳教授、芝加哥丰田计算技术研究所、斯隆奖得主许锦波教授共同参与讨论。

图像计算与数字医学国际研讨会（ISICDM）自2017年创办以来，一直是医工交叉的前沿阵地，围绕图像计算和数字医学中的一些重要的理论、算法与应用问题进行学术讨论，旨在促进电子信息（包括计算机、自动化与生物医学工程）、数学和医学等领域学者的交流与合作，截止至今，ISICDM共邀请到400余位大会报告及专题报告嘉宾。

在今年的ISICDM 2020上， “计算解剖学”创始人的Michael I.Miller教授，新加坡国家科学院院士、发展中国家科学院院士沈佐伟教授、瑞士工程科学院院士Michael Unser教授、美国国家发明家科学院院士王革教授等数十位嘉宾分别进行了主题演讲。

以下是主题论坛的现场内容，雷锋网做了不改变原意的编辑和整理

黄昆：说到蛋白质结构，了解其结构不仅是为了了解它，还会将其应用于制药。这就牵扯到蛋白和药物之间的交互作用。同时，蛋白的结构并非一成不变，是一个动力学过程。

那么，AlphaFold2能否扩展到分子动力学MDS领域？能否应用于蛋白-配体相互作用/对接，蛋白质-蛋白质相互作用？能否应用于蛋白质设计呢？

许东：在蛋白设计方面，AlphagoFold2能够比较直接地应用。之前应用不同序列设计出新结构的方法，可能不用改太多就可以完成。

蛋白设计的大部分难点不在结构上，而是在生物上。

第二，蛋白的相互作用，我认为这一方面的应用不会特别理想。其中一个原因是，蛋白相互作用的数据远远少于蛋白结构本身的数据，因此，对于机器学习来说挑战性很大。

事实上，这个问题和蛋白结构本身是很不一样的问题。目前我们组何飞博士和我们系的段晔教授正在进行合作，用图卷积、图像处理、点云等方法来探索蛋白相互作用，这个问题在短期内难以解决。

更困难的是分子动力学问题，这就是颜宁教授所提到的。

我在读博时，导师让我研究如何对分子动力学做的非常快，能够更大尺度迭代。这个问题花费了我大量时间，但是没有成功。

机器学习解决分子动力学的问题离我们非常遥远，我们也进行了一些简单的探索。吉林大学韩葳葳教授组一个访问学生朱镜璇与我们组的王珏鑫博士目前进行了一些工作，用这些所谓Neural relational inference——一种图神经网络的方式，进行了分子动力学过程的模拟实验。

我们可以看到，所谓长程作用的变构效应是能够被预测的，但是这离分子动力学大幅度加速还差得很远，不过通过这个过程，

我们发现传统动力学背后的驱动变量数维度很低。因此，我们认为从理论上来说大幅度加速是有可能的，但是需要很漫长的道路去探索。

黄昆：下一个问题，关于对结构生物学的影响 ，哪些方向能受益而加速突破？哪些方向会受影响而淡出？结构生物学的研究能够怎样帮助AlphaFold2改进？我们想请许锦波教授来评论一下。

许锦波：用计算的方法来做蛋白质结构预测，我觉得影响会越来越大。拿解结构来说，我不认为解结构的人在未来会被抛弃。现在来预测的数据相对来说比较简单，比如预测单链。但是单链有时候也无法准确预测，目前仅有60%的预测比较好。但如果仅仅简单的解结构，以后可以直接用软件去解决。

同时，AlphaFold2可以用来提高效率，便于研究者专注于研究结构、功能。做单链的蛋白质结构预测，这方面的人会变少。

但是软件不是万能的，很多问题依旧无法用软件解决，毕竟还有40%的蛋白质的结构预测不是非常准确。 且现在效率也存在问题。当下，我们还不明确AlphaFold2如何处理数据，会不会开源等，目前看来可能性不大。所以，至少在学术界需要一个与之相竞争的软件，不能垄断。

因此，在结构预测这个方向，目前还有许多问题值得研究，并不会造成所有人失业。

当然，可能会有较多的人转向其他相关问题的研究。就拿计算结构生物学来说，可研究的问题还是很多，比如说两个蛋白、多个蛋白如何结合、蛋白质配体相互作用、蛋白质制药等发展比较快。因为能比较准确地拿到结构，这些方向的未来发展会比较快。

另一方面，解结构的人对我们从事计算研究的人员信任程度也会提升，以前我们做出来的结构可能对其他研究人员来说用处不大，但是软件质量提升后，他们会慢慢喜欢用我们这些软件预测出来的数据，便于他们研究蛋白质及功能。

张阳：我觉得AlphaFold2的成功，并不会让很多人转行或者受影响而淡出。

它的成功首先会刺激和促进蛋白质结构预测领域整体精度的提高。对结构生物学来讲，高精度的蛋白质结构预测会帮助很多结构生物学家更快更好地开展他们的研究工作。

比如X光衍射实验，这个实验很重要的一步是做分子置换来确定X光衍射的相位，而成功的分子置换要求有精确的初始结构模型。如果计算机能够快速准确预测蛋白质地初始模型，这会大大提高X光衍射实验的效率。

对于冷冻电镜的实验，好的初始模型有利于蛋白质构型和电子密度图的正确叠加，因而有利于下一步地蛋白结构的优化。从这些方面来讲，精确地结构预测对结构生物学不是一个替代的问题，它们可以相互促进。

好的蛋白质结构预测算法可以大幅度提高传统结构生物学实验的精度和速度。做结构生物学的科学家其目的并不只是解结构，他们只是把结构当成工具，来了解蛋白质有什么样的功能、在细胞运行过程中有什么生物学的意义。

所以从这方面来讲，AlphaFold2不可能让人们失业，或者淡出自己的行业。

黄昆：如果AlphaFold2不开源，学术界有没有成立开源组织的计划？工业界一些大公司在算法和算力方面都占有绝对优势，那么学术研究前进的方向在哪里？对于高校中的AI研究人员有什么建议？对于生物研究人员有什么建议？工业界一些大公司在算法和算力方面都占有绝对优势，对整个学术界的影响会是什么？如何“摆正”学术界和工业界的关系？

张阳：第一，如果AlphaFold2不开源，学术界有没有成立开源组织的计划？

按照谷歌以往的惯例（比如alphaGo和alphaFold），我不相信Google DeepMind会分享他们的源代码，甚至建立共享服务器。但是，我相信学术界很快就会开发出新的替代品。我说的替代品并不是做一个和谷歌AlphaFold2一模一样的软件。虽然谷歌提出了一些新的算法，但是，替代品并不是完全按照谷歌的新算法，可能会出现新的不同地算法来解决同样的问题。

谷歌的主要贡献不是算法或者技术上，我觉得他们这次成功的一个主要贡献是在于证明蛋白质结构预测这个问题可以解决。

这并不是一个简单的问题。做过蛋白质结构预测的人都知道，蛋白质结构是由序列决定的。但是结构和序列的关系非常复杂。有些结构长得非常奇怪，奇怪到你会怀疑这个结构有没有物理的道理，会不会是大自然的一次巧合的怪胎，或者说会不会是物理学上的确定唯一的解。

在这次CASP14中，有些蛋白质相互缠绕，长的非常奇怪，结果AlphaFold2都可以正确的预测---至少在Fold level是正确的。这在概念上是一个重要的突破，一件相当重要的成就。当我们解决一个问题时，预先知道这个问题有答案和不知道这个问题有答案，那解决的难度是不同的。所以，在这个问题上，谷歌是有贡献的。

这个贡献和CASP13有相似的效应。CASP13之前，我们很多人都知道深度学习对蛋白质结构预测有帮助。但是只有在CASP13之后，世界才开始关注深度学习对蛋白质结构预测这一领域的影响，这是因为谷歌把这个结果显示给大家，让大家觉得原来机器学习有如此大的威力。

回到你的问题，我相信学术界应该很快让这项技术开源使用，帮助整体生物医学以及公众健康研究的发展。

第二个问题，工业界一些大公司在算法和算力方面都占有绝对优势，那么学术研究前进的方向在哪里？对于高校中的AI研究人员有什么建议？对于生物研究人员有什么建议？

刚才谈到，AlphaFold2接近解决了单结构域蛋白质结构预测的问题。但是，这只是问题的一个方面，还有很多未知的问题需要解决。

例如，蛋白质折叠的动力学问题，纯粹用深度学习，目前似乎没办法解决，因为我们在PDB库中看到都是蛋白质折叠到最后的稳定结构，它不能提供大量的样本供计算机来学习蛋白质折叠的中间过程。所以,蛋白质折叠的物理学规律，蛋白质和蛋白质之间相互作用等等，都是和蛋白质结构预测相关的，亟待解决的未知问题。

在CASP会议最后一天，DeepMind的CEO Hassabis，提到一个尝试，我觉得非常有趣。

大家知道，在AlphaGo的围棋游戏软件开发中，他们有两个版本。第一个版本是通过从人类十几万张棋谱学习怎么下棋，这是和李世石比赛的那个版本。第二个版本叫做AlphaGo Zero，它完全抛弃人类的棋谱，直接从围棋的规则出发进行自我学习。第二个版本比第一个版本要强很多。

Hassabis提到在准备AlphaFold2的时候，他们也试用了这个想法，试图不用PDB数据库当中人类解析的结构来学习蛋白质结构预测，而是从基本的物理规律出发进行自我学习探索。他们似乎取得了一定进展，但是与AlphaFold还有一定距离。

我认为这是非常有意义的尝试，可能代表下一步的研究发展方向。这类似于要对AlphaGo Zero输入围棋的规则，我们要对机器学习网络输入蛋白质折叠的物理规则，但是蛋白质折叠的规则目前尚不明晰。

如果Alphafold Zero能够做这件事，我们可能就真正学到了蛋白质折叠的物理规律，这将一个更加令人兴奋的成就，远比现在的AlphaFold2更加令人兴奋。

另一方面来讲，它甚至可以让我们预测出我们原先从未见过的蛋白质——这些蛋白质的结构不是我们数据库里面已经解构的，这给人类设计自然界从来没有产生过的，全新的蛋白提供重要的可能性。

如果有这样一个AlphaFold Zero的实现，也会在蛋白质设计或者蛋白质药物设计领域产生巨大的影响。

您的最后一个问题，工业界一些大公司在算法和算力方面都占有绝对优势，对整个学术界的影响会是什么？如何“摆正”学术界和工业界的关系？

这是一个重要问题。我觉得工业界对解决工程问题的确有它独有的优势，可以集中人力和财力攻关一件事情。学术界是对科学更加感兴趣，就是不仅要知道问题如何解决，还要知道为什么要这样解决，所谓知其然知其所以然。

就蛋白质结构预测来讲，虽然谷歌用深度学习，’暴力’地解决了这个问题的工程学方面，但是科学上未知的问题还很多。

我们都知道，蛋白质结构预测可以分成从头预测和同源模型预测，但是从头预测远没有基于模板的预测精准。在早期CASP比赛时，每一次都会有一些科学家，比如Cornell大学的Scheraga教授等，坚持不用模板，只用物理的办法来求解这个问题。当然，他们的成绩或许不理想，但我觉得这是一种对科学的追求精神，值得尊重，这也是学界解决问题的科学态度。

总体来讲，我很高兴看到谷歌对这个问题的成就。但是学术界应该放开心态，接纳利用这个成果，来帮助我们解决更重要的科学上的问题。AlphaFold2并不是末日，而是开始。

许锦波：学术界和产业界的矛盾在计算机系更加普遍，很多计算机系的研究都要落后于大公司。

大公司普遍在人力和资源上要比学校强很多，大公司可以招聘到很多顶尖人才长时间做研究，而学校教授团队都是一些刚刚入门的学生，创新成果产出上学校现在总体上落后于大公司。

但学术机构也不是完全处于下风，深度学习领域的三巨头都是来自于学校，在学校里坚持做研究，才一点点取得成功。但开端之后，新的模型、新的算法又都是产业界走在前面，例如DeepMind。现在的机器学习领域，产业界影响肯定更大一些。

学校也有自己的好处，例如思想上比较自由，可以去想、去做风险很高，别人还没有涉及的纯学术问题，将许多问题率先从概念角度理清。

我觉得，学者不应该和大公司在产业上硬碰硬，两者在科学研究和产业转化上应该进行互补。

黄昆：这些矛盾和我们AI研究比赛和试验方向的评价机制也有很大关系，一味追求准确率就是在和产业界竞争。另一方面，不考虑算力的情况下进行准确率对比机制，也导致很多有潜力的算法被提早排除。那些新的算法、新的理论在初始阶段，算力还有限的情况下，精准度也不高，可能更需要学术界去关注。

许东：工业界并没有和学术界进行全方面PK。

以我们生物信息学为例，目前研究的算法问题有成百上千个，里面产业界只研究和涉及其中的几个。现在看到产业界在蛋白质结构预测这个成果很轰动，但其他像RNA三级结构之类能不能用深度学习解决的学术问题，产业界还完全没有涉及。

许多问题并不像蛋白结构这么大，产业界投入产出比也不明显，学术界做这类问题就非常适合。

黄昆：人工智能对基础科研的辅助作用，对于中国生物医药产业的追赶甚至赶超有没有一定的启示？

张阳：在医药研发过程中，前期主要的一部分工作就是找到靶蛋白，之后设计新的化合物或其他分子来调节靶蛋白的功能。其中，了解靶蛋白的原子结构，对靶蛋白地寻找以及新化合物地设计，都很重要。

比如，我们的蛋白质结构预测软件I-TASSER就已经被多家美国前十的医药公司购买，他们购买I-TASSER地目的，就是用它在预测各种靶蛋白的空间结构。现在AlphaFold2在结构预测方面的巨大进展，应该使得医药公司对几乎所有的靶蛋白都能够进行比较精确的结构预测，这是AlphaFold2对药物产业的一个直接的影响。

在药物研发过程中，另外一个重点就是了解候选药物分子和靶蛋白的相互作用关系。这还需要新的AI技术去突破，可能也是包括谷歌在内的产业界和学术界未来研究的新目标。

所以，深度学习未来肯定会进一步改变传统药物的研发过程，这种改变会是革命性的。

许东：我也简单举几个例子。像癌症里面的癌细胞蛋白变异，过去这种变异研究都是从序列出发。未来如果AI在结构预测的非常准确，就可以用于大规模的癌细胞蛋白变异预测，理解癌症，进行药物开发。

其次，小分子药物设计，像研发新冠病毒的小分子药物，这种病毒蛋白或细菌蛋白，变异往往非常多，AI结构预测如果也同样很精准，就能更容易找到新小分子药物对不同变异都有效果。这些都是很实在的应用。

黄昆：一个全新的氨基酸序列，怎样评判AI预测的结构是不是靠谱？这种没有标准答案的新结构是否可以用能量稳定性评价质量？

许东：这种结构评价主要有两种情况，第一种是将预测结果和真实结构做比对，第二种是不知道结构，评估预测结果是否可靠。

第一种情况，现在像GDT打分这种评价方式，还非常粗犷。

我认为终极的评估还需要考虑更多，例如比对分子上的氢键是否差异或错误，这次的AlphaFold2肯定还达不到试验要求的高精度要求。其实过去的CASP就很难实现高精度，我觉得这次的分析肯定也不是很透彻。

第二种情况，不知道之前结果，我觉得DeepMind这次做的还比较好，用Transformer的方式，直接给出一个打分，这非常有价值。

黄昆：利用“分子动力学+AI”加速模拟和利用“Knowledge+AI”直接预测结构和活性，这两种方式哪种更有潜力？

许锦波：我觉得两种方法并不是对立，更趋向于互补的关系。

如果只要简单的预测分子结构，肯定knowledge+AI更有效，它更适合结构预测。

但knowledge+AI方法也有短处，本身就是用结构库里的数据训练出来的，而结构库的大部分结构都是通过X单晶衍射解出的，所以AI预测肯定会更适用于静态结构，动态结构效果就会比较差。

假如希望研究AI+分子动力学的方向，可以在动态结构预测方向进行尝试，例如预测蛋白质动态行为，或者做模拟和代码的动态分析。两种方法都有自己更擅长的方向。

黄昆：以X光衍射成像的经验来看，数据的预处理非常重要，对最后AI训练结果影响也非常大，那么对端到端的预测影响有多大？

许锦波：以我的经验来看，数据处理是非常重要的，肯定需要花费大量的精力在数据库建设和完善上。

现在的结构数据库样本量还比较小，但肯定也需要进行处理。因为里面一部分氨基酸可能没有坐标、是残缺的，许多数据的来源也不太一样，包括NMR、冷冻电镜、 X-ray。

这次AlphaFold就应用了一个很大的宏基因数据组，需要花很多时间去处理里面的数据。因为同源序列就是来自于这些序列数据库，如果预处理过程中，同源序列都找的不好，肯定会影响最后预测结果，端到端的数据处理同样也需要花很多精力和时间。

黄昆：刚才许教授说到，在生物学里面还有几百个问题都需要应用机器学习，那么除了这次的蛋白质折叠，DeepMind还在布局哪些其他生物技术方向？

许东：DeepMind这样的AI技术在许多生物医学领域都进行了尝试，然而，应用在其他的方向其实并不容易，迄今为止还没有太多成功案例。

从计算机角度来看，蛋白质结构预测，是一个已经被定义非常清楚的问题，虽然复杂，但还是属于弱人工智能问题。

而辅助诊断等其他场景，属于强人工智能问题，对于AI还有很多困难，DeepMind并不是没有做这些的方向，而仅仅是还没有取得很大成功。

补充提问：结构只占序列的不到1/1000，今后有了序列很快就可以拿到结构之后，对于依赖蛋白质相互作用网络的癌症和中医药等，有什么影响？

许东：我觉得帮助会比较大的。当然用蛋白质结构来预测蛋白质相互作用网络现在并不靠谱，但不少蛋白之间我们知道它们有相互作用，可以应用它们各自的结构做docking，得到相互作用的结构模式，会对促进理解癌症及其相关药物的开发。

对于中医我个人很感兴趣，许多中草药的基因组现在被测序了，但其中绝大多数蛋白没有被研究，蛋白质结构预测会帮助我们理解这些蛋白的功能，助力对中草药的药理研究。雷锋网

尽管，距离Deepmind公司AlphaFold2的横空出世，已经过去了两周的时间，但是围绕AlphaFold2的讨论热度依然不减。

AlphaFold2是否是完美无缺，如果不是，它的“胜利”具体体现在哪些项目上？AlphaFold2对结构生物学的影响有哪些，哪些方向能受益而加速突破？哪些方向会受到影响而淡出？学术研究者与企业工程人员该如何分工，进一步实现“产学融合”的高效转化？

关于AlphaFold2，太多的问题需要解答。

近日，主题为“权威专家谈AlphaFold：DeepMind到底突破了什么？”的圆桌论坛正式举行。本次主题论坛由图像计算与数字医学国际研讨会（ISICDM）主办，雷锋网、医健AI掘金志协办。

印第安纳大学医学院副院长、AIMBE Fellow黄昆教授担任主持，密苏里大学教授、AAAS/AIMBE Fellow许东教授、密歇根大学教授、DeLano奖得主和I-TASSER算法发明人张阳教授、芝加哥丰田计算技术研究所、斯隆奖得主许锦波教授共同参与讨论。

在上篇中，几位嘉宾共同回顾CASP竞赛的历史、AlphaFold2的技术细节、局限与意义；在下篇中，将着重分析AlphaFold2的产业应用前景、学术研究风向、药物研发等“未来”话题。

图像计算与数字医学国际研讨会（ISICDM）自2017年创办以来，一直是医工交叉的前沿阵地，围绕图像计算和数字医学中的一些重要的理论、算法与应用问题进行学术讨论，旨在促进电子信息（包括计算机、自动化与生物医学工程）、数学和医学等领域学者的交流与合作，截止至今，ISICDM共邀请到400余位大会报告及专题报告嘉宾。

在今年的ISICDM 2020上， “计算解剖学”创始人的Michael I.Miller教授，新加坡国家科学院院士、发展中国家科学院院士沈佐伟教授、瑞士工程科学院院士Michael Unser教授、美国国家发明家科学院院士王革教授等数十位嘉宾分别进行了主题演讲。

以下是主题论坛的现场内容，雷锋网做了不改变原意的编辑和整理

黄昆：请大家先谈谈自己对CASP竞赛的了解，包括其目的、历史。

张阳：CASP全称是Critical Assessment of protein Structure Prediction，它是一个关于蛋白质结构预测的竞赛。在CASP举办之前，蛋白质结构预测一直是生命科学里的一个重要问题。每年都会有人发表大量的论文，有些论文甚至宣称解决了这个问题。

但是，蛋白质结构预测是一个基于计算机程序预测的问题，如果没有实验的介入，没法断定这些宣称是否真的正确。

所以，在1994年，马里兰大学的John Moult教授和同事就发起并组织了这么一个比赛。每年的夏天，由组织者收集大约一百个左右蛋白质的序列，没有任何人知道他们的三级结构。然后让做蛋白质结构预测的人来利用计算机程序来预测他们的结构，同时让实验结构生物学家的人利用X-光衍射，核磁共振，或者冷冻电镜的方法，把这些蛋白质的结构解析出来。

最后，由独立的科学家团队把计算机预测的模型和实验的结构对照，分析不同计算机算法的预测结果。因为是双盲的预测，这些结果可以客观真实的反映结构预测的精度。

CASP组织者一直是在淡化竞赛的概念，他们一直把它称作CASP实验。其目的是评价目前最领先的技术，找出现存的问题，规范和指导领域的发展。

但是，每个参赛者都很认真对待。这个比赛一般是5月份开始，八月份结束，很多实验室在比赛期间，停下一切事务，全力参赛。这应该是生物学领域第一次举办这样的比赛，也是最重要和名气最大的科学竞赛。后来很多学科和专业都模仿这种方式，举办各种科学竞赛。

黄昆：这次CASP中AlphaFold的胜利体现在哪些项目上？除了AlphaFold2之外，这次CASP竞赛还有哪些亮点？

张阳：过去二十多年来，蛋白质结构预测这个领域一直在不断进步。特别是最近五，六年，因为共同演化，接触图预测，以及深度机器学习技术的引进，很多实验室的算法精度都有很大的提升。这些提升是学术界内部的提升，和谷歌的AlphaFold没有关系。

就拿我们实验室的I-TASSER自动服务器来讲，在两年前CASP13的时候，它预测非同源蛋白结构的数目比六年前CASP11的时候增长了五倍。在这次CASP14中，它的预测精度和CASP13相比，也有很大增加。

但是这次AlphaFold2比上次的AlphaFold增加的幅度更大。他们大约有一半的蛋白质，其单结构域结构的GDT-TS score都大于0.9，也就是说接近实验测量的精度。

我在另外一个场合引用谷歌的宣传材料称，他们有2/3的蛋白达到了这个精度，但是后来我自己做了结构比对和检查，发现除掉水分之后，这个数字应该是51%（如果考虑第一个模型）；如果考虑五个模型中最好的模型，有58%的结构域达到这个精度。但是这个结果依然非常惊艳！

为什么如此惊艳？蛋白质结构预测一般分成基于模板和从头预测两种算法。如果数据库中有同源的结构存在，大家利用基于模板的算法，都可以做的很好。

但是如果结构数据库中没有同源蛋白存在，纯粹基于序列从头预测，精度会大幅度下降。但是AlphaFold2，它就用一种算法---深度机器学习，对于从头预测的蛋白质做的几乎和基于模板的蛋白质一样好，这就是它让人震惊的地方。

和传统的结构预测方法相比，这个增加幅度简直难以置信。因为这是CASP双盲测试的检测结果，我们没有选择，只有相信它。

现在我讲一个小故事。这次CASP比赛，我们实验室也有幸被邀请在CASP会议上做报告（包括谷歌和Baker实验室，一共有三个团队被邀请做结构预测报告），所以我们大概在CASP会议之前的三个星期，拿到了各团队参赛的数据。

当然为了新闻的要求，CASP要求在12/1号开会之前，不得向外界泄露。我当时看了结果之后，虽然有一些心理准备，但是仍然惊讶的目瞪口呆。我给Moult回信，表示对结果非常震惊。

他回信说，自从六月份他们开始看到并评估第一个目标蛋白以来，整个CASP组织团队就开始对结果完全无语了，他用的一个词是“speechless”。你可以想象整个领域对这个结果的惊讶程度。

黄昆：我想请教一下，蛋白质折叠从计算的角度来讲，具体的难点是什么？它的意义在哪里？另外AlphaFold2的算法，取得了哪些技术上的突破？到底都利用了哪些前人的工作？

许东：蛋白质折叠对于理解基因的功能、疾病的原理、制药都是非常重要的。

几十年前，大家就在探讨这个领域里被称作Levinthal的悖论。

第一，一般蛋白的平均长度大概在300个氨基酸，假设每个氨基酸的可能构象有10个，所有的可能性就是10的300次方，数据量非常巨大。即使是全球最好的计算资源价值，也不能处理这么多的可能性。

第二，蛋白质折叠靠的是能量，能量实际上非常复杂。从底层来讲，它是基于量子力学的过程，即使走到经典力学的过程，把它变成一个函数，这个函数非常复杂。要优化这个函数，没有什么可能。

第三，这几十年，我们确实积累了大量的实验结构。现在数据库里大概有17万个已知结构，听起来数量庞大，但实际上很多蛋白的序列与结构是类似的，没有那么多独特的结构、序列。

深度学习是属于“数据饥饿”的方法，喂它多少数据都不一定够。过去通过这个方法，也不能很系统地得出准确的结果。即使在某一个蛋白质预测上做得非常好，但是不能保证全都做得很好。

这次的AlphaFold2，我认为最主要的是实现了鲁棒性，能够得到很稳定、很好的结果。过去从来没有团队做到。从技术上讲，我们有一个打分机制，基于多少个氨基酸预测到位来评分。一般蛋白质预测需要达到90%及以上的准确率，才能算预测得比较有用。

这次AlphaFold2已经达到了平均92.4，几乎和实验结果差不多。今后，AlphaFold预测出来的结果，就可以和实验，例如MR、冷冻电镜的方法相媲美。

这个现象与AI阅片一样，虽然不能完全代替医生的诊断方式，但是可以对人类医生的一些漏诊进行补充。

当然，AlphaFold2的成果不代表所有问题都得到解决，但是第一次基本上系统地解决了蛋白结构预测的问题。我非常惊讶的就是它的精度，不光是蛋白质的主链，在被称作侧链的原子层面，预测也非常到位、准确，这是我们很多人想不到的。

还有哪些问题没解决？

其中有一些非常难的蛋白，或者数据库里没有这样的结构，或者结构跟现有数据库里其他结构很像，但是基本上没有任何相似的序列，被称之为孤儿基因。这种情况非常难预测，分数大概能达到87分左右。

另外一点，AlphaFold2今后能否全自动做蛋白质结构预测？AlphaFold2的赢面不是在全自动的大类里，还需要手工进行。能否真正实现全自动，或者算得足够快，让很多人都能用上，还需要进一步探索。

第三，蛋白有很多种类（多聚体），例如同一种蛋白形成2-4个多聚体，或者是不一样的蛋白形成1个多聚体。这个问题还没有真正的得以解决。此外，蛋白经常被修饰，比如糖化、磷酸化。现在设计的新冠疫苗，在重要的蛋白上经常有糖化的修饰，对疫苗设计都是很大的障碍。对于那些有修饰的蛋白能否预测得很准确，目前也不是很清楚。

实际上，蛋白在不同环境下的构象并不相同，比如酸碱度的高低，含盐的多少等因素，给蛋白质的在生物体内的精准预测制造了非常大的难度。

话说回来，很多重大科学问题宣布解决时，并不意味着所有问题得到解决，只是大的问题得到解决，其它小问题可以慢慢解决。

这次AlphaFold2的成果，很多人功不可没。我们也很兴奋，帮助这个领域增加了很多的曝光度。这就像是一场接力赛，往往是跑到最后一棒的人会有更多的高光时刻。然而，这个接力赛确实需要很多人共同参与才能完成。

在蛋白质结构研究的50年过程中，很多华人科学家做出了非常重要的贡献，徐鹰教授、周耀旗教授、李明教授、许锦波教授、张阳教授、卜东波教授和我们系里的程建林教授等在这个领域里都做了非常好的工作。

其中最值得介绍的就是我们的两位嘉宾。

首先就是张阳教授，从2006年开始，常年把持CASP自动预测类的第一名，包括今年自动类第一名仍然是他们团队，他们的服务器被151个国家和地区使用，有14万个以上的用户，预测了五十几万个蛋白，张教授还有很多蛋白方面的服务器，并且他在15年前就指出，完全通过数据进行搜索以解决蛋白结构的理论上的可能，做了很多的数据模拟，我觉得这些工作都很具有前瞻性。

许锦波教授在氨基酸的距离预测上，真正将蛋白质预测的问题提升了一个台阶。

其实，AlphaFold2对蛋白结构预测中很重要的一点，是对蛋白质距离预测的过程。这个过程中，许锦波教授是第一个认识到氨基酸之间的距离预测，不能一对一对预测，要所有对一起预测。这就是所谓的end-to-end——端到端模型。

这次，AlphaFold2所使用的也是端到端模型，根据序列的特征直接输出了三维结构。许锦波教授是第一个真正成功利用深度学习把这件事（距离）搞定的。CASP13的时，AlphaFold1也是用许锦波教授的方法来进行研究。

张阳：我稍微补充一下。AlphaFold是不是解决了蛋白质结构预测的问题？我觉得还有待商榷。

首先，怎么定义蛋白质结构预测的问题？

蛋白质结构预测包含三级结构和四级结构预测。其中三级结构是指单链，四级结构是指多链蛋白质的结构预测。这次AlphaFold参加的主要是三级结构预测。即使是在三级结构预测，CASP评估的也只是单结构域的预测结构。

自然界中一个功能蛋白质链往往也包含多个结构域，这些结构域之间有复杂的相互作用。这些结构域之间或者蛋白质链之间的相互作用都属于蛋白质结构预测的范畴，都具有重要的生物学意义。但是CASP对这种多结构域的复杂构型并没有做评估，主要是多年以来我们没有好的办法预测它们。

所以，严格意义上讲，AlphaFold2接近于解决了单结构域的蛋白质结构预测问题，预测精度很高。很多媒体中提到它的中位数值是0.92，即大致有一半的模型是超过0.9，接近或者达到实验的精度。也就是说，还有接近一半的蛋白质预测没有达到这个精度。因此，要完全解决蛋白质结构预测的问题，仍然需要很多工作。

提到华人教授的贡献，许东教授是这个领域的前辈。在进入这个领域之前，我就已经知道许东老师和徐鹰老师他们在20年前开发的Prospect算法，我的实验室现在还在运用他们的程序。

另外，我们也常常用DomainParser做蛋白质结构域的分割，这个程序也是许东教授他们在20年前开发的。现在，许老师和徐老师的研究兴趣可能转向了其他方面，但他们在这个领域里的努力是非常可圈可点的。

黄昆：AlphaFold2算法的成功主要得益于机器学习，深度学习中的哪些重要技术和突破（例如注意力机制）？如果仅靠增加算力能否进一步突破？AlphaFold2算法当前的局限性在哪里？可能有哪些改进空间？

许锦波：进行蛋白质结构预测这方面的研究，我是跟徐鹰老师和许东老师学的。虽然他们不是我的导师，但是读博士时，我就在读他们的prospect代码，开始学习这个方向。

就如许东教授说，AlphaFold2的很多算法灵感都是基于以前的工作。我先简单回顾一下经典的算法。

最早是用蒙特卡洛采样（Monte Carlo Simulation），随机产生多种可能的形状，然后用一个能量函数去选择，觉得哪个形状更有可能，就选择能量最小的形状。这是早期的算法。

但这个算法的问题在于，稍微大点的蛋白就处理不了了，即使后来加上了片段组装 (fragment assembly)，也还是处理不了特别大的蛋白，并且需要很多计算资源才能做这件事情。

2010年之后，这个领域里的共进化数据变得很有用，主要是因为测序变得非常容易，产生了大量的蛋白序列。虽然这些蛋白序列没有结构，但是没有关系。我们可以通过研究它们的进化关系，把它们跟结构的关系预测出来，这叫共进化分析方法。这种方法取得了一定成功，但是对很多没有结构的蛋白质并没有很好的效果。

其中一个原因是，很多蛋白还没有那么多同源序列，需要有很多同源序列才能做得比较准确。通常来说，共进化分析方法需要跟蒙特卡洛采样结合使用，效果才会比较好。

2012年，深度学习开始慢慢进入这个领域，但那个时候并没有成功。有些研究者尝试了一些非常简单的深度学习方法，比如说DBN方法，但并没有表现出任何好的效果。

直到2016年我们引入卷积残差神经网络后，我们才真正发现，深度学习可以把这个问题做得很好。通过卷积残差神经网络，可以将共进化信息利用得很好，还是一样用同源信息。现在所有成功的方法，都是依靠同源信息。那个时候我们就发现可以把氨基酸在空间中的关系（接触图或距离）预测得比较准。

2018年之后，很多成功的组都是要么间接、要么直接地使用这种卷积神经网络跟共进化信息结合起来的方法。

发展到这个地步，我们就发现完全可以抛弃蒙特卡洛采样。当然，用蒙特卡洛采样可能会稍微好一点，但差别不是很大，这样可以大大节省计算资源。只是在做训练的时候还是需要那么几块GPU，这样才能比较快地将模型训练好。

2018年，DeepMind也使用了卷积残差神经网络的方法。他们的团队，无论是人才资源还是计算资源都比其他组要多一些，那个时候的效果也挺好。

AlphaFold2做得比2018年要好很多。他们确实是发展了一些新的方法。例如最新的算法——注意力机制。他们引入了一个像Transformer之类的神经网络。Transformer翻译为中文就是“变形金刚”，是自然语言处理里一个非常火热的神经网络模型。Transformer的主要作用还是用来预测蛋白质里氨基酸之间的相互关系。

另外，他们这次不直接使用氨基酸之间的距离，而是利用了另一个神经网络从Transformer的输出直接产生原子的三维坐标。

要产生三维坐标，就要去处理蛋白质空间的旋转问题。

由于蛋白质空间可以旋转，训练产生的结构跟正式结构比较，就需要处理旋转或者平移的问题。当然，可以将蛋白质中心都设为原点，平移的问题可以不用管，但是旋转的问题要处理。

他们应当是利用了一个网络同时预测旋转和三维坐标。这两个网络都是比较新的技术，这是他们的创新之处。有几个研究组包括我们自己也在研究Transformer在这个问题上的应用，也有些小组在研究怎么直接产生三维坐标，然而DeepMind是第一个找到正确方法的。但是我不认为仅仅靠这两个算法就能够做到现在这种程度，还有很多工程问题。

现在，所有的算法都是依靠同源序列，能不能产生非常好的同源序列非常关键。AlphaFold2的团队大概有30个人，里面专门有专家负责搜索同源序列，这项工作非常重要。因为如果同源序列找不好，结果也不可能很好。

因此，AlphaFold2的团队的成功之处在于，可以把所有重要的工作结合得非常好。

当然，算力也很重要。虽然他们宣称训练一个模型只需要一两百个GPU，训练两个礼拜就可以了。事实上，在找到正确的方法之前，要做无数的实验、测试不同的策略。做实验需要非常多的机器， 这样可以同时测试几个不同的想法。

30人的团队肯定不止有一个想法，这些想法的测试需要非常多的计算资源，这是学术界比不了的。30多人可以在一起互相讨论，看谁的想法好，很快就可以知道哪一种策略是成功的。学术界通常是一个教授带一个小组，大部分都是学生，最多有一两个博士后，不可能得到那么快的反馈。

这是学术界的一个劣势。

今后有没有可能有更好的算法？我相信应该会有，只是说好的程度到底有多少。AlphaFold2的团队已经做得非常好，提升空间还有，但是不像以前那么大。

例如，学术界能不能训练出一个模型，不需要那么多计算资源，就能把结构预测出来？能不能找到一个模型简单、但效果差不多的模型?

因此，未来的工作还是有进步空间，但是这个进步空间是从1到10，还是从0到1？从0到1的可能性不太大，也就是说，非常重大的原创性的突破可能很难，但还是有很多完善性的工作。

顺带一提，虽然很多人认为蛋白质结构预测的问题几乎被解决了，但要看怎么定义蛋白质结构预测：现在所有的方法都是基于同源序列，没有同源序列，大部分情况下都不可能做得那么好。

在自然界中，蛋白质折叠是不需要看有没有同源序列的，它是单独地折叠起来的。

能不能设计出一种算法，不需要通过使用同源序列就能把蛋白质结构预测出来，这是一个非常重要的问题，也是一个非常难的问题，这个问题有很多尝试的空间。

许东：的确，AlphaFold有全明星团队，有无穷的计算资源，而且注意力机制和Transformer就是他们自己提出来的，这是他们的本领，当然会做得比别人更顺手。但即使这样，我认为AlphaFold2是有实质性创新的，并不是简单地在工程上做得更好。

许锦波教授讲到的Transforme、end-to-end，这些不是小的创新。所谓端到端的预测，能够跨越这些中间过程。

AlphaFold1跟AlphaGo1差不多，基本上是用这个领域里的算法做，就像AlphaGo用经典的棋谱来训练。而AlphaFold2到不了AlphaGo2的水平，但已经到了AlphaGo1.5的水准。

什么意思？AlphaFold2跨过了预测氨基酸空间距离的过程，直接预测坐标。很多人都想到这个问题，但目前实现的只有他们一家。

此外，AlphaFold2不仅能预测结构，还能预测可靠性。做序列比对的一个重要工具叫BLAST（全称Basic Local Alignment Search Tool，即“基于局部比对算法的搜索工具”）。其重要突破在于，准确地说明对比的结果在生物学上有多靠谱。现在的AlphaFold2也能做到。

另外一点，AlphaFold2对构架进行了精美的调整，使用了一些迭代的机制。此前我们在做蛋白结构实验时使用一种叫Multidimensional Scaling的方法，但是很长时间都无法成功，在改用迭代以后很快成功，他们把迭代做的非常好，

但是为什么目前达不到AlphaGo2.0的程度呢？AlphaFold2除了输入蛋白质本身的序列，还需要到蛋白序列数据库里寻找同源序列进行比对，推出进化关系来作为输入，而AlphaGo2.0则不需要这类额外信息作为输入。这是因为AlphaFold2和围棋不一样，围棋可以通过无数次下棋比试来总结规律。

蛋白质结构只有17万个，虽然看起来很大，但对机器学习来说非常有限。所以，AlphaFold2现在无法达到AlphaGo2.0的水平。今后，在达到这一水平后，一方面可以预测复杂的结果，另一方面会对蛋白折叠的路径机理有更加深刻的了解。

（关注微信公众号“医健AI掘金志”，查看下篇精彩内容）雷锋网

MYR成立于2011年，总部位于德国巴特洪堡，目前仅拥有35名员工，是一家从事创新药研发的私人生物医药企业。

公司的核心药物产品为“Hepcludex”，用于治疗慢性乙型肝炎病毒（HBV）和丁型肝炎病毒（HDV）感染。

作为治疗乙型肝炎病毒和丁型肝炎病毒的特效药，Hepcludex已经完成2个II期研究（MYR202和MYR203）。

临床研究结果显示，接受该特效药联合聚乙二醇干扰素α联合治疗48周后，有超过50%的乙型肝炎病毒和丁型肝炎病毒共感染患者体内检测不到HDV RNA。

同时，也有一部分受试者体内的乙肝表面抗原达到了无法检测的水平，药物显著降低了病毒血症并改善了肝功能，同时具有良好的耐受性和安全性。目前该药物正在开展长期治疗的III期HDV研究和与其他干扰素联合应用的II期丁肝研究。

今年8月，Hepcludex正式获得在欧盟地区的有条件营销授权、用于成人慢性丁型肝炎病毒感染和代偿性肝病治疗资格，以及EMA授予优先药物资格，意味其成为丁型肝炎全球首个获得有条件营销授权的药物，目前已在法国，德国和奥地利上市。

雷锋网了解到，此次收购完成之后，吉利德计划将这一特效药推向全球市场，该药物此前已经获得FDA颁发的孤儿药资格（ODD）。

在双方的交易条款中，这款特效药未来如果能够进一步获得FDA的上市批准，MYR的股东还将另外获得至多3.63亿美元的收益。

现今，吉利德已成为全球最大的HIV和丙肝治疗药物生产商之一，在肝炎病毒药物研发和市场销售中有着丰富的行业经验，1000美元一粒的丙肝特效药索非布韦片(Sovaldi)就是吉利德肝炎病毒药物产品组合的其中之一。

但该公司近年来面临着增长放缓的问题，截止今年9月，该集团2020年营业额约为170亿美元，但亏损高达14亿美元。

吉利德首席执行官Daniel O'Day表示：“这项交易完成后，将推动吉利德的收入快速增长。”

MYR的投资者由德国联邦经济部和德国复兴信贷银行支持的高科技创业基金(HTGF)和俄罗斯MBVF组成。

德国高科技创业基金管理资金近9亿欧元，目前持有MYR13.4％的股份，这次退出MYR将为基金带来1.5亿欧元的收益，而MBVF创始人Dmitry Popov同时也是MYR首席执行官。雷锋网雷锋网雷锋网

药物研发的挑战与机遇在哪里？前沿技术如何快速赋能产业？

近日，第二届水木未来冷冻电镜与药物发现论坛在北京举行，会议围绕新药研发的机遇与挑战，汇聚行业专家，就新技术在创新药领域应用场景及新机会深入探讨。

会议由水木未来主办，新生巢、DIA和赛默飞世尔科技协办，北京市昌平区科学技术委员会、北京中关村生命科学园管理委员会共同指导。

百奥赛图基因董事长兼CEO沈月雷，清华大学生命科学学院院长、水木未来创始人王宏伟，赛默飞世尔科技副总裁周晓斌，应世生物公司董事长兼CEO王在琪，同创伟业投资人庞宇轩等240余位来自科研领域、医药投资圈、医药企业的专家齐聚一堂，就冷冻电镜在小分子、抗体药物、蛋白降解、基因治疗等方面创新应用思路和实际案例，充分交流讨论，为与会者提供了新思路、新手段和新方向。

在开场致辞中，王宏伟教授表示：“从2015年开始，整个冷冻电镜技术发生了突飞猛进的变化，为生物大分子结构研究带来了更多的可能，许多困扰若干分子或复合物相互作用、相互影响，深入再深入地理解生命本质的难题一步步被解开。”

目前清华大学已经建成世界最大冷冻电镜研究中心，可以为全国乃至全世界的用户提供高端技术服务，并产出了多项具有重要影响的科研成果，更好的发现和设计药物、医疗诊断等具体应用。

百奥赛图基因董事长兼CEO沈月雷也在现场做了专题报告，他表示，目前创新药行业，同质化趋势非常严重，过多的企业都集中研究PD1，有的学者曾表示：‘现在的PD1已经完全可以洗澡了’，未来的发展趋势应该是寻找更多的创新，包括更多有效的靶点，更多合适的药物分子组合。

今年3月，寻求突变的百奥赛图推出了“千鼠万抗”抗体药物研发平台计划，3-5 年时间，在全人抗体小鼠RenMab 上，逐一对上千个潜在抗体药物靶点进行基因敲除，并利用这些基因敲除小鼠制备抗体，这其中冷冻电镜必然是不可或缺的重要新技术。

武汉纽福斯生物科技联合创始人首席技术运营官肖溯博士，也在大会做个专题分享，她用多个实际研究案例揭示了基因治疗AAV产品技术开发细节及质控过程中冷冻电镜应用场景。

在以《药物研发中的技术引擎》为主题的圆桌讨论环节中，辉瑞新兴科学与创新合作中国负责人边峰、百奥赛图CEO沈月雷、挚盟医药CEO陈焕明博士、赛默飞电镜业务亚太区高级商务总监Marc Peeters还分享了AI在新靶点发现中的应用情况。

沈月雷表示：人工智能需要的数据库还没有成型，现在的抗原抗体实验数据还远远不够，还在建设当中。”

陈焕明表示：“事实上，我们之前也有讨论过AI在靶点发现中应用的可能性，目前还认为，和AI合作的时机还为时尚早。”

大会的最后，水木未来CEO郭春龙做个闭幕致辞，回顾了水木未来的创立历程，对与会嘉宾和线上线下参会的业内同仁表示衷心的感谢。水木未来将不遗余力地为创新药企和科研机构提供结构生物学和药物发现的服务。

雷锋网了解到，水木未来（北京）科技有限公司是一家结构和计算驱动的新型药物研发公司，创立了亚太区第一个商业化冷冻电镜服务平台，已成功为来自中国、美国、欧洲的30余家创新药企和顶级科研机构提供了结构生物学和药物发现服务。

在生物大分子领域，水木未来冷冻电镜平台可以高效鉴定抗体表位，分辨率达到3.4A，在全球范围内领先。

在小分子药物领域，观测蛋白质与药物结合前后及结合过程中的构象变化，为研发提供丰富的信息，可以快速精准破解药物潜在作用靶点结构，彻底改变新药研发的盲晒模式； 分辨率达到2.3A。雷锋网雷锋网

过去，我国药品市场以仿制药为主，国产创新药占比很小。近年来，国内制药格局正逐步由仿创结合向自主创新转型。

目前，国内生物医药创新研发活跃，国内更多的创新产品在海外同步临床，更有创新产品在海外同步上市。与此同时，不论是传统药企还是创新药企，整体研发投入的比例和绝对值都不高。此外，创新水平也不够、同质化严重的现象也比较突出。

从一个制药大国转变为一个制药强国，学界、产业界、投资界都有哪些进一步补齐的短板和发展思路？

雷锋网消息，近日，第三届健康产业投融资领袖峰会在北京召开。

峰会由人民日报健康客户端、人民日报社健康时报、中银国际联合主办。本届峰会主题为“汇聚洞见、引领趋势、智创未来”, 主论坛邀请了多位投资界、医药学界的专业人士进行主题报告，分享并探讨了健康产业的政策变化以及未来的投资发展趋势。

在以《抗周期：创新药投融资前景展望》为主题的圆桌论坛中，北京大学药学院院长周德敏，国投创新投资管理公司董事总经理肖治，国药投资副总经理刑永刚，鸿运华宁（杭州）生物医药有限公司创始人景书谦，药渡创始人兼董事长李靖共五位嘉宾，围绕创新药投融资的前景进行交流和讨论，越秀产业基金新医药投资部总经理薛辰担任圆桌讨论主持人。

以下是圆桌讨论的内容，雷锋网做了不变原意的整理与编辑：

从制药大国，到制药强国

薛辰：中国一直是制药大国，如何从一个制药大国到一个制药强国？创新药是其中非常重要的产业支柱。我们今天的讨论主题叫做“抗周期：创新药的投融资前景展望”。第一个问题想问一下周院长，在中国的创新药过程当中，您所在的学校、科室在研发过程当中都有哪些布局？

周德敏：我来自北京大学。回北大前，我在美国制药公司工作了很多年。我所在的单位是天然药物及仿生药物国家重点实验室，是由原国家卫计委批准组建的首批国家重点实验室之一。1985年筹建，1987年12月通过验收并向国内外开放。

实验室的定位是源头创新，这方面我的感触很深。我在美国时观察到，如果一家公司知道另一家公司在做同一件事，一般就不会在这个领域继续下去了。因为它知道对手已经做了好几年，永远赶不上它。所以，美国的制药公司一般都在寻求创新。

而我们国家则是，别的企业不做它也不做，别的企业做它才做，这可能就是最大的不同点。

说到北京大学药学院，大家都知道屠呦呦。那个时代主要是研究从中药里面提取有效成分。到了今天，新药研发则是进入了一个向生物制药跨越的时代。目前，最畅销的药物里面十个有八九个是生物药。

我们国家重点实验室一直在进行这方面的尝试，也做出了很多让人耳目一新的研究。

比如，我们跟红杉合作的一个项目，就是要把一种病毒直接变成疫苗。没有感染流感病毒时，它就是预防性的疫苗；如果已经感染，就是一种治疗的药。昨天在基金委介绍这个工作的后续时，也让基金委眼前一亮。

薛辰：之前听说过，中国生物医药产业希望孵化出中国的Genentech、吉利德，也想请您分享一下具体的故事。

周德敏：在斯坦福大学的对面，有两家公司拉开了生物医药时代的序幕。一个是Genentech，一个是吉利德。

吉利德是由一个29岁的化学家和美国前国防部长一起建立的公司，产品大家都很清楚——艾滋病的鸡尾酒疗法、抗流感的达菲等，都是从这个公司发展起来。

我经常跟政府部门的领导说，他们自己是大有可为的。作为美国国防部长，拉姆斯菲尔德（Donald Henry Rumsfeld）在五十多岁时投入自己的精力，成立了可以成为一代传奇的吉利德公司。

另外一家公司Genentech。从生物医药角度来总结这家公司如何投资、创业，有两个关键点：坚实的科学力量和灵巧的商业运作。

Genentech成立于1976年，利用了美国加州大学旧金山分校博伊尔教授（Herbert Boyer）发现的DNA重组技术。这个技术发表以后，被一个非常关注科学领域的27岁投资商注意到。他感觉这里面有潜力，于是再三约请和博伊尔教授见面，后来他们就一起成立了Genentech。

现在，全球最畅销的十大药物里面有四种药来源于Genentech。我特别希望中国、希望更多投资界的朋友能够来支持大学，我们能建设出中国的Genentech、中国的吉利德，这是特别良好的希望。

薛辰：创新药研制离不开资本的支持。不光红杉和鼎晖的美元基金，也希望有机会多接触一下中资的基金。国药投资和国投创新有哪些成功案例可以向大家分享一下？同时各自有哪些优势？

肖治：我是国投创新的肖治，目前接管了1100亿左右人民币基金。这是一个综合性的基金，主要投资三个方向：生命大健康、智能制造和新能源汽车。我和18个同事一起负责高端医疗器械和创新药这个板块。

真正开始大规模投资大健康领域是在2015年之后。2009年之后，中国有大量海归人才回国研究创新药，并在2010年后不断有成果出来，我们赶上了这个时候。

我们在上一个五年投资了信达、亚盛、康希诺、沛嘉，目前均已在上海上市。除了这些已经上市的企业，过去这五年，我们在生命大健康领域投资了60多亿人民币，共20多个项目。整体偏中后期投资，单笔投资额在2亿人民币以上。

我们也有一些比较创新的投资。例如，我们会与一些大的上市公司合作，将其中的创新药板块重新孵化出一家新公司。2017年，我们把阿斯利康在上海的研究院进行了私有化。前阿斯利康中国创新中心（ICC）负责人张小林博士，从职业打工人变身成创业企业家。我们和阿斯利康拿出了现金和资产，变成创新性企业公司。

在高端医疗器械领域，我们也投资了像沛嘉这样的公司。

我们是一个非常市场化的基金，也在不断地摸索探讨，观察2020年疫情之后如何在行业里面进行投资。

过去十年，生命大健康领域发生了很多变化，既有监管政策方面，也有市场资金的变化，更有人才和新技术的变化。所以，和团队进行讨论的时候，我始终会讲一句话：未来投资的很多领域，可能都不会像生命大健康这样一直会蓬勃发展下去。

邢永刚：我来自国药集团，属于国务院国资委直接管理的中央企业。国药集团是国资委里唯一一家以医药大健康为主业的央企。国药集团的整体方向是医药大健康，底下产业非常全，是医药健康行业全产业链的一家公司和平台。

习近平同志提出，要坚持打造医药大健康行业的全产业链、全生态链的医药大健康产业平台。

随着改革开放的进程，国药集团最早和外资企业进行合作。当时谈的第一家合资企业是建国饭店，同时谈的一家制药企业就是国药跟日本一家企业合资建立的。那时候，中国还没有《中外合资经营企业法》，国药在投资领域里面有着非常早的经验。当时，还是以国家医药局为主导的投资。

如今，无论是人才，还是产业链布局，国药都培养了很多行业人员。

我在国药待了二十年，一直在法律部工作，公司投资并购的过程几乎是全程参与。我在法律部的工作也见证了医药行业，特别是投融资领域的发展和成长。

现在，我在中国医药投资有限公司，这是国药集团的全资二级公司，所有资金都是集团的，都是国家的钱。与同样是投资行业的同事相比，募资的压力几乎不存在，这是我们的优势。

为什么要设立这个投资平台呢？

最早进行投融资时，国药集团主要是以控股为主。近几年，我们看到了行业里的新生力量，也考虑到了机制的问题。

设立中国医药投资公司，主要是进行参股，可以采用非控股的方式。我们有自有资金和国药的资源，能够陪着行业的创新者一起成长。我们是可以陪着你们一起慢慢变老、一起战斗的投资人。

薛辰：投资新医药项目时，每个机构的风格是不一样的。有些机构、投资人关注企业的爆发力，有些则是关注企业的抗风险能力和成长稳定性。我想请教一下肖总和邢总，两位所在机构的投资风格倾向哪种？

肖治：每个基金的特性都不一样，导致投资风格不一样。我们的心态比较平衡，对短期价格的敏感性没有那么高，更关注项目的可持续成长和后劲。

所以，我们在看医药项目时，更关注团队和技术平台，以及未来不断推出新产品线的能力。在药物领域，我们对是不是行业第一名并没有那么关注。我知道，很多机构是希望在一个细分领域，甚至是一个靶点上投的都是A+，我们则是会偏后面一点。

从小变大之后，你会发现很多药企的锐劲在下降。它不可能永远追求靶点上的中心，反而会相对地追求确定性。我们很多时候看小企业的项目，是希望它们能做出自己的特色。

全球20强药企确实在很多领域中有自己的原创和研究。但越来越多的大型药企会把早期的吸引性研发给小公司，然后通过自己的平台，统一自己的EDM销售，把有确定性的、能够达到10亿美元的大项目做起来，通过组合拳去占领市场。

我们对所投公司的可持续性、团队的平台研发能力更看重，不像一般的投资机构那样希望投资一个业内翘楚的科学家，我们更希望投的是科学家团队。因为我们单笔投资比较大，所以考虑的点可能就和VC类（风险投资）的公司不太一样。

邢永刚：所有企业的经营都有风险。说到创新药，这是创新领域里面风险最大的一个。但无论是资本方还是创新者，大家都在跟风险赛跑，看谁风险掌控得好。风险是一个底层事物，我们评判的重点是可以在这个底层上走多远。因此，我们更看重跟大家一起“结婚”，一起共同成长，一起慢慢变老，我们对人的判断上，更看重一些。

中国新药研发的“卡脖子”问题

薛辰：投资医药的人都知道“新药风险守恒定律”。投资人要学习这样的定律，同时要学会使用这样的定律。请问一下两位产业人士对新药风险守恒定律怎么看？如果说要对医药投资人进行建议，怎么用好这个定律？

景书谦：我是80年代初出国学习，在国外读完博士以后就在两家公司做了很长时间的新药研究和开发。首先是在BMS（Bristol-Myers Squibb），然后到Amgen（美国安进公司），Amgen是行业的老大。我在这两家公司做了将近20年的新药研究，也做了后期的开发工作。2010年离开Amgen回国创业，在杭州建立了现在的公司，鸿运华宁生物医药。

我和团队的背景是以开发抗体新药为主，定位是原创新药的研究和开发，当时这个方向与国内较热门的领域不太相合。我们主要专注于一些大型慢病，比如糖尿病、心脑血管系统的疾病以及肥胖等等这一类疾病。

现在公司有一百多位员工、十几位海归。这些海归大部分都有二、三十年在国外学习和工作的经验，基本上都在国际知名药企进行新药研究和开发，一百多位员工里50%以上都有硕士和博士学位。

经过十年的努力，我们打造了一些比较独特的技术平台。比如首先打破全球瓶颈的G蛋白偶联受体（GPCR）这类靶点的抗周期药研究开发的技术平台。在这个平台基础上，我们的产品线也非常丰富，有二十多个不同的项目，有四个处于临床阶段。

这几个临床阶段的项目可能会在近期进入上市、注册申报阶段，另外还有九个不同的临床前的项目。总体来讲，经过一段时间艰难的摸索探讨后，现在可以说是站住脚了。

我觉得做新药，尤其是创新药，从谋划的时候就一定要想到将来，就是我们常说的“以终为始”。不但要考虑到将来成功的几率，更要考虑到成功以后是不是能满足未来时间点的患者需求。进一步讲，只有满足需求才能在市场占有份额。

其次，在产品的更新换代上。企业选择一些项目后，要定时对项目布局进行规划，不断地更新。参考手机行业的华为、苹果的迭代速度，做医药也应该如此。

李靖：我是药渡集团的创始人兼董事长。药渡是做医药大数据，涵盖药物、医疗器械、中医药投资等。平台用户有几十万人，中国的付费用户也超过了五六百家。2006年我回到中国，建立药渡就是因为中国没有数据。

对投资人来说，如果对下一个五年、下一个十年的预判不准确，就没办法进行投资。

我们将新药研发比喻为在一个赛道奔跑的雪球，中国的第一个阶段就叫做“远远地跟”，这里有很多例子，比如贝达药业的埃克替尼就是“远远地跟”。从2000年到现在，中国基本上都是“远远地跟”。

到2019年、2020年就要“近近地跟”，再过十年才能“平行地跑”，再过十年，随着自然科学的全面爆发，才涉及到“领跑”。我自己是“奔跑”的合伙人，下一个阶段就是要“近近地跟”。同事们问我为什么是这样的？“卡脖子”的究竟在什么地方？

中国技术的“卡脖子”主要是集中在筛选方法和动物的模型。为什么“远远地跟”？因为你没有方法，没有模型，一定要等人家写成书发表以后到你这里做ABC动物模型。

直到现在，中国基本上仍然没有在动物模型和筛选方法上实现零突破。所以第一个阶段之所以是“远远地跟”，是因为新药研发是西方搞的，我们刚进入这个领域也是非常正常的。但是，你会发现“近近地跟”很好，为什么？因为如果你挖掘的话，零零散散的信息会告诉你应该怎么做、怎么筛选的问题。

“平行地跟”近期肯定是看不到的，“平行地跟”需要自己有想法，这个还需要再十年的时间。

李进教授讲，中国都集中在PD-1单抗领域，为什么大家都集中在这里？我觉得这是信息极度缺乏的表现。因为没有信息，那只能集中，你做我也做。

做PD-1有三个好处：筛选的可溶量有人可以做、筛选的方法变化有人做、表达有人做。

什么地方限制了想象力？信息的贫穷限制了想象力，因为没有信息链和信息，这是很痛苦的。但大家不可能每年都有信息，这样的话就容易形成扎堆。

现在回来谈药物研发的三大定律。一是假如治疗的领域是一样的，任何一个创新药都无法和同机制仿制药竞争，理论和实际当中都无法竞争；二是任何一个me-too药物都不能和first-in-class带有的马太效应竞争。

在赛道里中国的第一个阶段要“远远地跑”，但现在“远远地跑”不行了，我们都是高度的集中，那些药都上市了，我们现在要走近了跑。“远远地跑”和“走近地跑”里面，第一个例子是恒瑞的阿帕替尼。恒瑞的临床提到了研究胃癌，所以阿帕替尼是“远远地跑”，是同样适应症的两个分支，没有竞争。

这给我们的启发是，假如你是“远远地跑”或“近近地跑”，要做中国人的适应症。因为你不可能和它“平行跑”，外国的公司也不可能做中国人的适应症，做中国人的适应症需要每天梳理、推送大量文献。

为什么PD-1的下游组只有加科思在做？又是信息的贫穷限制了我们的想象力。相关信息肯定能搜索出来，假如你有这个信息，也可以做一个。这证明了中国人做的比较出名的POC(point-of-care)还是凤毛麟角。大部分人还是“远远地跑”，还是跑的人家的适应症。

既然我们避不开这个阶段，好多人说我们能不能做原始创新？出发点很好，但不现实。任何一笔投资一定有回报的要求。但是我们在“近近地跑”的时候有两个要求：

一是要跑得足够近，需要有非常强的团队执行能力；二是需要大量系统性的信息。全世界有两万多种病种，中国有多少流行病学我们不愿意梳理，人家做什么你就做什么，这就是信息上的贫乏和懒惰导致我们没有出口。

我们一定要走中国的适应症。过去我们对数据认识不充分，以后就要天天看数据，看好了再行动。

高风险？高收益？

薛辰：感谢李总在医药大数据方面的分享。这一期圆桌论坛的主题是《抗周期：创新药投融资前景展望》，创新药投资是一件高风险、高收益的事情，甚至很多人说这跟赌没什么区别。这点想听听产业、学界以及投资界专家的观点。

李靖：投资分大企业和小企业，全世界永远不变的规律就是大求稳、小求新。恒瑞做me-too药物，我觉得也挺好。它是对渠道的创新，me-too就够了。小公司为什么求新？小公司要革老大的命，所以求新。它的属性是小求新，有五六七八个成果，这样的公司在下一个十年中一定会胜出。

景书谦：从任何一个方面讲，行业最关键的属性就是要满足患者的需求。需求决定一切，包括怎么布局、研究方向。从国内目前发展的趋势来看，我们的收入在增高、预期寿命在延长，将来大健康的维护和管理肯定是发展的大势。所以我觉得我们的选择是对的。

第二个是行业的发展能不能满足患者的需求，也是一个最关键的问题。创新不是一味坚持做first-in-class，全球做出来的也不过几百个，患者真正需要的是能够解决他们的问题。我们所有的创新、发展方向都应该以患者的需求，作为最重要的落脚点。

邢永刚：我非常赞成专家的观点。所有的创新价值在哪，新药的落脚点一定是患者和医生。患者是最终端的使用者，而能不能帮助患者减轻缓解症状、进行手术，医生也是一个落脚点。

从产业投资者的角度，我们有两个感觉。

第一，我们自己有科研单位，包括上海医药工业研究院、四川抗菌素工业研究所，同时我们也是河北制药的股东以及最早的发起人之一。在看不同机制下的创新时，我们自己也有非常明确的感觉。

较小的、市场化能力更新的创新者，客观上会起到革新大的、老的研究团队的作用，在国际上也是一样的。他们通过自己的研发部门去进行研究，通过并购去收购重要的药物，都是两条路同时走。国药也一样，有自己的研发机构，同时也要在市场上去找真正有价值、能创新的创新药和团队。

我总结一点，创新最重要的就是要以患者为最终的落脚点。

第二，既然是市场化的，就要让市场去检验。很多科研人员看自己的产品跟看自己的孩子一样，怎么看怎么漂亮，但从投资者的角度来看，孩子也就那样。怎么才是好的孩子，要放到市场上去。

肖治：资本市场是有周期的，这个周期每几年就会到来一次。现在生物医药行业、医疗健康大行业的投资和创业热潮非常高涨，但这个高涨是否可以无限地持续，这是需要大家非常冷静地去看待的。

从2018年开始，我们就对很多项目进行估值，对他们的表现持冷静态度。但是，资本市场不断地开放，带给生物医药领域企业各种机会，我觉得这种热潮一直在延续。但过了2020年，这个热潮是否能一直持续下去，需要在座的各位去思考。

从投资的角度看，我比较认同这样的观点：中国很快会像美国市场一样，项目上来以后退出很难，而且上去之后再融资的能力也会发生问题，甚至企业的经营也会出现困难。这个事情可能很快就会在中国出现。

我建议各位，在看到中国第一大朝阳行业的各种机会时，也保持冷静的头脑去审时度势地判断每个项目的价值。

周德敏：去年到今年，大家谈的最多的是“卡脖子”技术。去年，从中央到地方、从教育部到科技部、科学院、工程院都要求我们调研一下哪些是“卡脖子”技术。

我觉得说得清、说得出的都不是“卡脖子”技术。因为说得出来的，你再做也就是me-too。真正“卡脖子”的是未来的，是无形的。美国政府下了很大功夫做调研，对未来二十年到三十年能够产业化、能够代表未来方向的技术进行出口管制。

我特别关注了限制中国学生到美国留学、限制访问学者的各个领域，在这里面生物医药未来的“卡脖子”技术就是生物技术，美国将这个技术列为第一个，人工智能、芯片等都是放在最后。我认为，生物技术就是未来可以真正在生物医药上实现突破的，比如说该领域的生物纳米材料、合成生物学、功能基因组学和神经科学。

中国人要在这方面实现真正的创新不容易。因为这跟中国从小学、中学到大学的教育方式和教育理念有很大关系。

所以，我希望投资界的同仁，可以通过你们的杠杆作用倒逼大学和教育业，在生物技术的源头上去做真正的创新。口头上说容易，真正去做是很难的。但我相信。投资和资本市场有这种能力来扭转这种被动的局面。

薛辰：我从北医毕业有八年时间，在国外工作过五年。“关爱生命，呵护健康”这个理念一直萦绕我心。曾经有一家知名跨国药企的slogan让我印象深刻：如果药物的研发是以人类健康福祉为目的的，我们相信利润必将随之而来。这样的话也适用于投资人、企业家和学者。中国在新药创新方面的路还有很远，希望大家携手，共同努力，共同开启一个新的时代。雷锋网

这是国家药品监督管理局批准的中国首个也是目前唯一的癌症早筛产品注册证。

据雷锋网了解，常卫清会保持1996元的价格，并且在医院客户之外，拓宽民营体检、保险、互联网医疗等院外渠道。

诺辉健康成立于2015年，是国内最早切入结直肠癌早筛市场的企业，在北京、杭州、广州均设有医学检验实验室。目前，诺辉健康的产品管线覆盖肠癌、宫颈癌、胃癌、肺癌、肝癌等领域，旗下的两款结直肠癌筛查产品（常卫清^®和噗噗管^®）已获得国家药品监督管理局的批准并已商业化。

早在6年前，国外已经有一款基因检测早筛产品“Cologuard”获批上市。事实上，从在全国范围来看，癌症早筛这一市场起步的时间较晚，诺辉健康的常卫清产品有着填补“空白”的意义。

据雷锋网了解，2014年8月，美国FDA批准“大肠卫士”（Cologuard），一种粪便检查的体外检测仪(ExactSciencesCorporation)用于结直肠癌（CRC）筛查。Cologuard的目的在于定量检测与结直肠肿瘤相关的DNA标记物，及人类粪便中存在的潜血红蛋白。

随后，FDA将Cologuard纳入CMS（美国医疗保险和医疗补助服务中心）的覆盖范围内，并由Medicare承保。美国癌症协会指南也将Cologuard纳入到了推荐的结肠直肠癌筛查选项列表中。

也正是看到Cologuard的成功，促使诺辉健康寻求做出“中国的Cologuard”。

诺辉健康联合创始人兼CEO朱叶青介绍，常卫清历经7年研发，投入超过1亿美元，并完成了中国首个前瞻性、大规模、多中心癌症早筛注册临床试验“Clear-C”，最终拿下了中国癌症早筛第一证。

诺辉健康联合创始人兼CEO朱叶青

回忆审批的进程，朱叶青说到，刚开始做临床试验设计方案时，我们反复问国家药监局：中国能不能批一张癌症早筛的证？国家药监局的领导表示，“我们从来没有说不能有这张证，但是问题是你愿不愿意进行风险这么高的尝试，只要能达到我们的预期，我们就敢批。”

2018年9月，在国家药品监督管理局的指导和督导下，“Clear-C”正式启动，历时16个月，累计入组5881例，由全国8家大型三甲医院联合开展，为筛查性能的验证提供了最高等级的科学证据，这也成为中国癌症早筛研究的一个重要节点。

“Clear-C”临床研究的项目负责人，浙江大学医学院附属第二医院副院长、中国抗癌协会大肠癌专业委员会候任主委、国家十三五重大专项结直肠癌专病队列研究首席科学家丁克峰教授表示，此次试验有三个特点：一是我国此前从未有过有关肠癌早筛的前瞻性注册临床试验，二是入组样本量大，三是试验结果优异。

“所有入组人群均要求在常卫清^®检测同时完成肠镜检查，对比肠镜检查和病理的金标准验证常卫清^®的筛查结果。“Clear C”大规模前瞻性试验设计，贴近筛查的实际应用场景，有利于早期筛查，临床意义明确，可以极大改进早期治疗效果，预防肠癌的发生。对中国的恶性肿瘤筛查，具有重要价值。”

朱叶青在发布会上说到，有意义的癌症早筛要满足三点：明确的临床指导意义、简单的确诊方法、可行的临床干预手段。常卫清®可以明确指导无症状的高危人群判断是否去医院做进一步检查，实现普通人居家便捷无创取样。

同时，癌症早筛的意义不仅仅是降低癌症的死亡率，更重要的是降低癌症的发病率。

中国是全球结直肠癌发病率最高的国家，新发病例已经从2015年的38.8万宗增加到了2019年的44万宗，年复合增长率达到3.2％。由于结直肠癌病期发展长的特性，留出了充分的时间实现癌前病变和早期肠癌的干预和治疗。

“尽管我国癌症态势严峻，但结直肠癌的发病率还是得到了一些控制。”中国癌症基金会理事长赵平教授表示，结直肠癌的防治重点在于早诊早治，结直肠癌的早诊率可以超过90%，这是一个非常成熟的技术，可以满足临床和被检人群的根本需求。

从产品端来看，阴性预测值（NPV）是衡量癌症早筛产品的权威国际指标，也是常卫清产品能够获批的决定性因素。

阴性预测值（NPV）表示阴性的受试者中，真正未患病者的所占比例。作为国际公认衡量早筛产品性能的权威指标，NPV用来评价癌症早筛产品的“防漏检”能力。

江苏省人民医院肿瘤科副主任顾艳宏教授曾表示，癌症早筛的核心在于早诊早治。早期发现结直肠癌（及癌前病变）可有效降低个人的医疗费用，并有显著的卫生经济学价值。结直肠癌前病变的治疗费2万元，而晚期（四期）的治疗费用超过25万元。

诺辉健康CEO朱叶青表示，筛查的主要价值是排除阴性，要实现筛查就得做到“判断是阴性的人，一定要是没问题的，可以放心不用再做肠镜了”；至于“判断是阳性的人，则可能有问题的”，这就需要进一步采取其他临床手段加以诊断。

根据Clear-C的l临床试验结果，常卫清^®对于肠癌的检测灵敏度为95.5%；对于进展期腺瘤的检测灵敏度为63.5%，高于传统的便隐血检测两倍以上；对结直肠癌的阴性预测值高达99.6%。

爱康集团创始人、董事长兼CEO张黎刚表示，“在过去几年当中，爱康有7.5万人用常卫清做了早期筛查，阳性率为9%。常卫清^®对早期癌症筛查非常有效，不仅能提高肠镜的依从性，也能有效发现肠癌的癌前病变。”

据雷锋网了解，诺辉健康三位创始人本科均毕业于北京大学生命科学学院。董事长兼首席科学官陈一友博士拥有逾20年肿瘤领域研发经验，为六项美国专利及逾20项全球专利申请发明者，并于专业科研医学杂志发表多篇论文。

朱叶青曾为三星、路透金融、GE金融等世界500强企业任高管。吕宁是杜克大学微生物学博士，斯坦福大学博士后，曾就职于罗氏诊断、Quest Lab等多家知名分子诊断公司拥有上十载IVD开发经验，已领导或直接参与八个产品的开发过程，其中五个在欧美上市。

雷锋网了解到，截至目前，诺辉健康已获得六轮超1.6亿美元融资，今年7月刚刚完成3000万美元E轮融资，由Rock Springs Capital领投，奥博资本(OrbiMed)、礼来亚洲基金 (LAV)、Cormorant Asset Management、华润正大生命科学基金、Octagon Capital和老股东启明创投跟投。

11月10日，诺辉健康向港交所提交招股书。

雷锋网消息，近日，以“韧则行远”为主题的2020启明创投第十二届CEO云端峰会周如约而至。

11月20日，2020启明创投第十二届CEO云端峰会周第三天的医疗健康论坛的对话CEO环节，就《中国胰岛素之王的全球创新之路》这主题，启明创投主管合伙人梁颕宇对话甘李药业创始人兼董事长甘忠如博士。

甘李药业成立于1998年，前身为北京甘李生物，主要从事重组胰岛素类似物原料药及注射剂的研发、生产和销售业务，核心产品为营收贡献近九成的甘精胰岛素（第三代胰岛素）。

6月29日，甘李药业在上海证券交易所主板正式挂牌上市。

甘忠如博士现场分享了甘李药业创立、壮大的心路历程，与启明创投合作的过程，并坦承甘李药业国际化进程中所遇到的挑战。

甘忠如博士表示，未来5到10年，中国的创新药物将实现全球领先。对中国的生物医药行业而言，不是能不能追赶欧美发达国家，而是什么时候能够超越的问题。

以下是对话CEO的现场实录，雷锋网做了不改变原意的整理

梁颕宇：现在甘李药业是全中国最大的胰岛素公司，甘忠如博士是创始人，几个月前公司在A股主板上市，胰岛素产品销售到了三十几个国家和地区，也在欧美市场推广。

甘忠如博士毕业于北京大学生物学系，改革开放初期是第二批由邓小平先生倡导公派留学的中国学生，随后他在密歇根州立大学拿到了博士学位，在美国默克做博士后、高级生物化学家。1995年回国创业。第一个问题，你是如何在美国开始建立第一家公司？如何决定与通化东宝合作？几年后为什么会决定创立甘李药业？

甘忠如：我在美国待了十几年，在默克做博士后和工作一共有8年的时间。90年代初，我觉得中国的生物医药发展需要一些高端的研发人员。因此，1994年我在美国成立了一个小公司，就是 GanTech Pharmaceuticals Inc.。

我们以这个公司的名义，和通化东宝合作了一个在中国建立的中试开发车间。当时回来的目的就是想在生物医药领域做一些工作。后来选择“题目”，我们就选了重组基因人胰岛素，因为这个题目难度非常非常高，而且市场和需求挺大。

1995年回国后，我们就和通化东宝合作，也正巧通化东宝董事长李一奎是我北大的同学，我们两人就开始合作生产第二代人胰岛素。

1998年，我们把第二代的重组人胰岛素投放市场，这让中国成为全世界第三个能够生产销售重组人胰岛素的国家。前面只有礼来和诺和诺德有同样的产品，赛诺菲的同类产品还没有上市。但是，吉林通化位置偏远，在（吸引）人才上就比较困难。

如果要继续开发新产品，还是在北京比较好。1998年，我们利用通化东宝给我们的转让费，在北京买了一块地，成立甘李药业，前期做第三代胰岛素的开发。

梁颕宇：我们第一次见面是应该是2008年左右。那个时间你的办公室很小，会议室里很多的椅子都坏了，生产的厂房也很小，连续三年只有300万元的利润，没有增长。你还记得跟启明创投最早谈投资的情形吗？

甘忠如：2000年，我们在北京开始开发第三代胰岛素类似物。到2005年10月，我们的产品就上市了。

当时甘李药业是一个研究型的公司，资金和经验上都非常不足。所以， 2005年产品上市到2008年，公司还处于亏损状态。我们意识到市场上的需求和产能不匹配，想扩大生产、推广市场，公司急需资金。这时候我们就开始寻找投资人。

我们已经找了好多投资人，投资人看到甘李亏损的状态，（加上）对糖尿病、胰岛素的市场也不是太了解，投资的积极性不高。

2008年，通过朋友介绍认识了Nisa（梁颕宇）。我记得跟Nisa第一次吃饭，是在王府井的一个小饭店。Nisa给我的印象是一位很正式的投资人，很实在。Nisa当时了解了一下公司的情况。我觉得她和其他投资人不一样的地方，在于没有太多关注公司什么时候赚钱，所问的问题大部分都集中在胰岛素行业的发展和公司团队的建设。

后来我们觉得跟Nisa的合作有很好的基础，为什么？当时公司最值得骄傲的就是两点：

第一点，我们的产品是全世界最好的产品，胰岛素的市场很大；

另外一个就是管理团队。当时管理团队主要（成员）是我，我一直专心做研究，对投资、风险、钱的事儿不是太擅长。所以Nisa对我们的认识，让我们非常有信心。到2009年的时候，我们的合作就有一些眉目，开始共事了。

所以启明创投、Nisa给我的印象是看准了行业大方向后就“不拘小节”，敢于投资风险。在Nisa来之前，我们也见了好多投资人，投资人给我们讲了好多，我也听不懂。他们甚至说，你今年都六十多岁了，以后身体有问题怎么办？我们亏损怎么办？

后来我们说，既然你是风险投资，就应该承担风险，所以很多先来的投资人跟我们都没有谈成。而且当时甘李药业的估值给的比较低。我们跟启明创投合作时，没有在估值上进行更多的讨价还价，大家都是看好了公司的前景，价钱好说。

梁颕宇：两年前你们搬到通州，园区超过800亩地，种了10万棵果树，为什么要建如此宏伟的总部和研发大楼？为什么要种这么多果树？

甘忠如：我们在经营上不会过分扩张，去买产品、买公司，而是以自己原创开发产品为主。

2008年，我们销售额才4000、5000万元，2009年启明创投投资时，我们达到了9000万元。自此，公司几乎每年都是翻倍的增长。特别是最近10年以来，由于公司产品的独家和市场需求大，公司的盈利非常好，去年盈利超过11亿元。

挣了钱以后就面临一个问题，这些利润往哪里投？我们没有想去买产品、买公司，就是想把公司做大。2013年，我们就在通州区漷县镇买了几百亩的地，先建立一个全球领先的胰岛素生产基地。

2015年、2016年，我们又相继建立了研发中心和办公设施、宿舍楼。这期间，我们的目标是想把甘李建成生产、研发、销售三位一体，比肩跨国公司规模的公司。

目前，我们的办公场所，可以说是（行业里）档次、规格最高，研发中心是一座3万平方米的大楼，研发设备投入了十几个亿的资金。

我们的目标就是，挣来钱以后建全世界最好的企业。

刚才Nisa说了，我们种了不止10万棵树。从开始建房之前，我们就搞绿化。Nisa到厂房来的时候，我们还有种树的照片，这也是公司文化。

最近几年，我们招了很多的应届毕业生，他们感觉到，“到了甘李以后没有感觉到这是一个制药厂，和我们大学的校园差不了多少。”

实际上也是这样，公司的建筑密度不是太大，宿舍楼、研发楼和食堂、办公场所都是分开的，和大学里念书的情形一样。

因此，把厂区、园区建好，对公司吸引人才也有很好的效果。

梁颕宇：启明创投投了100多家新药、医疗公司，甘李的厂房是我们看到的中国最漂亮的厂房之一。下一个问题，过去这十几年，甘李遇到最大的三个挑战是什么？如何解决这些挑战？

甘忠如：总体来看，这几年的发展很顺利，但是遇到的几个很关键的问题，对我们公司快速增长来说，如果解决不好，公司就不能够发展。

第一个最大的挑战是新产品上市。2005年上市以后，我们面临公司能否高速发展的挑战。因为2005年之前，我们和通化东宝合作，公司的基本概念是研发、开发，没有销售和生产。但是新产品上市后，我们想建成一个研发、生产、销售协同发展的现代化制药企业。

这时候，公司就需要资金、管理、股权激励，需要很多很多。当时面临的一个问题是，通化东宝是我们的第二大股东，我是占了百分之五十几的股份，通化东宝占了四十几的股份。要想经营发展、要上市，必须得经过通化东宝同意。

而且，很重要的一点是，我们把二代胰岛素的技术给通化东宝了。甘李生产使用的是三代技术，但是证监会有一个规定，一个上市公司和它下边的公司不能生产同类的产品。如果通化东宝（这个上市公司）不退出的话，甘李药业也上不了市。

还有特别重要的一点是，虽然通化东宝做二代（胰岛素），甘李药业做三代（胰岛素），但是毕竟在市场上有竞争、有利害关系。所以，如果通化东宝继续在这个公司里（做股东），对公司的长远发展有很大的障碍。

要解决这个问题也非常难，关键在于启明创投进入了公司。通化东宝占了百分之四十几的股份，而且通化东宝也需要甘李或者胰岛素的技术。因此，在引进启明创投的时候，我们也做了很大的工作，Nisa也和通化东宝的老板见了面，达成了共识。

2009年1月，启明创投投资后，最大的障碍解决了很大一部分——至少有三家（股东）了：通化东宝、启明创投和甘李药业。

通化东宝全部退出是在2011年，启明创投投资，将通化东宝稀释到30%左右的股份。但是，甘李要想上市，必须让通化东宝全部退出。劝说通化东宝退出，也是我们和启明创投Nisa一起和通化东宝协商。我们也做了很大的让步。

第一，启明创投又联系了其他投资人，给通化东宝的股份一个很好的价格。当时通化东宝投资了3000多万元。后来，启明创投组织投资人买了股份以后，有近6个亿，通化东宝赚了二十几倍的利润。

第二，因为通化东宝只有二代的技术，甘李药业有三代的技术，后来我们也做出了让步，答应把三代的技术转让给通化东宝，但是规定三年半之内不能够生产。

合作不能光考虑一方面的利益。如果我们不允许通化东宝使用三代的技术，通化东宝也不会退出。站在它的立场，它也是上市公司。当时，启明创投的投资者（LP）也有顾虑，说我们投甘李的时候是独家，等通化东宝退出后是第二家了。

但是，启明创投还是把LP的工作做好，决定（让通化东宝把甘李药业的）股份转出，（甘李药业）把技术转给它。

幸运的是，2011年我们签的合同，到2014年第三代技术（的产品）就上市了。但是由于技术和政策法规的原因，它（的产品）拖到今年年初才上市。从签合同到上市当中，有8年的时间（窗口）。

因此，我们转给通化东宝的技术，有8年的时间没有影响我们的销售，我们还在继续（拥有）独家（产品）。

梁颕宇：我记得有一次，甘总给我打电话说，可不可以明天立刻来海南岛，一起说服李总卖掉股份。现在有听甘总说还是挺容易，但是整个过程非常不容易。

甘忠如：能够说服李总，除去我们的大学同学关系，Nisa起到很大的作用。当时春节期间，李总在三亚，我觉得一个人说不动他，就提出喊上投资人一起谈一谈。Nisa还是非常有范儿，给了李总很大的心理鼓励，最终同意签这个字。

通化东宝的退出，是我们遇到的最大挑战。第二个障碍则是国际化。

中国的药企，特别是生物制药行业很少能走向国际化。在三、五年之前，我们试图把产品在欧美进行注册、生产、销售。但是考虑到甘李的实力和已有的技术、人力条件，我们不能独立做这件事情。

因此，我们就在海外寻找合作伙伴。两年之前，我们和诺华的仿制药公司山德士达成了战略合作协议。我们的三个产品在欧美做临床，他们负责销售。

这几个项目确实遇到了很大困难，很重要的一点是文化差异。期间有很多的矛盾，甚至大家都不想继续合作下去了。但是经过几年的努力工作，我们磨合得更好，各方面进展都很顺利，注册的进度也是按照我们的计划走。

所以，从这个挑战来说，这对甘李的国际化有很大的帮助。我们并不希望这三个产品在欧洲、美国挣多少钱。跟山德士达成的协议与跟启明创投达成的协议有点相似，并没有计较多少转让费、多少提成。

我们关注的是能不能通过和它的合作，把甘李乃至中国的药品进入国际市场的经验摸索出来，进而培养出熟悉国际注册、国际法规的人才。

现在看来，我们已经初步达成这个目标，在法规、生产技术、质量和国际一步步接轨。

第三个挑战，是目前所面临的新产品开发。

在糖尿病胰岛素这个领域，无论从技术、产能还是销售，甘李药业都处于领先地位，在全世界也能站稳脚跟。但是新产品开发是下一个巨大的挑战，毕竟现有的胰岛素，现有的降糖产品需要更新换代。

（开发）其他的生物药品，包括抗体药物、细胞疗法药物，甘李的目标不是仅仅在于糖尿病类，我们想做成跨国公司那种全产品线。

所以，我们面临的挑战在于，甘李药业能否继续在糖尿病行业，在产品开发上继续领先。另外，在其他产品上能否实现全产品线的生产。我们相信，在三、五年之内能够赢得这个挑战，使甘李在产品线上继续占领世界领先的地位。

梁颕宇：你一直都说，不希望做成中国的很多仿制药公司之一，希望以创新型的研发，成为全球领先的中国药厂。在研发方面花了很多精力，也聘请了很多顶尖科学家。你被誉为“中国胰岛素之父”，你喜欢这个称号吗？你希望给这个世界留下什么？

甘忠如：“胰岛素之父”确实有点不敢当，但是个人也好，公司也好，对中国的胰岛素乃至全世界的胰岛素（产业）确实做出了贡献。

中国的第一支第二代人胰岛素，第二、第三代的长效、速效（胰岛素），都是甘李药业，是我自己和团队开发的，甚至中国的第一支胰岛素注射笔，也是甘李药业第一家开发的。在胰岛素国际化方面，甘李也是第一家。

我们的目标有两点，一个是开发出更好的胰岛素糖尿病产品，使中国和全世界血糖的达标率能够有效提升，使更多的糖尿病人用我们的药以后生活质量、病情得到改善。

另外一个，通过研究更好的产品，提高产品质量，大幅降低成本。我们希望若干年以后，全世界的人都能用得起胰岛素，我们认为这件事情很重要。不用提第三世界的欠发达国家，包括美国有几千万病人还没有医保，有几百万的糖尿病病人买不起胰岛素。这个是我们的目标，我们也相信有能力做到这一点。

首先，甘李在北京和山东（正在建设）的厂，使用产能规模考虑到了全世界糖尿病患者的需求。而且，成本也是比跨国公司低多了。

是不是中国的胰岛素之父，这一点倒不重要。作为一家中国企业，为全世界的糖尿病患者做出贡献，这是我们追求的最大目标。

梁颕宇：这几年，美国胰岛素的价格已经升了四五倍，很多人都负担不起，发展中国家的很多病人也负担不起。你认为，在未来5到10年，中国生物医药产业将走向什么方向？

甘忠如：中国的生物医药（产业）和我们国家的发展是一样的，甚至在某些方面比其他行业发展更快。

我们预计在5到10年里，中国的新药、创新药物会在全世界领先。我们讨论过这个问题，中国的生物医药行业和欧美发达国家相比，不是能否追上它的问题，是什么时候超过它的问题。

有几个证据：

从行业角度来看，前十年的时候，学术期刊杂志发表的文章，可能有一半的人名都不是中国人。但是最近几年，在新药开发领域，我们也看到了在很多领域、很多方面，在同一个领域上，中国人发明的东西和国外几乎是50%比50%。

一个新靶点有可能几家都在做一期、二期临床，但是这几家当中有一部分就是我们中国的企业。

另外，现在有一个治肿瘤的XO40靶点，这个靶点是最近三、五年才发现的靶点。现在这个靶点在跨国公司有那么两三家，我们中国也有两三家，都在做一期二期。从这一点可以看出，在新药创新领域，中国的开发至少和国际上的跨国公司处于同样的水平。

从糖尿病胰岛素行业来看也是一样，我们现行的胰岛素产品和国外是一样的。就拿甘李来说，我们现在在研的产品在进度上和跨国公司差不多。

所以，这就是中国医药行业的缩影，我们预期5年到10年，中国生物医药行业肯定是在全球处于领先状态。

梁颕宇：这几年有很多比较年轻的新药公司，在A股、港股上市，这些公司慢慢替代了以前老一代的药厂，变成世界领先的新药公司。你对于公司团队和下一代管理者的培养，也很有心得。在跟山德士谈判的过程中，也体现了年轻一代的管理人员的担当和能力。你对于公司团队建设的心得都有哪些？

甘忠如：甘李药业今后5到10年的发展，完全取决于我们的管理团队；5年到10年以后，甘李的最高层能不能以90后作为主要的骨干，进入公司管理层，进入研发骨干（团队），这是我们能否成功的一个关键指标。

这些年来，公司的文化一直主张是“年轻人永远正确”。我们最近每年都招几十甚至上百的应届毕业生。今年疫情期间，我们招聘了300多位应届毕业生，其中博士有40-50人，硕士有100多人。

目前，甘李药业最高的管理层有两位是90后，70后、80后是主要的核心管理团队。80后和90后是主要的中层骨干。研发团队基本上都是90年左右，最年轻的是91年的PI（项目负责人）。

今后若干年我们的高层有没有年轻人，能不能再招到顶端的、年轻的研发人员补充力量，甘李要继续做这件事。

梁颕宇：最后一个问题，年轻的创始人、科学家打算回国创业，你有什么建议给他们吗？

甘忠如：毛主席对年轻人说过一句话：世界是你们的，也是我们的，归根结底还是你们的。中国经济发展是一个循序渐进的过程。

大家可以回忆，20年前，中国最有钱的人都是那些敢冒险、胆子大的人。10年前，房地产行业出中国的“首富”。最近这些年，中国企业家中最出名的都是知识型。

刚才我们说到，中国的生物医药行业肯定在5年、10年后全世界领先。中国有几十个、上百个小的生物医药公司，这些公司的创始人，都是国内包括国内的一些大专院校的毕业生——博士、硕士，另外，也有很大一部分是从海外回国创业的。

根据我个人的经验，海外年轻人回国创业，中国的环境比国外要强多了，很容易拿到投资人的钱，特别是中国的证券市场已经要全面实施注册制。中国不缺钱，是缺人。只要你有想法、有决心，都能拿到创业的机会。因此，我们希望你们回国创业，这是你们最好的选择。雷锋网

在第三天的医疗健康论坛的对话CEO环节，围绕新冠疫苗的热点话题，媒体人、秦朔朋友圈发起人秦朔，与康希诺生物董事长兼首席执行官宇学峰博士进行了一场对话。

2019年3月，康希诺生物股份公司在港交所上市，成为在港交所上市的第一只疫苗股。

今年3月，康希诺生物在港交所发布公告称，该公司与军事科学院军事医学研究院生物工程研究所联合研发的重组新型冠状病毒疫苗已进入临床试验，引发全球范围内的广泛关注。基于临床一期、二期的数据结果，该候选疫苗已获得中央军委后勤保障部卫生局颁发的军队特需药品批件。

目前，康希诺生物的重组新型冠状病毒疫苗已经布局临床三期工作，迄今为止，还没有发现一例接种者被感染。

在巨头云集的新冠疫苗研发领域，康希诺生物为何最快进入疫苗临床？在这场对话中，宇学峰博士回顾了创业历程和心得，介绍了新冠疫苗的研发历程，以及研发背后的四大技术平台。

以下是对话的现场实录，雷锋网做了不改变原意的编辑：

秦朔：各位朋友大家好，康希诺生物是一家从事人用疫苗研发和商业化业务的创新型中国公司，初创团队在这个领域的国际公司里都做过高管。分享一下你们当时放弃国外高薪高管位置的原因，以及回中国从零开始的心路历程。

宇学峰：刚才秦总提到了我们创业的初衷，原来我是真的没有想到过自己还会创业。

对于我们这些人来说，出国留学然后进入一个国际知名的大公司，并且做得还算不错，在很多人看来已经一个很好、很安逸、很被认可的人生了。

但我在赛诺菲巴斯德会经常意识到疫苗产业上，中国和国际上的水平还有很大差距。

差距主要体现在生产技术、质量管理和国际接轨方面，而这些正是我们这个创业团队的优势。所以我们认为有很好的机会，也能让更多人受益，这是一个初衷。

秦朔：康希诺生物的声名鹊起，跟你们最早做埃博拉病毒疫苗是高度相关的。

那个时候，跟军事医学科学院的陈薇院士有很多合作。你们最早在塞拉利昂做一期临床实验，之后跟启明创投开始有了很多接触。将来可以一起联手去做一些事情了。

你的文章里也提到，当时在塞拉利昂看到的情景对你有很大的震撼。那里的传染病实在是太多了，平均寿命只有40多岁，甚至你的司机自己都说可能也不知道哪一天就会去世。

能不能跟我们再回顾一下，当时在做埃博拉病毒疫苗时的情景，以及跟军事医学科学院合作开发的过程。

宇学峰：创业这十年有太多的没想到。第一，没想到自己会创业，第二，没想到会去做埃博拉疫苗，第三，没有想到新冠病毒的出现。

对于埃博拉，其实大家早就知道，但历史上埃博拉从来都是在丛林里发生，被大家发现的时候，病人往往都已经死去了，并没有造成流行。所以，从做疫苗的角度，总是觉得没有机会去做。

一直到2014年，埃博拉病毒大爆发，从丛林传染到全世界，基于这么可怕的现实，我们和陈薇院士展开了合作，进入非洲做临床，这是一个先例，也是我们国家疫苗企业真正第一次走出国门做创新疫苗。

我们到了现场，看到了和中国完全不一样的场景，大家对生命的短暂变得有点麻木，疾病太多，生存环境很艰难，很多还是青壮年的人就已经得病去世了，在他们的期盼中，能活到40、50岁已经是一个很好的人生了。

大家都生活在地球上，我们从发达国家、发展中国家不同区域感受到，对疫苗的需求和疾病防治的要求还是很高的。

秦朔：在埃博拉病毒疫苗研发的过程中，它的成功提升了全世界对于中国疫苗研发和质量的信心。你们当时是用了一种技术平台，叫做腺病毒载体的技术，也可能是一种路线，它的内涵到底是什么？在疫苗研发过程中的优势又表现在哪里？

宇学峰：病毒载体作为技术平台，国际上做了很多的研究，我们是用一个腺病毒做载体。腺病毒是一大类，有用人的，还有用黑猩猩的，像我们用的是五型腺病毒，所以也有用不同型别的。但病毒载体这方面，包括动物病毒，还有其他病毒，都是有很多的研究。

为什么大家选择这种病毒作为一种载体？有一个科学背景，这种病毒尤其一些弱的病毒，它感染人以后会刺激人的免疫体系，把你要去免疫反应诱导起来，把你需要的抗原能够产生足够的细胞和体液免疫。

实际上，它是一个常见的、很好的技术平台。这一技术平台也是我们在公司成立不久就一直着力去关注的，通过技术引进、合作、自身开发，使这个平台逐渐成熟。技术平台的建立可以让我们开发出多种产品来。

基于一种腺病毒技术平台的产品，我们第一个开发的是肺结核疫苗，目前我们还在临床Ib阶段。当初引进的时候是开发肺结合疫苗的，后来，我们开发了埃博拉疫苗，也开发了最近的新冠疫苗，甚至还在研究可能的带状疱疹疫苗。

秦朔：那你们除了腺病毒载体的技术平台，是不是还有一些其他平台，让覆盖范围会更加广阔。

宇学峰：作为一个疫苗企业，不能靠着一个产品或者一个技术平台来完成所有工作。

致病的有细菌、有病毒，疫苗也要防止细菌病和病毒病。微生物不一样，相应抗原的使用不一样，我们也要用不同的技术平台来开发不同产品。

比如说我们现在可以说是有四个技术平台：

一个是多糖蛋白的结合技术平台。世界上卖得最好的疫苗，像肺炎结合疫苗、流脑结合疫苗，都是在结合技术平台上完成的。

它的优势在于把我们所谓的半抗原，这个多糖抗原的免疫原性比较差，免疫记忆尤其没有，把它和蛋白质结合起来以后，形成了一个新的化合物，刺激人体的长期的免疫反应，对疾病的保护就增加了很好的免疫机制，是一个升级换代的产品。

腺病毒也有一个技术平台在开发另外一套工作。另外还有一个基因重组技术，很多领域都在用，我们的应用就是在疫苗研发上，也有很多新的产品在里面。

除了开发以外，还要保证产品的稳定性，保证产品很好地被使用，那就要做制剂。我们的制剂技术平台也有很独特的优势。

这四大技术平台支撑了我们一系列产品的开发，从肺炎蛋白多糖结合疫苗，到即将上市的流脑四价结合疫苗，到全球性的广谱肺炎蛋白疫苗等一系列产品，都是在这些技术平台上开发出来的。

最近的新冠疫苗，国外有些同类产品需要在长期的低温下保存，而我们的疫苗是2～8度可以长期稳定，这给使用又带来了很大的方便。

秦朔：刚才您讲的各种技术平台，不仅包括了横向的范围涵盖，纵向对于保存、生产、纯度各方面也有非常大的作用。在您看来，包括技术平台在内，研发、生产这一套体系，在全球跟中国的疫苗企业中处于一种什么样的地位？

宇学峰：疫苗的研发涉及很多方面，有些方面我们处于国际领先地位，比如说我们现在正在使用的、大家非常关注的腺病毒载体技术平台。

这个平台从病毒载体的构建到评价、质量把控到生产规模和生产技术、长期的制剂和稳定性、甚至给药技术，这是一系列技术。

打造技术平台，是非常成熟的产业技术集群，我相信在国际同行里边，康希诺生物的优势是被大家认可的。

作为上市公司，我们很久以前也披露过一个信息。前年，我们和牛津大学合作成立了一个公司叫Vaccitech，签了一个战略合作协议。这个战略合作协议的前提就是，基于腺病毒载体的技术平台，根据各自的优势开发产品。

他们的优势在于临床前和基础性的研究，我们的优势则在于产业化生产技术以及质量把控。

所以，我们战略合作的内容，就是他们研究出来的成果，我们有优先选择权和产品开发权。如果我们要开发的话，就负责临床材料的生产，质量体系的建立，以及将来全球市场上产品的提供。

为什么我提这件事，是因为这家公司的创始人之一，就是现在阿斯利康新冠疫苗的开发者莎拉·吉尔伯特（Sarah Gilbert）教授。今年1月份，我和莎拉还在伦敦讨论过，是不是要继续一块儿做这个事情。

基于我们目前的工作强度，后来就没有做他们的黑猩猩腺病毒技术。但是大家可以看到，双方有很多共同的资源，（他们）对我们也有很好的认可。

秦朔：您谈到了技术的问题，国际性的几家最主要的疫苗企业产品线都比较丰富。康希诺生物的产品线也很丰富，但这对于人才、资金、综合管理能力、未来的营销、销售都提出了很高的要求。为什么一开始也要做这么完整的布局，有没有感到有一些压力？

宇学峰：这个问题很好，压力是必然有的，有过很好的行业经验，这些经验、技术应该尽快地落地并产生效应，让普通民众能用上好的产品。基于这个想法，我们实际上也是分步开发的，你可以看到我们的产品进度都有不同的阶段。

第一个，我们要尽快开发出能够把国内质量不够好的疫苗升级换代的产品，另外一类是开发出重大疾病急需的产品。还有一些国外已有，国内还没有，但技术已经成熟了的产品。

秦朔：这一次新冠疫情对疫苗也起到了一个很好的普及作用，全球已经有4000-5000万人感染，有一百多万死难者。疫苗方面，明年可能会有6.1亿剂量的使用。疫苗这个行业会不会迎来新的景气？你怎么看这个市场的前景，对康希诺生物来说这意味着什么？

宇学峰：我认为疫苗的作用在过去一段时间里确实被低估了。回头来看历史，因为传染病死去的人远远比历史上所有战争加在一起死去的人要多得多。

大型的疫情，像2018年的西班牙流感还有天花，造成了大量人员的死亡。疫苗让这些疾病消失了。所以，大家觉得生活很美好，没有这些疾病和危险，对疫苗作用的概念也逐渐淡化了。

新冠疫情是给了我们一个提醒，这些致命的疾病随时都可能会卷土重来。所以，疫苗是人类历史上最伟大的发明，是医药领域的发明里最有价值的。投入一块钱，回报是几十倍，因为我们打一针疫苗不需要多少钱，但要是得了病再去治病，那代价是非常巨大的，还很有可能威胁到生命安全。所以，我认为大家应该意识到疫苗真正的价值和作用。

秦朔：现在大家最关心的还是新冠疫苗。如果从全球新冠疫苗研发的角度，以及疫苗安全性、有效性、可及性这些维度来看，您能不能跟我们描绘一下大致的图景。

宇学峰：新冠疫苗对全世界所有的疫苗企业，包括监管机构都提出了一个新的挑战。如果每个中国人都打，我们一年可能需要的产量就是几十亿级，因为有的人可能需要打两针甚至三针。

我个人理解，新冠病毒是一个非常难消灭的病毒。今年2月，我参加在日内瓦召开的世卫新冠疫苗研发大会，就有专家已经很明确地提出：很难在人类历史中把新冠病毒彻底清除，它传染到全世界范围是一个必然的结果。

现在世界各地都有新冠病毒。所以，对于新冠病毒的预防可能是一个长期的工作。如果需要上亿剂、几十亿剂疫苗产品，中国历史上没有遇到过这样的问题。

过去常规计划免疫，我们国家每年的疫苗产能也就是一亿剂，最多不超过两亿剂。突然一下子要几十亿剂，对所有疫苗企业都会是一个巨大的压力和挑战。

怎么样把这个事情做好，需要一步一步、踏踏实实地来实现这个目标。这对于国家监管机构，甚至批签发都是一个巨大的挑战。

因为我们过去一年只有一个亿、两个亿的批签发，而现在要批签发几十亿，这些都需要很多的资源投入，并不是一件简单的事情。

秦朔：有一个问题大家也非常关心，就是康希诺生物跟军科院合作研发的疫苗，目前的进展到底怎么样？比如说三期的数据大概什么时候能够出来？

宇学峰：今年夏天二期结果出来以后，康希诺生物就在全面布局临床三期的工作了。我想大家也能理解，因为中国现在没有疫情了，我们没有办法在最熟悉的中国主场来做临床三期的研究，因为临床三期要看发病率和有效性。

所以我们就遴选了一些发病率高、或者说可能会发病率高的国家，比如俄罗斯、巴基斯坦所在的欧亚这一带，以及南美洲像墨西哥、阿根廷、智利、巴西等国家，都是我们认为未来有可能抓到病例的地方，我们布局了这方面的工作。

但客观上讲，作为一个临床三期，尤其要做一个符合国际标准的国际多中心临床三期，它是一个系统工程，这个工作不是一蹴而就。

可以说我们国家在过去的历史上，没有一家疫苗企业曾经在这么大的范围里做过一个符合国际标准的临床三期研究。

这要求我们有非常好的协调能力。所谓全球多中心的临床，是在一个临床方案的条件下，协调全球的研究者，各个国家的研究者和药监机构、当地的服务机构，大家在一个体系下完成工作。

目前来说进展还是非常好的，也已经在几个国家完全启动了，还有几个国家即将完全启动临床工作。我们不急于求成，而是要把质量做好，符合国际标准。

大家也知道，我们获得了国家军队的紧急使用批件，所以我们也是在努力支持军队的需求。

我们对产品的信心还是蛮大的，当然最后的结论要靠科学的数据来说明。

秦朔：公司招股书上写到你们当时的创业故事，现在回想起当时所做的决定，是不是觉得特别骄傲？

宇学峰：是很骄傲，有的时候也很后怕，因为当时虽然只是一个想法，觉得很宏大，但真正把它实现，还是把自己吓了一跳。

感觉走到这一步怎么一下子就这么多人，而且干了这么多事情。客观上讲，我觉得这些年的人生没有荒废。我也特别自豪地说，我们团队这些年拧成一股绳走到了今天。雷锋网雷锋网

自2014年Ian Goodfellow生成对抗网络（GANs）发表原创论文以来，Insilico Medicine开发生成化学和生成生物算法。

2016年，Insilico Medicine发表了首篇开创性论文，描述了生成对抗网络在肿瘤学领域小分子药物发现方面的应用。2016年至2020年，Insilico Medicine发表了40多篇论文，并且获得多项专利。Insilico Medicine进行了多项概念验证实验，证明生成模型确实能发现全新靶点，并设计出可在体外和体内合成和测试的具有特定性质的分子。

Chemistry42™是Insilico Medicine旗下Pharma.ai药物发现平台的核心部分，该软件平台可以将人工智能和机器学习方法与医学和计算化学领域的技术相结合，设计出具有特定物理化学特性的新型小分子。

Chemistry42™平台是一个可扩展的分布式网络应用，能在数小时内同步完成多项任务。通过容器编排和工作流管理，平台可实现跨硬件预测资源分配，在云或本地HPC基础设施上均可提供服务。

“德国默克集团与我们建立合作，并成为Chemistry42™平台的首个合作伙伴，我们感到非常荣幸。默克集团内部在AI药物发现领域拥有丰富的经验，且打造了全球领先的计算基础设施，” Insilico Medicine创始人兼CEO Alex Zhavoronkov博士说。

Insilico Medicine的CTO Alex Zhebrak博士表示，“多年来，我们在生成化学领域全面开展研究；计算科学家和药物化学家紧密合作，再加上性能最佳的HPC应用，才收获了Chemistry42 v1.0版这颗硕果。我们很高兴能与德国达默克公司密切合作，并期待看到双方的合作能让默克集团药物发现项目如虎添翼。”

据雷锋网了解，自2014年公司成立以来，Insilico Medicine总募资了超过5200万美元。2019年，Insilico Medicine将总部从美国马里兰州约翰霍普金斯大学移到香港。

2019年9月，Insilico Medicine完成了3700万美元的B轮融资，启明创投领投。斯道资本、F-Prime Capital、礼来亚洲基金、创新工场、百度风投、兰亭投资、BOLD Capital Partners等其他投资方（包括A轮投资方）跟投。

据Insilico Medicine官网显示，该公司主要布局于加快药物发现和开发的三个领域：疾病靶标识别，合成生物学（生成生物学）和新型分子（生成化学）数据的产生，以及预测临床试验结果。

在与默克合作前不久，Insilico宣布与强生的制药子公司杨森制药合作，开展AI多靶点药物发现。根据双方协议，Insilico Medicine将针对杨森提出的靶点设计具有特定性质的苗头化合物小分子，并获得预付款和里程碑付款。

此前，公司也已与北京泰德、江苏正大丰海制药等中国制药企业达成合作。

“AI+新药发现”是目前医疗AI行业里最热门的赛道之一。

据最新数据估算，一款新药成功上市平均需要花费约14年时间，以及26亿美元资金（比2003年增长了145%）。因此，预期能够有效够降低研发成本的AI技术在近年来受到了制药行业的关注，“AI发现药物分子”还被《麻省理工科技评论》评选为2020年“全球十大突破性技术”之一。

因此，除了上述的几家企业，辉瑞、阿斯利康、诺华、武田等多家实力雄厚的制药企业开始尝试牵手AI公司，在降低成本、缩短研发周期等方面进行更多有益的尝试。雷锋网

近日，国家卫健委发布了脱发人群调查数据，我国已经有超过2.5亿人脱发，平均6个人里面就有1个人秃头，90后作为脱发主力军，也带火了一大批“头顶生意”。

无数人在辗转反侧的夜里，都会问出一个灵魂问题：“为什么脱发的会是我？”

雷锋网消息，11月17日，腾讯公布了一项人工智能助力药物发现的新进展。

通过腾讯自研的提升蛋白质结构预测精度的新方法，联合研究团队首次解析了II型5a还原酶（SRD5A2）的三维结构，揭示了治疗脱发和前列腺增生的药物分子“非那雄胺”对于该酶的抑制机制，这将有助于深化研究相关疾病的病理学机制及药物优化。

此次，腾讯 AI Lab 采用“从头折叠”的蛋白质结构预测方法帮助解析了SRD5A2晶体结构，并通过自研AI工具“ tFold”有效提升了蛋白质结构预测精度，在科研突破中发挥了核心作用。

除了在SRD5A2结构中的应用，这套方法还可以拓展应用于蛋白质分子和病理学机制的相关研究中。

该项联合研究成果于近日登上了国际顶级期刊 Nature 子刊《 Nature Communications》。论文题为《人体类固醇II型5a还原酶与抗雄激素药物非那雄胺的结构研究》，由南科大生物系魏志毅副教授课题组与匹兹堡大学张诚教授、新加坡 A*STAR 研究所范昊研究员、腾讯 AI Lab 黄俊洲博士带领的研究小组合作完成。本次得到权威学术期刊发表及评审的高度评价，也验证了该成果对药物研发的创新价值。

论文链接：https://www.nature.com/articles/s41467-020-19249-z

据了解，tFold工具还在CAMEO（全球唯一的蛋白质结构预测自动评估平台）的国际测评中连续半年保持周度冠军。目前，tFold公测版本已通过腾讯「云深智药（iDrug）」平台官网对外开放。

官网链接：https://drug.ai.tencent.com/console/cn/tfold

“从头折叠”新方法破解晶体学难题

在人体内，性激素有促进性器官成熟、副性征发育及维持性功能等作用。

二氢睾酮是人体中已知最强的雄激素，对于人体的发育和生理活动至关重要，但同时也需要保持合理的平衡。

一方面，二氢睾酮控制着男性性器官的发育，水平过低将导致男性性征缺陷。

另一方面，水平过高又是导致前列腺增生和脱发的罪魁祸首。

合成性激素依赖类固醇还原酶，二氢睾酮即由 SRD5A2 催化合成。因此，当患者因为二氢睾酮水平过高而出现前列腺增生和脱发问题时，可以通过抑制 SRD5A2 来降低患者二氢睾酮水平。作为SRD5A2 的高效抑制剂，非那雄胺（finasteride）被广泛用于治疗这类疾病。

尽管 SRD5A2 具有重要生理作用，其高分辨率结构信息却十分缺乏，导致 SRD5A2 催化二氢睾酮合成的机理以及非那雄胺抑制 SRD5A2 酶活的机制并不清晰。

这是由于 SRD5A2 具有独特的七次跨膜结构，其与人类全部已知结构的蛋白在结构上存在较大差异，难以通过“模板建模”（template-based modeling）方法获得初始构型来解析晶体数据。同时又因为 SRD5A2 是一类多次跨膜蛋白，使得传统的用于获取蛋白质晶体相位信息的“重原子替代”(Heavy-atom derivatization)方法亦难以奏效。

为了解决这一难题，腾讯 AI Lab 科研团队采用了难度更高的“从头折叠”（de novo folding）方法来预测 SRD5A2 蛋白的三维结构，并将其用于“分子置换”（molecular replacement, MR）的初始构型来解析晶体数据。

雷锋网了解到，所谓“从头折叠”，是相对于“模板建模”的一种蛋白质结构预测方法。

“模板建模”是目前最普遍的蛋白结构预测手段，但有一个使用前提——人类已知的蛋白结构数据库（即PDB）当中，必须存在和预测的蛋白相似的结构，否则就无法使用。而腾讯AI Lab采用的“从头折叠”方法则跳出了这个限制，可以不依赖于模板来预测蛋白结构。

但此前，通过“从头折叠”方法预测的蛋白质结构精度不高，难以满足晶体数据解析的精度需要。而在腾讯 tFold 工具加持下得到的高精度“从头折叠”的结构模型，为分子置换方法提供相位，继而解析确定2.8Å 原子级别精度的SRD5A2晶体结构。

这一结果能直接推进我们对体内 SRD5A2 活性失调引发的各类疾病的理解，进而为基于 SRD5A2 结构的药物开发提供更多有价值的参考信息。

《Nature Communications》的一位评审对此创新方法给予了高度评价：“作者能用预测的分子置换（MR）模型来确定晶体结构，这一点非常有趣。本评审认为该技术确实非常出色，整个X射线晶体学界将从该方法中受益匪浅。”

《Nature Communications》期刊评审评论原文节选

tFold 工具突破蛋白质结构预测精度

腾讯 AI Lab 自研的 tFold 工具正是破解 SRD5A2 蛋白结构这一重要难题的关键。为了提升“从头折叠”方法（又称“自由建模”）的精度，tFold 工具通过三项技术创新，实现了蛋白结构预测精度的大幅提升。

首先，实验室研发了“多数据来源融合”（multi-source fusion）技术，来挖掘多组多序列联配（multiplesequence alignment, MSA）中的共进化信息。

然后，借助 “深度交叉注意力残差网络” （deep cross-attention residual network，DCARN），能极大提高一些重要的蛋白2D结构信息（如：残基对距离矩阵）的预测精度。

最后，通过一种新颖的“模板辅助自由建模“（Template-based Free Modeling, TBFM）方法，将自由建模（Free Modeling, FM）和模板建模（Template-based Modeling, TBM）生成的3D模型中的结构信息加以有效融合，从而大大提高了最终3D建模的准确性。

在研究方面，tFold 平台已在国际公认最权威的测试平台CAMEO上证明其创新价值及有效性。腾讯 AI Lab 于2020年初在CAMEO平台注册了自动化蛋白结构预测服务器 tFold server，并自2020年6月起至今一直保持周度（图1）、月度、季度、半年度冠军。

tFold server在一般案例上领先业内权威方法6%以上，在困难案例上则领先12%以上。

在应用方面，tFold server的公测版也已经在腾讯「云深智药」平台发布。用户可以手动输入待预测的氨基酸序列或从本地上传FASTA 格式的序列文件。在经过一定时间的计算之后，用户即可得到使用“从头折叠”方法预测得到高精确度蛋白结构（下图）。

tFold server的3D Modeling输出页面。左边部分为从头折叠得到的3D蛋白模型；右边部分是该3D模型在给定的预测残基对距离矩阵下的偏差。

腾讯「云深智药」用AI持续助力药物发现

依托大数据挖掘与机器学习等先进技术优势，腾讯正致力于推动AI与医疗产业的深度结合，助力社会整体医疗水平提升。

据雷锋网了解，「云深智药」是腾讯发布的首个AI驱动的药物发现平台，整合了腾讯 AI Lab和腾讯云在前沿算法、优化数据库以及计算资源上的优势，致力于帮助用户大幅度减少寻找潜在活性化合物的时间和成本。

「云深智药」的五大模块覆盖临床前新药发现全流程，目前各功能模块正持续完善与升级。除蛋白质结构预测外，平台还上线了分子生成模块。

AI驱动的分子生成模型是辅助小分子药物设计的重要工具之一，不仅能加速药物发现流程，还能启发药化专家跳出现有的分子库，探索更大的化合物空间。该模块还整合了ADMET属性预测功能，可对生成的新分子实时进行属性筛选。

此外，平台的逆合成算法也已取得了一定进展，计划于明年上线。其它小分子和大分子药物发现功能模块也将逐步上线。

除药物研发以外，腾讯 AI Lab 也在影像筛查、病理诊断等多个医疗领域持续探索，不断拓展和深化研究与应用。

在AI助力医疗技术方面，实验室联合多家合作单位研发了中国首款智能显微镜，帮助医生提高工作效率。2020年10月，在免疫组化样本（IHC）分析的基础上，智能显微镜新增了针对宫颈液基细胞（TCT）标本进行临床样本的显微图像进行观察、筛选、标记功能，并已获得国家药监局审批证书。

在病理研究领域，腾讯 AI Lab 也研发出了世界领先的前沿算法，比如斩获MICCAI 2020 CPM-RadPath 挑战赛第一名的算法，能够准确区分神经胶质瘤（大脑最常见肿瘤）的不同亚型并进行分级，有望弥补人工诊断效率低、主观因素影响较大等问题。

此外，腾讯 AI Lab 在今年早些时候与南方医院合作发表了名为《基于病理图片的结直肠癌微卫星不稳定性预测模型的开发和解释》的文章，利用算法模型可辅助病理医生筛查结直肠癌中微卫星不稳定亚型，降低微卫星不稳定筛查的条件要求，帮助更多的地方医院也有能力执行这样的筛查。

雷锋网消息，据外媒报道，FDA于当地时间11月9日批准了美国礼来公司研发的新冠中和抗体bamlanivimab（LY-CoV555）紧急使用授权，用于治疗新冠肺炎轻、中症感染者。

FDA称，该药物适用于12岁及12岁以上的轻、中症新冠患者，这些患者体重至少要达到40公斤，并且新冠病毒感染有发展为严重和/或住院的高风险趋势，其中包括年龄在65岁以上或患有某些慢性病的人。但是不适用于新冠住院患者。

FDA在紧急使用授权书中指出，这一药物应在新冠检测呈阳性或出现症状后10天内尽早使用。

bamlanivimab是一种单克隆抗体药物，有助于防止病毒附着、进入细胞并进行复制。

据雷锋网不完全统计，自今年年初新冠肺炎疫情在全球爆发以来，FDA已先后批准了包括瑞德西韦、氯喹/羟氯喹等药物的紧急使用授权。

在今年的10月22日，瑞德西韦（Remdesivir）更是被FDA获批成为美国境内首个治疗新冠肺炎疫情的药物。

近些年来，FDA的审批特点之一就是强调不同疾病药物的获批。但是，2020年新冠药物已成为其全新焦点。

早在今年的3月24日，FDA就发布消息称，授予美国吉利德科学公司(Gilead Sciences)的瑞德西韦（Remdesivir）孤儿药（又称为罕见病药，用于预防、治疗、诊断罕见病的药品）认证，适应症为新型冠状病毒肺炎（COVID-19）。

但在当时，瑞德西韦还在全球各地做临床试验，并未取得上市获批。

在今年的5月份，FDA批准了该药物的紧急使用许可，允许医院和医生在未得到FDA正式批准的情况下，对感染新冠病毒住院的患者使用瑞德西韦。

此外，今年年初，在美国总统特朗普发表了新冠肺炎相关言论之后，抗疟疾药物氯喹和羟氯喹引起了公众的注意。

之后，WHO将这两种药物纳入了一项大规模的全球试验。有媒体分析认为，这些可能都是让FDA快速批准紧急使用跟新冠病毒治疗有关的氯喹和羟氯喹的原因。

针对FDA以上举措，外媒指出，美国卫生与公众服务部（HHS）曾在一份声明中表示，FDA允许将氯喹和羟氯喹捐赠给国家作为战略储备，然后再由医生根据情况分配给住院的青少年和成年新冠肺炎患者，但是不能用于临床试验。

不仅如此，在今年的4月份，据美国媒体报道，特朗普政府还曾推动FDA批准日本富士（Fujifilm）公司生产的流感药“法匹拉韦”（favipiravir，商品名：Avigan）用于治疗新冠肺炎。

在FDA发布了一项关于氯喹和羟氯喹的紧急使用授权后，法匹拉韦已是特朗普提到的第二种支持治疗新冠肺炎的药物。

但那之后，有媒体梳理发现，FDA也并未批准法匹拉韦在美国进行应用。

对此，阿克伦大学(University of Akron)全球商业学院教授斯瑞尼瓦森（Mahesh Srinivasan）在之后接受采访时表示，一种进口药物是否能在美国治疗新冠肺炎取决于两点：第一、FDA是否批准该药物，第二，该药物的制造商能否证明其生产规模足够达到出口标准。

此外，斯瑞尼瓦森还曾指出，在当前的新冠肺炎疫情之下，FDA在批准时将不得不在药物的必要性和公众安全之间寻找平衡。雷锋网

该方案集样本前处理、文库制备、高通量测序、基因数据管理等模块为一体，

华大智造高级副总裁倪鸣表示：“可以看到，近年来大人群基因组测序和分析渐成趋势，国家级别的基因组测序项目不断涌现。全球范围内大人群基因组计划的实施，对高通量基因测序平台技术的水平，对基因测序方案的通量、成本、精准度、智能化等提出了更高要求。”

 华大智造高级副总裁倪鸣在ICG-15分享解决方案

华大智造在大会上分享的“大人群基因组学一站式解决方案”由生物样本库、建库中心、测序中心和数据中心四大核心模块构成，可满足每年五万到百万级规模高深度全基因组测序需求。

生物样本库主要功能是将全血分离为血浆和白膜层，完成gDNA提取；建库中心则分为文库制备和DNB制备两部分，用于测序文库制备。

 大人群基因组学一站式解决方案布局

该方案的测序中心采用了定制测序系统——DNBSEQ-T10×4RS，这是基于华大智造DNBSEQ测序技术打造的高通量测序仪，满足超高通量测序需求。

该测序系统的突破点在于，不同以往华大智造测序平台采用流道式芯片和封闭式反应系统，DNBSEQ-T10×4RS运用浸没式生化方案和开放式反应体系，实现测序读长、测序质量以及成本投入之间的平衡。

一台DNBSEQ-T10×4RS测序系统支持8张测序载片同时运行，每天可产出最高达20Tb（约200个高深度人类全基因组）测序数据，单套测序系统年产超过5万个高深度个人全基因组测序。

采用该解决方案的前期测试数据显示， DNBSEQ-T10×4RS测序系统检测SNP准确度和灵敏度都超过99%，检测Indel准确度和灵敏度超过98%。

 运行中的DNBSEQ-T10 × 4RS

最后一个重要模块——数据中心，使用华大智造ZTRON基因数据中心一体机，实现样本管理、实验室生产、生信分析及数据治理等全周期基因数据管理。

 ZTRON基因数据中心一体机

近两年，华大智造凭借高通量测序整体解决方案及全流程运转能力，不断拓展高通量测序技术的创新应用能力。

2019年9月，由华大智造自主研发的超高通量基因测序仪DNBSEQ-T7正式交付商用。作为全球日生产能力最强的基因测序仪，DNBSEQ-T7配备4联载片平台，四载片连载日产数据量高达6Tb，即一天最多可完成60例个人全基因组测序，是能够有力推动测序产业跃迁的“超级生命计算机”。

同年12月，阿联酋启动 “全民基因组计划”，其中华大智造负责建设高通量测序平台，为该计划提供设备支撑。

当前，大规模人群基因组学研究项目成果正在全球范围内持续拓展，包括美国、新加坡、法国、阿联酋在内的多国政府先后启动国家级大人群基因组计划。

不久前，英国政府颁布了全国性基因组学医疗保健战略——《基因组英国（Genome UK）》，将在未来持续利用基因组学对特定患者群体进行干预，以应对新的全球性流行病和公共卫生威胁，生命科学产业进入基因大数据时代。雷锋网雷锋网雷锋网

大会学术委员主席、华大集团联合创始人刘斯奇在开幕式表示：此时此刻，武汉的宁静风光受全世界的瞩目，全国及全世界都为武汉取得的抗疫成果感到高兴。华大更是亲身参与到了武汉一线抗疫中，为抗疫进程贡献了自己的力量。

ICG一直是以中国发生的重大生命医学和生命科技产业进展为重要研究课题，希望通过本次大会的学术产业讨论，为未来的新冠疫情防控提供专业的见解，为未来的控制和发展献计献策。

华大集团联合创始人刘斯奇

华大集团联合创始人、董事长汪建在致辞中讲到：华大亲身经历了从武汉封城，到变成最安全、最健康的城市这一路走来的不易，接下来，华大要思考能为武汉、为湖北的发展能做些什么。

连续举办了15年国际基因组大会（ICG），第一次从深圳走向武汉，就是希望为武汉的发展提供新的思考。华大“火眼”实验室的核心能力和生产制造产业将落地武汉，希望“火眼”实验室打造成为继武汉抗疫后，具有全球最有影响力的传感染疾病防控机构。

此外，华大还将率先通过针对染色体疾病的防控，帮助武汉成为“先天无残”的城市。汪建表示：“今年疫情过后，武汉恢复的首批检测业务，就是出生缺陷检测，未来华大还会尽快在武汉启动耳聋筛查等相关先天性遗传疾病的检测，奔着“先天无残”目标，让武汉成为一座基因科技领先的城市。”

华大集团联合创始人、董事长汪建

中国生物多样性保护与绿色发展基金会国际工作委员会主任、联合国秘书处高级参赞、大会国际独立顾问团主席杜晖贤（Fred Dubee）为大会发表致辞。

联合国秘书处高级参赞、大会国际独立顾问团主席杜晖贤（Fred Dubee）

此外，中国工程院院士、国家卫健委高级别专家组成员、传染病诊治国家重点实验室主任李兰娟，Novim Group的首席科学家Aristides A.N. Patrinos等海内外科学家为大会发来视频祝贺。

致辞结束后，湖北省委常委、武汉市委书记王忠林，武汉市委副书记、市长周先旺，武汉市委常委、东湖高新区党工委书记汪祥旺，以及中国生物多样性保护与绿色发展基金会国际工作委员会主任、联合国秘书处高级参赞、大会国际独立顾问团主席杜晖贤（Fred Dubee）、大会主席、华大集团联合创始人杨焕明院士、华大集团联合创始人、董事长汪建、大会学术委员主席、华大集团联合创始人刘斯奇共同为大会启动开幕。

国际基因组学大会（ICG）是由华大主办的全球生命科学领域学术交流与合作的会议。面对全球仍在经历新冠疫情的当下，大会落地武汉对国际基因组学大会这一全球顶尖的科学盛会有着历史性意义。武汉作为全球率先取得抗疫成果的城市，为全球应对新冠疫情提供了丰富的成功经验。这其中，以基因组学为代表的生命科学对认知和抗击新冠疫情有了巨大的突破。

本届大会将聚焦新冠病毒流行背景下的全球健康等相关议题，通过全球生命科学领域顶尖科学家们的会议与讨论，为全球认知新冠病毒及应对未来大流行病提供建设性的视野，扩大全球应对未来大流行病的能力，也帮助广大公众更加了解公共卫生和个人社会责任的作用。

受疫情影响，本次大会将以全球连线、线上线下互动的方式进行。围绕创新创业、产业生态、产融结合，汇聚几百位优秀创业者、产业专家以及资深投资人交流研讨国内外医疗健康行业未来发展趋势，分享关于生命科学、基因组学、医疗健康等领域的前沿成果和应用案例，并为大众进行生命科学的科普传播。

本届大会的分享嘉宾中，既有中国科学院院士、中国疾控中心主任高福，上海市新冠肺炎医疗救治专家组组长、复旦大学附属华山医院感染科主任张文宏，中国科学院武汉病毒研究所研究员，美国微生物科学院院士石正丽等大众熟知的抗疫专家，也有现代生物学领域最重要的意见领袖之一、哈佛大学和麻省理工学院教授George CHURCH，中国科学院院士，中国人民解放军陆军军医大学第一附属医院教授、博士生导师、主任医师卞修武，中国科学院院士、发展中国家科学院院士，上海交通大学教授、博士生导师黄荷凤等顶尖学术大咖，20余位海内外院士和百余位科学家将在未来的一周时间里进行分享。雷锋网将全程跟踪大会的最新动态和精彩演讲，欢迎关注后续报道。雷锋网

 华大智造智能制造及研发基地项目开工活动现场

湖北省委常委、武汉市委书记王忠林，武汉市委副书记、市人民政府市长周先旺，武汉市委常委、东湖高新区党工委书记汪祥旺等领导出席活动。华大集团联合创始人、董事长汪建，华大集团联合创始人、监事长刘斯奇，中国生物多样性保护与绿色发展基金会国际工作委员会主任、联合国秘书处高级参赞、大会国际独立顾问团主席杜晖贤，华大智造首席执行官牟峰等参加活动。

 华大集团联合创始人、董事长汪建致辞

在开工仪式上，湖北省委常委、武汉市委书记王忠林宣布项目动工，武汉市委副书记、市长周先旺和武汉市委常委、东湖高新区工委书记汪祥旺分别致辞。

华大集团联合创始人、董事长汪建对武汉市政府的大力支持表示感谢，并介绍了项目的整体情况。他强调到，武汉是一座英雄城市，与华大一直有着不解之缘，华大也是最早一批在武汉光谷设立分支的机构。

汪建表示：“为新冠疫情防控提供强有力科学保障的华大"火眼"实验室就诞生于武汉光谷，实验室的核酸检测通量能力从最初的1万人份，到后来的3万人份，又提升至10万人份，现在最高可实现100万人份/天。既然能做百万例新冠检测，就能做百万肿瘤和出生缺陷筛查。疫情一方面带来了前所未有的挑战，也带来了机遇。”

据悉，华大智造成立于2016年，总部位于广东深圳，现有员工1600余人，其中研发人员占比32%以上，业务遍及50个国家和地区，是全球三家能自主研发并量产临床高通量基因测序仪的企业之一。目前，华大智造在中国武汉、青岛、长春、香港，以及美国、拉脱维亚、日本、阿联酋等地设有8大分支机构。

 华大智造部分产品模型展示

华大智造智能制造及研发基地效果图

值得一提的是，武汉是华大智造目前在国内重要的生产基地，随着华大智造智能制造及研发基地的开工及建设，华大智造将持续加大高比例的研发投入，在武汉光谷建设一系列项目，包括但不限于：基因测序仪智能化生产基地、基因测序仪配套试剂及芯片生产基地，以及高端智能化设备研究中心，这些项目也将继续夯实武汉作为华大智造重要生产及研发基地的地位。

 华大智造首席执行官牟峰表示：“生命科学与医疗健康产业一直受到武汉市政府的高度重视，依托本项目，我们希望在武汉建立世界级生产质量体系，提升生产交付能力，并结合华大智造在深圳、青岛、长春及美国硅谷等多地研发优势，持续创新，以国产自主可控的核心工具驱动生命科学从科研到产业再到民生的联动发展，加速实现‘创新智造引领生命科技’的愿景。”雷锋网雷锋网雷锋网

雷锋网消息，近日，FDA正式批准吉利德抗病毒药物Veklury（remdesivir，瑞德西韦）上市，用于12岁及以上、体重至少40公斤的成人和儿童COVID-19治疗。瑞德西韦成为美国第一种获准用于新冠肺炎患者的药物。

作为一种在研药物，瑞德西韦目前还在吉利德科学公司的临床测试当中，在今年4月，美国国立卫生研究院（National Institutes of Health）的一项试验数据显示，瑞德西韦将新冠患者的恢复时间从15天缩短到11天。

但在最近10月16日，世卫组织举行的新冠肺炎例行发布会上，世卫组织总干事谭德塞也表示，“团结试验”中期结果表明，瑞德西韦、羟氯喹、洛匹那韦/利托那韦和干扰素疗法似乎对住院患者28天死亡率或住院病程几乎没有影响。

WHO的试验表明，瑞德西韦在严重情况下几乎不起作用，瑞德西韦组2743名重症患者中301人死亡，对照组2708名重症患者中303人死亡；死亡率分别为11%和11.2%，且瑞德西韦与对照组28天试验期死亡率曲线高度重合，几乎无明显差距。

吉利德公司表示：“FDA批准需要住院治疗的成年患者和符合条件的少儿患者(12岁以上且体重至少为40公斤)使用该药物。批准药物上市的依据为三个近期公布的随机对照实验结果，均显示使用瑞德西韦较对照组能够实现临床意义上的治疗效果提升。”

雷锋网了解到，据外媒报道，瑞德西韦曾是美国总统特朗普确诊新冠肺炎时所使用的药物之一。FDA正是在特朗普与民主党总统候选人拜登举行最后一场辩论的几个小时前宣布这项决定。

雷锋网消息，9月25日，一家名为“百图生科”（英文简称“BioMap”）的生命科学平台公司正式成立。百度创始人、董事长兼CEO李彦宏确定将作为牵头发起人，亲自出任新公司的董事长，BV百度风投CEO刘维作为联合创始人，担任“百图生科”CEO。

据介绍，“百图生科”定位于一家生物计算技术驱动的生命科学平台公司，致力于用高性能生物计算和多组学数据技术加速创新药物和早筛早诊等精准生命科学产品的研发。

“百图生科”诞生于一个生物数据爆发式增长的时代。得益于基因组学等底层数据采集技术的发展，生命科学界对人类疾病机理的研究已经可以精细到单个病人的单个细胞的全基因组和转录组等层面，充分揭示不同人、不同时间、不同细胞之间的异质性特征，为个性化的靶向药物研发，为疾病的极早期诊断和精细化分型提供了充分的可能；对药物构件的原子级别观测和解析，对药物实验过程中的持续数据采集，对基因的碱基级编辑等能力，也为精准药物设计打下了良好的基础。

但与此同时，这些技术所带来的的海量数据和由此而来的挖掘、分析、匹配需求，也大大突破了原本生命科学行业的平台和工具框架，蛋白质的精细模拟，PB级别几百万个细胞的组学数据挖掘，高通量类器官芯片，脑机接口的神经元信息语义理解 — 这些问题需要更加前沿的AI算法、芯片、超算、智能传感器和机器人等技术，需要更加系统化的生物计算平台和智能的药物设计、人体洞察挖掘工具来加速解决。

“百图生科”的业务将分为两大阶段：

第一阶段利用前沿AI技术构建完整的生物计算平台，并与提供新的数据轴和新的数据分析、药物设计工具的初创企业与研究机构携手，构建生物计算生态，为生命科学企业和科研用户提供丰富的工具能力和完整的解决方案，做好服务；

第二阶段，还将深度参与或主导发起新型精准药物和精准诊断产品的研发，携手合作伙伴，为社会贡献极具创新性的精准生命科学产品。

以生物计算平台为基础，“百图生科”还将大力投入关键底层数据设备和计算技术的研发，加速高通量类器官芯片、高分辨物质观测设备、新的组学采集分析设备、蛋白质模拟和生物计算专用芯片的研发，为生命科学行业带来新的数据轴和计算能力，实现对这些关键共性平台技术的自主可控。

据悉，“百图”名字中，“百”代表着人类长久以来的百岁健康梦想，也体现着公司基于百度AI底层能力打造生物计算平台的渊源，“图”则源自“按图索骥”，希望在急剧增长的生物数据时代，为行业提供更好的生物地图（BioMap），帮助药厂找到化合物，帮助医生找到生物标志物，帮助科研人员找到各种生物数据背后的意义。

此前，有媒体分析，李彦宏的亲自参与还有更深层次的笃定信念和长期情怀因素，其对AI赋能生命科学技术有着近30年的关注。

李彦宏不只一次在公开场合表达对技术赋能生命科学、生物计算等的兴趣和投入。在华尔街工作时便申请过生物信息研究相关的工作，2016年更是共同捐赠设立了拥有“中国诺贝尔奖”之称的“未来科学大奖”，单项奖金高达100万美元。在“未来科学大奖”中，李彦宏一直聚焦捐赠“生命科学奖”。

“百图生科”的另一位联合创始人，是BV百度风投的CEO刘维，他将全职加入公司出任CEO。

作为具有18年前沿技术风险投资经验的资深AI投资人，刘维自2011年起系统布局人工智能底层技术和行业应用，天使投资了旷视科技等上百家中美AI企业，从2014年起即开始布局生物数据和计算产业，并在2017年担任BV百度风投CEO开始，将生物计算作为BV的核心布局方向，在中美欧各地早期投资了40余家生物计算企业，包括Atomwise等十余家各细分领域的AI药物设计公司和20余家新型生物数据轴公司，涵盖纳米孔测序、单细胞质谱和分子影像、人体内传感器、超分辨成像、高通量3D病理、脑机接口等多种前沿方向。

“百图生科”成立后，将与这些前沿技术企业进一步紧密合作、并发挥生物计算平台的优势，在新型数据轴、垂类设计工具、精准药物和诊断管线上开展积极的产业投资和并购整合，加大协同效应，打造繁荣的生物计算生态。

此外，随刘维一起加入百图生科初创团队的，还有十余位毕业于清华、北大、牛津、剑桥、港大、UCLA、斯坦福等高校的生命科学专业博士，覆盖分子生物学、计算化学、基因组学等技术方向，和多名在生物制药和生命科学领域具有丰富投资和企业管理经验的专业人士。公司组建中的科学顾问委员会，也邀请到了一批清华、北大、交大、斯坦福、MIT等著名研究机构的教授。

据悉，此次百图生科将与百度底层深度学习算法平台飞桨建立深度战略合作，飞桨将为百图生科提供世界水平的AI底层技术和开发工具，并基于百图生科及其客户的需求迭代，不断推出新的算法和工具，快速构建生物计算行业的开源平台，为整个生物行业提供更多的开源、高效、精准的研发工具。

而从全球市场来看，企业耗费巨资建立研发中心的大研发模式已成过去。近年流行的趋势是VIC模式，即“VC(风险投资)+IP(知识产权)+CRO(研发外包服务)”相结合的新药研发模式。不少创新药企从外部引进产品，同时委托CRO公司进行区域性或者全球性的开发。

而百图生科在此模式之上，创新性地提出了“VIP”模式，利用资本（Venture）+自行参与打造IP + 生物计算及智能实验平台（Platform）加速药物和诊断管线的IP生成和转化，这或将成为百图生科生物计算平台的核心价值和盈利来源。

当天，“百图生科”也向生命科学和人工智能领域的顶尖专家发出邀约 —— 公司已获得充分的资金支持，也留出了充分的创始团队股权、建立了”大胆假设、谨慎求证“的创新探索文化，期待业内专家的全职加盟或共建实验室合作，面向“百图生科”与产业伙伴共同定义的一批痛点问题，加速推动生物计算的研究及落地。雷锋网雷锋网

雅培表示，该新冠病毒检测卡因为使用了成熟的侧向流技术，在不需要仪器的情况下，只需15分钟即可获得结果，而且售价仅需5美元，临床研究显示其灵敏度为97.1％，特异度为98.5％，可以作为一种便携且价格低廉的新冠检测工具，用于大规模新冠病毒检测。

雷锋网了解到，此次雅培获得紧急使用授权的关键就在于“侧向流技术”。

过去新冠病毒核酸检测主要采用聚合酶链反应检测（PCR）方法，该方法需要先采取咽拭子样本，然后送到检验医学中心。

之后，检验医学中心医务人员依次在试剂准备区接受患者样本；在样本准备区对样本的核酸进行提取；在扩增区扩增复制核酸样本；最后在扩增产物分析区分析样本内核酸能否与标准样本配对，并通过仪器检测结果是否呈阳性。

整套流程下来，大约需要24小时以上的时间，这意味着，患者在等待结果的这段时间将面临更多感染或被感染的风险。

全球数据和调查公司Dynata的一项调查显示，将近40%的美国人不得不等待三天以上才能收到新冠病毒检测结果。

哈佛大学卫生学教授阿希什·贾哈博士表示，如果检测需要48小时以上，就会失去对被检测者密切接触人的行为追踪，如果时长超过72小时，测试几乎没有用了。

侧向流技术则可以把新冠病毒检测的时间缩短至15分钟。

侧向流技术以微孔滤膜为载体，将特异性抗原或抗体固定在微孔滤膜上，待测样品通过侧向移动和过滤过程中的显色反应，达到自动分离和鉴别的目的，从而在现场呈现检测结果。

这一款光谱解析读出器在其他领域已经量产且非常成熟，所以非常有信心将其用到COVID-19 LFT测试上。另外，数字化LFT检测COVID-19的准确程度在80%-90%，尽管暂时没有达到台式实验室约90%的准确率，但是符合检测规则标准。

侧向层析技术在医学检测、食品质量检测、环境检测、农业和畜牧业等领域都有广泛的应用，大多数验孕棒就应用到该技术，具有快速、经济高效的优点。

雅培在当天还宣布，将同步推出一款手机应用程序，解决侧向流技术显色反应肉眼观察，测试不可量化的问题，可以为病毒检测为阴性的健康人群，颁发”数字健康通行证"，并在手机上显示。

此次获批之后，雅培将会在9月交付数千万检测卡，并计划从10月开始将产量提升至月产5千万个。雷锋网雷锋网

按照《中共中央国务院关于深化医疗保障制度改革的意见》（中发〔2020〕5号）精神，全面深化药品集中采购和使用改革，建立规范化、常态化的药品集中带量采购模式，进一步降低群众用药负担，现开展第三批国家组织药品集中采购和使用工作。

根据文件显示，本次带量采购总共涉及56种药物，以及全国31个省市的首年约定采购量。在实际“申报品种资格”不设限的情况下，最高入围企业为8家，最终入围和及供应地区情况按“单位可比价”由低到高确定。

因为疫情防控的原因，此次全国药品集中采购还规定，申报信息公开日前14天有中高风险等级地区旅居史的人员，不得作为企业代表参与申报。

雷锋网了解到，2018年11月，国家就开始组织药品集中采购和使用试点，采购范围一般为城镇职工基本医疗服务的临床使用药品，主要目标在于，从源头上规范医疗机构药品购销工作，减轻社会医药费用负担。

目前，国家已经进行两批集中采购，第一批25个品种、第二批32个品种，据人民日报数据，第二批集中采购，药品平均降价幅度达到53%，最高降幅达到93%。在第二轮带量采购落地之后，第三轮国家集采消息随之成为业内关注焦点，在7月22日的集采座谈会上，一度还新释放生物制品和中成药或将首次纳入国家药品集中采购范围的信号。

雷锋网获悉，相比过去采购方式，集中采购最大的特点在于，拿出采购城市和省份50~80%的市场份额给到中标企业 ，剩余用量的20~50%，各医疗机构仍可采购省级药品集中采购的其他中标、挂网品种。

此次第三轮国家集采规定：

全国实际中选企业数为 1 家的，为首年约定采购量计算基数的 50%；

全国实际中选企业数为 2 家的，为首年约定采购量计算基数的 60%；

全国实际中选企业数为 3 家的，为首年约定采购量计算基数的 70%；

全国实际中选企业数为 4 家及以上的，为首年约定采购量计算基数的 80%。

也就意味着，当中选企业达到四家，就将成交80%的市场份额，其他企业只能分享剩余20%左右的市场份额，而且每一轮集采都涉及众多药企的亿元级品种，例如卡培他滨、非布司他、来曲唑，这三个品种的市场规模都在5亿以上。所以每一轮的集中采购都受到药企的广泛关注，因为一旦中标，或可借此次集采重构市场和价格格局。

药品采购目录一览：