新藥研發周期長、投入大，一直是藥企的難點問題，但伴隨AI加入，這一問題或得到緩解。9月5日，記者獲悉正大天晴與阿里云正合作采用AI制藥，與傳統計算機輔助藥物設計方法相比，這套新方法可提高篩選準確率20%。 

圖為正大天晴研究院高級技術總監張寅生（右一）和研發人員一起觀察試驗

    新藥經過藥物發現、臨床前研究、臨床研究等階段到上市需經歷10-15年，其中藥物發現階段的工作作為藥物研發的源頭，其研發效率直接影響后續工作的進展及效率。

    在國際新藥研發中，先導化合物的發現常用的方法是高通量篩選，但經濟成本高，需耗費200-400萬美金。發現先導化合物后，藥物化學家依據經驗進行藥物設計及化合物合成，分子生物學家測試化合物活性，反復優化和篩選，Z終發現臨床候選化合物。藥物發現階段的時間、人力成本較高，建立并應用GX的虛擬篩選模型可以降低人力和時間成本。

    借助阿里云的YLAI，正大天晴獲得了一種全新的化合物篩選方法。根據少量實驗數據以及化合物結構，建立GX的機器學習模型，快速過濾無活性概率較大的分子，從而富集潛在有效分子，從而提升研究效率。數據顯示，與傳統計算機輔助藥物設計方法相比，這套機器學習模型的篩選準確率可提高20%。

    阿里云YLAI算法工程師王成介紹：“通過計算機進行虛擬篩選或者通過實驗進行高通量篩選都是在已有的化合物庫中進行。對藥企而言，更有意義的是突破現有的化合物庫的限制，設計出結構全新的化合物，豐富化學空間。目前雙方還在合作開發化合物生成算法，用于生成全新化合物，形成虛擬化合物庫，擴充現有資源。”

    作為國內知名的肝健康藥物研發和生產基地，正大天晴是國家ZD高新技術企業，是國內少數做創新藥的藥企之一。

    除了與阿里云合作AI制藥之外，正大天晴去年還引入阿里云的業務中臺架構，利用互聯網中間件技術能力，加速企業數字化轉型，提升了正大天晴的低成本創新和快速試錯能力，僅花費2個多月就完成了面向YL數字化營銷場景的產品開發上線。

阿里云的YLAI此前已在基因測序、甲狀腺結節識別、肺結節識別、數字化模擬臨床實驗等領域發揮作用。