2025年2月27日，微软研究院科学智能中心高级研究员邓攀博士来访深圳湾实验室系统与物理生物学研究所（ISPB），分享主题为“人工智能推动药物发现的变革”的学术报告。会议由深圳湾实验室系统与物理生物学研究所特聘研究员黄恺博士主持，吸引了众多领域专家和研究人员参与，围绕AI技术在药物发现领域的最新进展、应用场景及未来挑战进行了热烈讨论。

近年来，人工智能技术的迅猛发展正在重塑传统药物研发模式。邓攀研究员指出，早期的AI应用主要集中在筛选潜在候选药物方面，而如今这一领域已扩展至解决复杂的生物问题——从分子层面到细胞水平，从疾病预测到治疗方案的设计，AI技术的应用场景不断拓展。

讲座中，邓攀重点介绍了当前最前沿的AI技术手段，包括基础模型（Foundation Models）和强化学习（Reinforcement Learning）。她提到，这些技术不仅能够加速药物研发流程，还能为新药设计提供更高效的解决方案，同时深化人类对疾病机制的理解。

讲座内容丰富，深入浅出。邓攀研究员通过多个具体案例展示了AI技术的实际应用场景。例如，在小分子药物的设计过程中，传统的分子指纹提取方法虽然简单有效，但其性能表现与现代AI模型相比仍有差距。而基于Transformer架构的单细胞转录组数据分析模型，则为复杂生物数据的处理提供了新的思路。

在抗菌药物的研发领域，AI技术的应用尤为引人注目。通过对抗菌耐药性的预测和分析，研究人员能够更精准地设计出具有潜在疗效的新一代抗生素，从而应对日益严重的公共卫生威胁。

尽管AI技术为药物研发带来了前所未有的机遇，但邓攀研究员也强调了其局限性。她指出，在某些关键任务上，传统的经验方法和线性模型仍然表现更优。此外，当前AI模型的泛化能力尚未达到理想水平，如何使其能够真正“学到”生物系统的底层规律仍是一个重要挑战。

邓攀表示，未来的研究方向将聚焦于构建高质量的标准数据集和评估体系，并在此基础上探索更加通用化的AI解决方案。只有通过不断优化模型性能、提升对生物物理规则的理解，才能让人工智能在药物研发领域发挥更大的潜力。

报告人简介：

邓攀，微软研究院科学智能中心高级研究员。本科毕业于清华大学生命学院，博士毕业于康奈尔大学医学院及斯隆·凯特琳癌症研究中心。研究兴趣包括但不限于系统生物学、合成生物学与AI辅助药物发现。曾在Molecular Cell, Cell Research, Seminars in cancer biology, PNAS等国际学术期刊发表多篇论文。

供稿|系物所

编辑|鲍文旭

责编|远 山

欢迎投稿、建议|media@szbl.ac.cn