诺奖背后：从赛诺根到哈佛AI正带来医药领域新革命

10月9日，瑞典皇家科学院公布诺贝尔化学奖，AlphaFold的研发人员Demis Hassabis和John M. Jumper与David Baker共同获得该奖项，以表彰他们二人开发人工智能模型解决蛋白质复杂结构预测这个困扰学界50年的难题。

在AlphaFold发明之前，预测一个蛋白质的真实结构往往需要一个顶尖科研团队花费数月甚至数年的时间；而仅在被发明后的数年间，AlphaFold便确定了约2亿个蛋白质的结构，范围覆盖地球上几乎所有已知生物，其准确性和实验结果相差无几。正如Demis Hassabis所言，“我们正处在数字生物学新时代的开端。”

近些年来，随着AI的发展和其在科研领域的广泛应用，全球顶尖科学家们开始利用AI进行更为深入的医药研究工作。吸引众多科技大佬和医药巨头纷纷入局的衰老干预领域就是其中之一。知名原研药企赛诺根借助生物信息学层面的机器学习建模，进行了全面深入的衰老抑制剂疗效评估。

通过使用数百只小鼠对数十种衰老抑制分子及各种剂型组合进行对比，赛诺根利用AI对庞大的多组学数据进行了机器学习建模，生成了多个与年龄相关的疾病模型，以评估生物衰老和与衰老相关的疾病，包括代谢综合征，神经退行性疾病，糖尿病和癌症。凭借这一成果，今年5月，赛诺根公布了其管线中的第二款衰老干预候选药SRN-901临床前动物实验数据。

不仅是赛诺根，其他知名科研机构也在积极探索AI在医药研发领域的作用。其中，与赛诺根在衰老干预领域有着深度合作关系的哈佛大学科学家利用AI发现了一类全新的抗生素，为应对全球性的抗生素耐药性挑战带来了希望；麻省理工学院的科研人员开发出AI制药新模型，有效解决了结构预测和绑定位点识别等问题，提升了药物研发效率。

除药物研发外，AI也被广泛应用于医疗诊断领域。例如，赛诺根基于先进的自有机器学习算法搭建的人工智能基因诊断平台GenomeScore，可通过对多维度的组学和诊断数据进行建模，构建高可信度的疾病模型，并生成针对性的治疗方案；SRN-901的技术输出方梅奥诊所采用AI技术预测早期癌症，提高治愈率。梅奥移植外科医生Mark·D·Stegall博士表示，AI将成为医生的重要决策工具。

近年来AI在生物制药领域的爆火，也促使传统药企与创新型药企间的合作案例频现，例如国药与赛诺根成立合资公司国药赛诺根，研发项目就包括基于赛诺根的人工智能平台和人工智能诊断等技术，推动国内衰老干预产业的发展。

在高速发展的当下，随着AI的进一步开发和应用，生物医药领域正朝着更加精准、高效、个性化的方向迈进，人们将加速迎来更为健康和长久的未来。