AI生命科学走到哪了？谢晓亮、Arieh Warshel、高毅勤、唐建、许田、高歌、叶启威等共话AI+生物医学前沿进展...

导读

2023 智源大会上，AI生命科学论坛在昌平国家实验室主任，北京大学教授谢晓亮的主持下，顺利召开。本次论坛的联合主席是智源研究院健康计算研究中心负责人叶启威。

论坛由诺贝尔化学奖得主Arieh Warshel的主题报告开场，介绍了如何利用人工智能研究中酶的多尺度问题；随后北京大学化学与分子工程学院教授高毅勤、Mila-Quebec人工智能研究院副教授唐建、西湖大学遗传学讲席教授、副校长许田、北京大学生物医学创新中心(BIOPIC)研究员高歌也围绕相关领域给出了主题报告。讲者们在报告和最后的讨论中，洞察深刻，直面问题的核心，指出了人工智能在生命科学领域的真实作用。

“AI在生物领域的成就，不仅是深度学习的成功，也是基础理论的成功”。

“蛋白质设计领域取得了成功 ，并非完全依赖于人工智能（AI），需要和实验相结合。”

.....

以下为精彩回顾，请观众欣赏。

利用人工智能研究中酶的多尺度问题

Arieh Warshel丨诺贝尔化学奖得主

诺贝尔化学奖得主Arieh Warshel带来了，题为“Multl Scale and Artificlalintelligence Studies of Enzymes”的精彩报告。在本次报告中，Arieh Warshel教授对其近年来的工作进行了梳理，其工作通过模拟和人工智能的结合，揭示了酶催化的机制，并成功地设计出了更高效的酶和具有特定选择性的药物。 

Arieh Warshel表示，人工智能在酶设计过程中主要起到了以下作用：

1.辅助模拟和预测：人工智能被用来模拟和预测化学反应的过程，特别是在酶的催化过程中。

2.改进酶的设计：人工智能被用来设计新的酶突变体。通过计算最大熵的相关性，并将其与催化剂相关联，科学家们能够设计出比野生（自然界）型酶更有效的新突变体。这种方法虽然简单，但取得了令人鼓舞的成果。

3.理解和预测突变的影响：在研究人工合成的酶（如肯普消除酶）时，人工智能被用来预测突变的影响。

Arieh Warshel提到，通过理解酶的机制和反应动力学，可以尝试设计新的酶，以实现特定的功能。这对于开发新的生物催化剂、药物研发和其他生物技术应用具有潜在的重要意义。当然，这个领域还存在许多挑战和限制，但随着计算能力的提升和更深入的研究，我们可以希望在酶设计方面取得更大的进展。

在回答观众提问时候，Arieh Warshel肯定了最大熵的方法，他表示他们发现了一种非常高效的插值方法，即通过设计更大的最大熵，从而预测蛋白质稳定性。当稳定性发生变化时，催化剂往往也会发生变化。这种方法关注蛋白质群之间的相互作用，并且稳定性与催化剂密切相关。尽管他们尚未证明这种方法具有普遍适用性，但在他们的研究中，这种基于最大熵的插值方法已经取得了很好的效果。

复杂分子体系研究中

基于物理和基于数据的模拟方法的结合

高毅勤丨北京大学教授

北京大学化学与分子工程学院教授高毅勤带来了《复杂分子体系研究中基于物理和基于数据的模拟方法的结合》的主题报告。报告主要围绕具有高复杂性和多尺度性的三个问题进行：如何使用分子模拟进行分子对接，蛋白质之间的相互作用，以及细胞内复杂体系的模拟。

针对这些工作，高毅勤提到，通常会结合物理模型和数据驱动模型来模拟复杂体系。例如在预测小分子与蛋白质结合能力时,将受物理限制模型与深度学习相结合，取得了性能和效率提升。

高毅勤认为深度学习具有独特的能力。深度学习能够利用大数据和已知的序列信息，整合了大量的物理信息，例如原子间的合适距离等，快速得到蛋白质等分子的结构。例如谷歌DeepMind的成功表现在他们运用深度学习方法从序列快速得到结构的能力上。

高毅勤还提倡建立统一的物理与深度学习框架，这不仅能提高效率和精度，还能融合物理模型和数据计算，帮助补充数据来校验模型，提高模型的可解释性。在统一框架里，可以进行动力学统计，然后信息反传给预测模型，实现端到端打通。

其实，AI在生物领域的成就，不仅