能否花更少的成本，提前數年時間研發一款新藥?
這看起來有些“過于美好”的愿望，正隨著國內生物醫藥領域的技術發展，以及AI巨頭的紛紛入場變為現實。近日，百度又有“新動態”，其飛槳圖學習框架(PGL)攜手生物計算平臺螺旋槳(PaddleHelix)，在圖神經網絡國際權威榜單OGB(Open Graph Benchmark)多項分子性質預測任務中亮麗登頂，榮獲ogbg-molhiv、ogbg-molpcba兩項任務第一，在AI藥物發現領域取得新的技術突破。
而能在OGB登頂實則意義深遠。與斯坦福、紐約大學、加州大學洛杉磯分校、康奈爾大學、亞馬遜等眾多頂級機構同臺競技、并脫穎而出，也使得百度的技術實力獲得國際矚目與認可。事實上，OGB作為目前公認最權威的圖學習相關基準測試數據集，由斯坦福大學圖神經網絡權威團隊建立，面向不同的圖學習任務分別提供了豐富的數據集，對圖神經網絡研究者有極強的吸引力。這也是百度繼去年9月，飛槳圖學習框架發布融合標簽傳遞和圖神經網絡的統一模型 UniMP(Unified Message Passing)，登頂圖神經網絡權威榜單三項榜首后再一次問鼎。
(百度登頂OGB兩項榜單第一)
近年來，伴隨著技術發展和基礎設施改善，AI的力量突破了醫院和科室的高墻，讓醫生資源、診療方案、藥物研究等得以高速發展，其中作為現代藥物研發中關鍵一環的化合物生物活性篩選，同樣被注入了AI的能量。化合物的生物活性篩選主要目的是在大量候選化合物中，發現針對某種藥物靶點具有活性的分子。通過AI技術加持進行藥物的虛擬篩選有望代替傳統的活性篩選方法，加速中間步驟從而大幅度降低研發成本。
OGB上的HIV和PCBA數據集就包含了多種生物活性實驗;其中，HIV數據集關注不同化合物是否能夠抑制HIV病毒在細胞內的復制，PCBA數據集關注不同化合物針對100多種疾病靶點的有效性。成功預測化合物這類性質對于發現針對多種疾病的有效藥物具有重要意義。百度基于飛槳圖學習框架，使用深度圖神經網絡，配合生物計算平臺螺旋槳對藥物發現領域的理解，設計自監督學習任務學習化合物分子表示，并應用到分子性質預測中，其利用分子表示學習、圖學習技術等核心技術，幫助百度刷新榜單。
這次百度登頂的背后離不開飛槳圖學習框架和螺旋槳兩大“主力”的支持。據介紹，飛槳圖學習框架基于飛槳框架動態圖全新升級，具有高效、支持超大規模圖訓練、易用、預制多種主流圖學習模型等特色。飛槳圖學習框架在百度的內外部業務也是頗受歡迎，全面覆蓋推薦系統、搜索引擎、智能地圖等相關業務場景，在去年11月的COLING 協辦的 TextGraphs2020 比賽中也奪得冠軍，展示領先實力。
另一位“主力”螺旋槳則是基于百度深度學習平臺(飛槳)的生物計算平臺，其提供的核心技術能夠重點滿足生物醫藥、疫苗設計和精準醫療方面的AI需求。螺旋槳生物計算平臺還將保持著開源開放的原則，幫助生物學、藥物化學、計算機交叉學科背景的學習者、研究者和合作伙伴更便利地構建AI算法模型。
不難感受到，AI等尖端技術在生物醫藥領域的引擎作用將更加凸顯，不僅使生物醫藥成為AI技術落地的重要場景，也將推動乃至引領未來相關領域的創新爆發。而在這其中，以百度為首的眾多先進AI企業依然用AI技術搭建屬于中國的技術堡壘，不斷讓世界看到了中國科技力量的活躍之勢，也讓人工智能更好的泛于大眾、惠于大眾。未來，百度的“科技力” 有望助理生物醫藥開發，攻克艾滋病等危害人類健康的頑疾，發揮出推動“科技強國”的關鍵作用。（辛文）
免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。
