每当新事物兴起的时候，总是会有保守的论调试图抑制它的萌芽。

前两天看到一篇题为“AI设计药物，泡沫还是未来？”的评述，作者认为英国初创公司Exscientia发表的DSP-1181化合物仅仅是Haloperidol的类似物，Insilico Medicine通过AI算法找到的DDR1激酶的抑制剂骨架也没有逃出已知抑制剂的范畴。综上，作者认为用现有的Ligand-based AI方法难以获得全新骨架的化合物，并希望读者别被新技术所“迷惑”。

作为一个AI制药的科研从业者，笔者赞同上述两个公司的化合物创新性不够突出的看法，但却很难认同作者作为一个专业科研人员在未深入了解这个领域的情况下去打击人们对AI药物设计的兴趣。对于一个新生的、有潜力的工具，作为科研者不应该抱有好奇与实验的心态去尝试和验证吗？如果传统先导化合物发现和优化的成功率和速度令人满意，为何研究者还要开发各种辅助工具，讲各种加速优化的故事呢？

笔者试图转述 “Another AI-Generated Drug?”[1]的讨论中另一位化学家Cameron Pye的观点。

虽然我同意关于人工智能在药物研发领域”有些夸大的说法，但这并不意味着AI在这方面没有真正的实际收获。仅仅因为这个化合物（DSP-1181）可能没有那么出色，并不意味着发现它就是容易(就像化学家经常指出的那些Salty med，其实也没有那么容易被想到)。因此，即使这是incremental的进步，AI所带来的效率提高，即使是针对已知靶标发现有潜力的衍生物，也应该受到欢迎和鼓励而不是刻薄的批判……这不是魔法，这只是工具箱里的另一个工具。

此外，对于Insilico medicine发现的DDR1化合物，其通讯作者Alán Aspuru-Guzik教授其实也回应过类似的观点：“我们的目标是证明一种新颖的生成方法的有效性，而不是要证明我们发现了新的药物”[2]。

如果纵观这两年全球AI制药的科研和商业趋势，不难发现相关从业者已经越来越严谨，越来越务实地去使用AI这个“工具”，真正地运用到药物发现的实践中去。

在领域顶尖的杂志比如Nat. Commun.和J. Med. Chem.及中，AI相关的评述和文章频频出现，其中不乏Big Pharm的身影[3][4]。

如果愿意去看看招聘信息，不难发现诺华、阿斯利康、罗氏、辉瑞等大药厂也在全球争抢AI人才，如果你想从生物化学跳到互联网行业，你会发现Google、Facebook、Amazon、腾讯、阿里这些大厂也都有AI药物/蛋白相关的研究小组（当然前提是你要能写点儿代码，懂点儿AI）。这些情况都说明了AI制药仍大有可为。

世界的AI药物设计到底是泡沫还是未来笔者也看不清楚，但中国的AI制药还远远谈不上泡沫。全世界超过300家AI制药创业公司，国内叫得上名号的不超过10家；作为AI综合实力世界排名前三，把人工智能和创新药物研发列入国之重策的中国，如此小的产业体量何谈泡沫呢？

最后，笔者想表达的观点是，你不做我不做，这一定是泡沫；我们都来做了，这就有可能变成未来。而包括笔者在内的国内AI制药er，目前还未能彻底打响这一炮的主要障碍之一，正是来自于传统生物/制药圈的不信任，不支持，不鼓励。我们理解AI+制药会遇到的各种壁垒，也充分尊重制药圈的专业学识和经验，但好东西的诞生都需要时间来打磨。望药物设计界的前辈和同僚不要丧失对新工具的兴趣与探索，也望正在从事AI药物设计的同行们再接再厉，早日做出真正值得为之欢呼的优秀成果。

AI正在努力理解制药的困境，希望制药也能对AI多一些包容和好奇。

参考资料

[1]“Another AI-Generated Drug?”

https://blogs.sciencemag.org/pipeline/archives/2020/01/31/another-ai-generated-drug

[2]“Reply to ‘Assessing the impact of generative AI on medicinal chemistry’“”

https://www.nature.com/articles/s41587-020-0417-3’

[3]Rohall, Steven L., et al. "An Artificial Intelligence Approach to Proactively Inspire Drug Discovery with Recommendations." Journal of Medicinal Chemistry (2020).

[4] Méndez-Lucio, Oscar, et al. "De novogeneration of hit-like molecules from gene expression signatures usingartificial intelligence." Nature Communications 11.1 (2020): 1-10.