2024年诺贝尔化学奖揭晓，AI蛋白质设计和结构预测获奖。诺奖的风吹到了人工智能，AI在新药研发领域也正引领着一场研究模式的变革。新的技术突破带来新机遇的同时，AI辅助制药行业也仍然面临着不少挑战。

突飞猛进的AI技术能否真正改变药物研发过程？

AI能否成为医药研发领域的新机遇？

如何解决生物医药行业人才资源的错配问题？

中国科学院院士，中国科学院上海有机化学研究所研究员、博士生导师马大为在2024中国人力资本发展大会发表的精彩演讲，欢迎扫码观看~

 以下为马大为的部分精彩观点：

现在很多人都在讲生物医药，生物医药实际上从药品本身来看，它还是一个化学品。这样的小分子药，实际上就是一个有机化学品。另外，中药实际上是一些小分子化合物的一个混合物。现在我们做的很多抗体药，还是一个化学结构的物质，只不过分子量比较大一点而已。根据国外批准药物的比例来看，其实小分子药还是占了半壁江山以上的，所以说将来还是要靠小分子药物。

从药物的发现和制造来讲，它并没有特别高大上的口号，实际上就是要求“安全、有效、可控、可及”这八个字，但这八个字难倒了全世界大概几百万的从业人员。“安全、有效、可控”是药物发现的过程，“可及”是药物制造的过程。

我们套用一下狄更斯的名言“这是一个最好的时代，也是一个最坏的时代！”为什么这样讲呢？我们现在有很多更好的技术进行新药研发和药品制造，但是都要面临与原有疗法和制造工艺的竞争。任何技术的治疗产品在没有达到“更安全、更有效”之前，实际上仅仅只有理论意义，这是无论从业人员也好还是投资人也好，都要去面临的一个问题。当然，药物不同制造技术之间的竞争，关键在于成本。

今年的诺贝尔化学奖授予给了AI预测蛋白质结构的几个化学家。这确实是蛋白质结构设定方面的革命性工作，大部分的蛋白质结构以后就可以用AI直接预测出来了，这也是AI for Sciences的一个成功例子。

但这个例子是不是就让你感觉到AI for Sciences已经很容易拿到了呢？我自己的理解是不太可能。因为这只是一个特例，蛋白质结构之所以稳定，是因为分子内氢键的形式。这样的氢键的形成有规律性，数千个已知的蛋白质结构为了解“因果关系”提供了看得见的模型。

那么AI for Sciences在其它领域探索的难点是什么呢？很多Sciences为什么要探索？就是因为是未知的，这些未知的东西不知道，就很难找到因果关系。2024年的两个诺贝尔奖都是颁给了AI，给我们的启示就是要么发展革命性的工具，要么利用已知的工具解决一个非常重大的问题。从这点来讲，我们国内需要发现这种顶尖的人才，这些人才需要对全局有敏锐的洞察力才行。

蛋白质结构现在用AI能够预测以后，是不是AI就可以代替我们药物发现的过程？药那么难做，AI是不是就可以解决这个问题？这个难度很大，起码目前不行，在可见的将来也是非常难的。因为AI预测的蛋白质结构是静态的，而体内的蛋白质结构是动态的，是在不断变化的。确实AI还是可以发挥作用的，可以通过计算模拟蛋白质的动态过程找到一些变化。

另外一个最大的问题是这个蛋白质是不是一个可行的药物靶点，这是很难的，因为我们知道体内有2万多个原生蛋白质，但是大部分蛋白质是不能够做药物靶点的，目前为止可能也就700个蛋白质是可以做药物靶点。大部分蛋白质要么抑制它会出问题，要么抑制它没有什么用。我们国内现在有几千个药物研发公司，你可以想象要做靶向药，那就几千个公司都为了争这几百个靶点在做，所以说这也造成了现在生物医药领域的内卷。因为他要找一个不同的小分子跟这同样一个蛋白质结合作用，这样最后导致大家互相竞争。跟踪型的创新应该是中国药物发展的必然之路，但是这个竞争也导致了资本的寒冬。

既然在一致的蛋白质里那么卷，是不是可以做创新药物靶点的发现？这实际上是非常难的过程。首先要对这个蛋白质的功能有很详细的研究，然后再确认这个蛋白质是否与某个疾病的成因有关，把它抑制住会不会导致正常的生理功能出现问题。一旦确定这个蛋白质有可能做药物靶点后，接下来还有一个漫长的验证过程。我们之所以叫它药靶，实际上是已经有一个药已经出来了，这个药从开始发现到后来上市，实际上还需要十几年的时间。

AI能否在药物发现方面带来革命？这个目前很难，因为得到一个候选药物只是药物发现阶段前两年的事，后面还需要八年时间去做整体的临床实验。临床实验分为三期，第一期是做安全性实验，第二期做有效性和安全性实验，第三期做大样本的安全性和有效性试验。这个试验是规定动作，没有办法按照非常规范的方式去做，更没有办法用AI去改变这个流程，同时这也是最花钱最费时的过程。

所以从项目的运作过程来看，我就是第一天用AI已经预测出来一个分子，而且这个分子确定将来是一定能够发展成药的，但我作为一个项目管理人，也不可能把这样一个东西直接就往下用。我肯定还要做大量的研究，把其它的可能性全都排除掉以后，才最后放心这个分子是可以往下用的。

我们正确地利用AI辅助药物设计，可以在前期节约几个月的时间。在临床管理阶段实际上也是有很多规律可寻的，AI在每个阶段也可以发挥一些作用，但可以说都是辅助性的作用。

所以总的来讲，也许20年内在药物发现方面，AI还是辅助的作用，不可能变成一个革命性的工具。

药物研究早期的创新基本上都是在学界，但是这个创新有没有重大意义，会不会导致一个革命性的药物产生，是要靠企业来推动的。这个研发过程，你可以想象是把一个简单的东西最后包装成价值很高的药物，这实际上是非常费时和费钱的一个检测过程，公司化的模式适合这个项目的推动，学术界只适合这种源头创新。

中国目前的基础研究水平有了很大的提升，同时最近十年风投投了很多生物医药企业，也让很多企业有了科技成果转化的能力。相信未来十年生物医药领域会有一个1+1>2的成果和成绩。

靶向药物的研发是一个充满未知、非常复杂的过程，AI目前在研发过程的每一个节点都有可能提供辅助作用，但是寻找创新的药物靶点才能够发展颠覆性的治疗技术，这是大家都要追求的一个东西。

学术界和企业的深度合作是产生原创新药的一个可行途径，但是这样长周期的研发过程，只有耐心资本才能催生这个领域的新质生产力。在基础研究方面，我们确实需要一些能够仰望星空的开拓性人才。但是，我们也需要一批能够脚踏实地的产业化人才。

中国目前的人才资源存在严重错配的问题。现在很多优秀的专业人才基本上都去了大学和研究所，从事自由探索的研究。假如从业人员自己没有仰望星空的志向，大概率只能产出低水平重复、跟踪性修修补补的成果。而由于国家能够支持的基础研究的经费有限，这也就造成了“青椒们”的极度内卷，也反向促使大家从事大概率不会产生重大影响的“短平快”类科学研究。这也导致了即使有远大志向的人也很难脱颖而出，这是一个很严重的问题。

很多从事高技术创新的企业，真正需要一大批的优秀人才，去开展目标明确、有组织的创新活动。尽管这样的活动可以带来很高的价值，但是苦于招不到心仪的人才，也使研发水平无法提升。所以说我们现在的人才配置和教育，实际上都面临着转折问题。