香港，上海，2021年6月21日 － 中國(guó)平安保險(xiǎn)（集團(tuán)）股份有限公司（以下簡(jiǎn)稱「中國(guó)平安」 或「集團(tuán)」，股份代碼：香港聯(lián)合交易所 2318，上海證券交易所 601318）宣佈，平安醫(yī)療科技研究院聯(lián)合清華大學(xué)進(jìn)行研究，為藥物開發(fā)提供一套極具潛力的深度學(xué)習(xí)框架。
 
是次研究成果於同行評(píng)審的生物信息學(xué)期刊《生物信息學(xué)簡(jiǎn)報(bào)》（Briefings in Bioinformatics）上發(fā)表，標(biāo)題為「用於學(xué)習(xí)藥物開發(fā)的全球分子表徵的有效自我監(jiān)督框架」（“An effective self-supervised framework for learning expressive molecular global representations to drug discovery”）。該項(xiàng)成果標(biāo)誌著中國(guó)平安在人工智能驅(qū)動(dòng)的藥物研究領(lǐng)域取得重大技術(shù)突破。
 
藥物開發(fā)從發(fā)明至推出市場(chǎng)費(fèi)時(shí)10至15年，其間需進(jìn)行多次實(shí)驗(yàn)，成本及失敗率非常高。在臨床前研究當(dāng)中，由電腦輔助的分子設(shè)計(jì)藥物研發(fā)雖有助改進(jìn)過程，但傳統(tǒng)的方法仍然昂貴且耗時(shí)。各類人工智能科技在藥物研發(fā)的不同領(lǐng)域，包括分子藥物設(shè)計(jì)、藥物相互作用和藥物標(biāo)靶相互作用預(yù)測(cè)，均展現(xiàn)卓越的速度和表現(xiàn)。然而，由於用作訓(xùn)練的標(biāo)記數(shù)據(jù)有限，分子建模一直是一項(xiàng)挑戰(zhàn)。
 
圖神經(jīng)網(wǎng)絡(luò)（Graph neural networks, GNN）已經(jīng)成為一個(gè)強(qiáng)大的分子數(shù)據(jù)建模工具，可利用未標(biāo)記的數(shù)據(jù)對(duì)模型進(jìn)行預(yù)訓(xùn)練，而無需依賴標(biāo)記數(shù)據(jù)。中國(guó)平安的研究提出了一套名為MPG的創(chuàng)新深度學(xué)習(xí)框架，可以在海量未標(biāo)記分子之中學(xué)習(xí)分子表徵，並構(gòu)建一個(gè)名為MolGNet的強(qiáng)大圖神經(jīng)網(wǎng)絡(luò)，用以描繪分子建模圖。
 
中國(guó)平安的研究還提出了一種名為Pairwise Half-graph Discrimination的圖神經(jīng)網(wǎng)絡(luò)的預(yù)訓(xùn)練技術(shù)，發(fā)表在同行評(píng)審的人工智能領(lǐng)域國(guó)際頂級(jí)會(huì)議IJCAI 2021。經(jīng)過對(duì) 1,100 萬個(gè)未標(biāo)記的分子進(jìn)行預(yù)訓(xùn)練後，研究小組發(fā)現(xiàn)MolGNet可以從中找到有意義的分子模式以提供可解讀的表徵。實(shí)驗(yàn)結(jié)果顯示，MPG在多項(xiàng)藥物開發(fā)任務(wù)中的表現(xiàn)最傑出，在大規(guī)模分子數(shù)據(jù)集實(shí)現(xiàn)對(duì)圖表層面進(jìn)行自監(jiān)督學(xué)習(xí)領(lǐng)域踏出重要的第一步。
 
目前，該技術(shù)正被中國(guó)平安與日本研究型製藥公司鹽野義製藥（Shionogi & Co., Ltd.）所成立的合資公司平安鹽野義應(yīng)用於新藥開發(fā)和藥物的重新定向。