??據華為云公眾號消息，9月23日，華為全聯接2021隆重開幕，華為高級副總裁、華為云CEO、消費者云服務總裁張平安發表「深耕數字化，一切皆服務」主題演講，并重磅發布了華為云盤古藥物分子大模型。
??一、華為為什么切入AI藥物研發領域？
??一款創新藥從研發到上市，平均成本超過10億美元、研發周期大于10年——這是醫藥界公認的「雙10定律」。
??高成本的研發投入的同時，可能還會面臨高失敗率和低回報率。新藥研發的投資回報率從2010 年的10.1%下降至2018 年的1.9%，新上市藥物的平均銷售峰值從2010年的8.16億美元下降至2018年的4.07億美元。
??（注：造成低回報率和高成本主要原因是，一款新藥的誕生便會無形提高未來新藥研發的門檻；患者用藥的決定權在醫生非患者，所以品牌忠誠度低）
??為了解決加速新藥研發進程、平衡研發投入與成果產出之間的關系，多家AI算法公司紛紛入局AI新藥研發，如谷歌、英偉達等。
??7月23日谷歌旗下DeepMind團隊發布由人工智能系統AlphaFold預測的蛋白結構數據庫（AlphaFold Protein Structure Database），這一數據庫將免費提供給全球的科研人員開放使用。
??其所公布的蛋白3D結構數據庫包含了AlphaFold人工智能系統預測的約35萬個蛋白結構，其中人類蛋白質組方面，AI對98.5%的人類蛋白的結構做出了預測。此前，科學家們歷經數十年努力，解析的蛋白結構只覆蓋了人類蛋白序列中17%的氨基酸。
??研究人員指出，AlphaFold能夠對人類蛋白質組中58%的氨基酸的結構位置做出可信預測，對36%的氨基酸的結構預測達到很高置信度。
??二、華為云盤古藥物分子大模型，開啟AI藥物研發新模式
??當被美國制裁之后，華為為了活下去，不斷從多維度切入多場景生態。AI新藥研發是華為云的生態布局之一，同時也在追趕谷歌最新的Alphafold。
??華為云深度聯合中國科學院上海藥物研究所，共同訓練了華為云盤古藥物分子大模型，賦能全流程的AI藥物設計。華為云EIHealth平臺，盤古藥物分子大模型學習了17億個藥物分子的化學結構，其結構新穎性為99.68%。
??其中，「神農項目」屬于免費公開的新冠藥物虛擬篩選數據庫（類似谷歌alphafold開放人類蛋白質預測）；
??藥物虛擬篩選，是指計算機輔助藥物虛擬篩選是新藥早期研發的重要環節，可根據靶點蛋白和小分子藥物的3D結構，從成千上百萬的小分子庫中快速篩選出與蛋白結合最緊密的候選藥物。
??在藥物生成方面，實現了對小分子化合物的獨特信息的深度表征、對靶點蛋白質的計算與匹配，以及對新分子生化屬性的預測，從而高效生成藥物新分子；在藥物優化方面，實現了對篩選后的先導藥進行定向優化。
??華為云盤古藥物分子大模型四大技術和創新能力：
??1）提出了針對化合物表征學習的全新深度學習網絡架構。華為云盤古藥物分子大模型首次采用「圖-序列不對稱條件變分自編碼器」架構，可以自動找出化合物關鍵的分子特征指紋，極大地提升了下游任務的準確性。
??2）進行了超大規模化合物表征模型訓練。華為云盤古藥物分子大模型對市面上真實存在的17億個藥物分子的化學結構進行預訓練，在化學無監督學習模式下，實現結構重構率、合法性、唯一性等指標全面優于現有方法。
??3）生成了擁有1億個新化合物的數據庫。華為云盤古藥物分子大模型的分子生成器生成了1億個創新的類藥物小分子篩選庫，其結構新穎性為99.68%
??4）在20余項藥物發現任務上實現性能最優（SOTA）。
??根據華為一貫的作風，華為不造車，同樣華為也不制藥，但華為將和藥企和CXO企業合作：
??1）2016年3月16日，上海藥明康德新藥開發有限公司與華為公司與在深圳簽署精準醫療云戰略合作協議。
??2）華為云聯合西安交通大學第一附屬醫院，基于華為云盤古藥物分子大模型研發出全新的廣譜抗菌藥物，將先導藥的研發周期從數年縮短至一個月，大幅提升新藥研發效率。
??結語：從研發難度來說，谷歌的alphafold整體難度遠大于華為云EIHealth平臺，alphafold專注于人類蛋白質的氨基酸，而華為云EIHealth是專注于小分子藥物研發。從競爭角度來說，華為云與制藥企業并非競爭關系，而是合作關系。華為有望將先導藥的研發周期從數年縮短至一個月，大幅提升新藥研發效率。