被AI催火的计算生物学赛道

　　蛋白质的三维结构决定了它在细胞中的功能。明确蛋白质的结构信息，在药物研发等领域十分重要。传统上，研究人员使用X射线晶体学等手段测定蛋白质结构，耗时费力且花销不菲，却常无法获得所需结果。“阿尔法折叠”通过学习实验测定出的蛋白质结构信息，来预测其他蛋白质的三维结构，其预测准确度相当高。欧洲生物信息学研究所的数据显示，阿尔法折叠有35%的预测是高度准确的，可媲美实验测定结果；另有45%的预测足以在很多场景使用。

　　人工智能极大提升了蛋白质结构预测的效率，这也是AI预测蛋白质结构近几年被人熟知的原因，但其背后的计算生物学却已经历多年发展。计算生物学是根据不同类型的生物数据构建算法和模型，从而理解生物系统本身，并推进相关研究及应用的学科。

　　随着人工智能的发展，计算生物学正在被激活。浦发硅谷银行《医疗健康行业投资与退出趋势》报告显示，2021年美国市场投向计算生物学公司的金额达到59亿美元，一年增长高达3倍，超过非计算生物学公司投资的两倍。在2019年以来首次完成种子轮/A轮融资的707家生物制药和研发工具公司中，计算生物学公司有129家，占比为18%。2021年对计算生物学公司的投资额激增，几乎是2019年和2020年募集资金总和的两倍。

　　在我国，各研究机构和企业也正开展相关布局。如近日，由清华大学人工智能产业研究院孵化的AI制药企业华深智药对外宣布，其在AI和生命科学结合领域取得突破：研究人员在蛋白质结构预测方面开发出全新技术。据华深智药官方介绍，该技术仅从单条蛋白序列就能预测出蛋白质3D结构的算法。

　　加速药物研发、为精准医疗提供助力

　　计算生物学正在改善传统制药行业高投入、高技术、高风险、长周期的特性，加速药物研发过程。有分析机构认为，目前我国计算生物学发展的主要方向仍是AI制药，相关创业公司在2017—2021年呈现出爆发式增长，且都已获融资。从商业模式上看，整个行业以面向企业提供服务为主。

　　除此之外，计算生物学也为精准医疗的实现提供了助力。

　　有分析机构认为，在应用方面，计算生物学产业可大致分为三类：一是计算推演生物性质及原理，如蛋白质结构预测、致病机理研究、蛋白质相互作用预测、抗体和抗原的表位预测、基于基因组学寻找疾病成因或寻找新型的生物标志物等。二是搭建预测及判断模型，如AI制药中基于靶点的化合物性质预测，疾病诊断、监控、治疗建模，涵盖细胞、器官、人体的生物模拟器等。三是对生物体进行控制改造，如新疗法、药物开发、精准医疗和生物制造。其中精准医疗或将成为计算生物学长期的重点发力方向。在这个方向上，国外已出现了基于多组学布局的企业。

　　如2021年11月，阿斯利康、德国默克、辉瑞和梯瓦等6家大药厂与亚马逊、以色列生物科技基金共同推出了创新实验室——AIONLabs。该实验室的模式是：在以色列初创生态系统下，建立和投资基于AI和计算生物学技术进行药物发现和开发的初创公司，并为这些公司提供资源、指导，以及合作开发新技术，最后反哺制药行业。AIONLabs在一份声明中指出，其投资的初创公司将利用AI和云计算更快、更高效地找到新的治疗方法，推进以患者为中心的精准医疗。

　　相关链接

　　实现商业化，计算生物学还需迈过这些坎

　　虽然计算生物学已逐渐走入人们的视野，但它要想实现商业化还面临着一些关键瓶颈问题有待突破。

　　首先是对生物底层原理的进一步明确。目前，还有大量关于生物学本身的底层机制有待研究透彻，在进行模型构建、生物验证时，需要引入这些知识来减少不符合领域认知的偏差，保证准确率。

　　其次是要有统一的计算和数据框架。计算生物学要最终落地，模型要能够覆盖多组学数据、多环节及功能并行。同时，还需要保证计算生物学中的多种异构数据，例如图像、视频、分子图谱、DNA代码、基因表达、电信号等，有明确的标准和通用格式，以便在不同算法和平台之间互操作。

　　此外，还有消费级数据的获取、工程落地能力、行业信任与模型可解释性问题，以及数据隐私问题等。