据有关统计：传统药物研发耗时耗力，一般需要超过15年，耗资30多亿美元，但每年上市的原创新药仅十几种。目前，已知的4000多种疾病中90%尚无药可治。

       如何加速新药研发？腾讯表示，为解决困难，开始做些尝试———发布首个AI驱动的药物发现平台“云深智药（iDrug）”。它致力于帮助用户大幅度减少寻找潜在活性药物的时间和成本。“云深”源自唐诗《寻隐者不遇》的“只在此山中，云深不知处”，新药的发现过程正是如此。

       基于腾讯AI Lab自主研发的深度学习算法，提供数据库和云计算支持，能覆盖临床前新药研发全部流程的五大模块。        腾讯表示，其AI Lab自研的预测蛋白质结构的新思路，该算法在2020年起加入行业顶级评估平台CAMEO（全球唯一的蛋白质结构预测自动评估平台）。

       目前平台上已经运行十个左右研发项目———包括对抗新冠病毒药物的虚拟筛选和性质预测，目前筛选得到的化合物在实验验证中。

       平台如何为药物研发加速助力？

       疾病的形成由很多物质组成，最终形成疾病的关键蛋白，我们把它设为靶点。

       解决靶点，就有可能解决疾病。

       而解决靶点，就需要知道它的蛋白结构，再去找到对应的药物破解它。

       了解关键蛋白的结构，设计药物分子来抑制它的功能，疾病就会解除。

       过去通过实验寻找针对疾病靶点的有效药物，往往难度大、周期长、费用高。

       从进入临床试验的行业案例来看，在新药研发中，AI技术最快可以将新药发现周期从3-6年缩短到6个月至1年；从技术层面看，云深智药平台同样具备相似的能力。它能最快的时间，模拟锁的结构。

       结合AI深度学习模型预测的蛋白质结构以及蛋白质功能（蛋白质折叠），就可以有针对性地设计药物分子来抑制它的功能，将疾病通路阻断。

       基于自监督学习的蛋白质折叠方法，不依赖同源序列，而是直接从序列数据库中通过自监督学习，学得共进化的模式，从而能够从无到有地产生出含有共进化信息的伪同源序列，并最终让这些蛋白能够有效折叠。

       通过一种基于深度学习的可迭代方法，有效整合模板建模与自由建模，首次提出了动态的、可迭代的氨基酸对特异性的约束条件，显着提高了建模的精度，从而更好的折叠蛋白。

       云深智药平台，不仅可以根据锁的类型和形状来设计或者选择合适的候选钥匙，还能吸收其他人开锁经验，能极大节省人力物力。

       可通过AI“迁移”从其他靶点上面学习到的知识（如分子局部结构对靶点结合强度的影响），应用在目标靶点上来提高模型预测精度。

       目前该算法在数千个实验数据集上预测精度（预测活性与实验测量活性的相关性）的中位数从目前最高记录0.36提升到0.42，且筛选可用模型的百分比从56%提升到60%。

       IT之家获悉，平台还支持ADMET性质预测功能（药物的吸收、分配、代谢、排泄和毒性），目前已经开源。该平台药物小分子ADMET属性预测模块已在多个数据集上比学术界现有最好模型提高3%~11%；在合作伙伴的反馈中，平台的自研算法精度超过现有商业软件6%~37%不等。

       当然，除了上述在算法领域不断创新，平台还提供算力和数据库的一体化服务支撑。

       数据方面，分子大数据是药物研发中的基础设施。

       云深智药平台使用的分子大数据，基于现有公开数据集，进行了多个环节的精细清洗整理工作，得到可以用于直接构建深度学习模型的药物分子大数据集。

       算力方面，腾讯云为云深智药平台提供数据库服务。

       药企、科研机构登录平台即可开展研究，不需要再自行部署计算资源，从而能尽快将AI能力引入现有的研发流程中。