众所周知，一款新药的研发是一个风险大、周期长、成本高的艰难历程。国际上有一个传统的“双十”说法——10年时间，10亿美金，才可能成功研发出一款新药。即使如此，大约只有10%新药能被批准进入临床期，最终只有更小比例的药物分子可以上市，甚至有人将这个过程形容为“死亡之谷”。
面对新药研成本增加、收益率下降的双重困境，人们将希望寄托于于人工智能（AI），毕竟AI发展至今，已经成为社会生活和生产中一种非常真实的力量。
具体来看，通过AI技术却可以寻找疾病、基因和药物之间的深层次联系，以降低高昂的研发费用和失败率。基于疾病代谢数据、大规模基因组识别、蛋白组学、代谢组学，AI可以对候选化合物进行虚拟高通量筛选，寻找药物与疾病、疾病与基因的链接关系，提升药物开发效率，提高药物开发的成功率。
这从新冠疫情中就可见一般，人工智能在开发新冠特效药中也出演了关键角色。要知道，新冠抗体是预防新冠感染，检测人体对新冠病毒的免疫力的关键指标——抗体是由免疫系统产生的小型蛋白质，可以附着在病毒的特定部分以中和它。因此，一种可能的药物就是研制出一种合成抗体，它能与病毒的刺突蛋白结合，防止病毒进入人体细胞。
为了开发出一种成功的合成抗体，研究人员必须准确了解这种结合将如何发生。蛋白质具有包含许多褶皱的块状三维结构，可以以数百万种组合粘在一起，因此在几乎无数的候选者中找到正确的蛋白质复合物是非常耗时的。
为了简化这一过程，麻省理工学院的研究人员创建了一个机器学习模型，被称为Equidock，该模型采用两种蛋白质的三维结构，并将这些结构转换为可由神经网络处理的三维图形。蛋白质是由氨基酸链形成的，其中每个氨基酸都由图中的一个节点表示。
研究人员在模型中加入了几何知识，因此它了解如果物体在三维空间中旋转或平移，它们会如何变化。该模型还内置了数学知识，确保蛋白质总是以相同的方式附着，无论它们在三维空间中存在于何处。这就是蛋白质在人体内的对接方式。利用这些信息，可以直接预测两个蛋白质结合在一起时将形成的复合物。
Equidock比最先进的软件方法快80到500倍，并且经常预测的蛋白质结构更接近于实验观察到的实际结构。
无疑，这项技术可以帮助科学家更好地理解一些涉及蛋白质相互作用的生物过程，如DNA复制和修复；它还可以加快开发新药的进程。当前，人工智能制药正在加速发展，虽然过程中多有坎坷，但在未来，人工智能药物研发必不再是生物医药行业中一个概念性技术，而是成为行业中非常核心的存在。
