西浦成立人工智能驱动治疗学卓越研究中心 布局“AI原生”药物研发

2026年11月16日

研发一款新药,能不能不再主要依靠漫长的试错,而让计算模型、真实实验和数据反馈形成一个持续迭代的系统?

西交利物浦大学新成立的人工智能驱动治疗学卓越研究中心,旨在推动这一探索。该中心将连接西浦人工智能与先进技术学院、生命与自然科学学院等科研力量,重点建设以AI大模型、多智能体、自动化实验和“干湿闭环”为核心的“AI原生”药物研发体系,研究覆盖靶点发现、分子设计、合成与实验验证、成药性优化、临床前候选药物确定及后续产业转化。

AI制药正迎来一个关键窗口

人工智能正在推动药物研发从主要依赖传统实验筛选,向计算模型、实验数据和自动化验证相结合的研发模式转变。

“AI制药至少在未来5至10年是人工智能最大的赋能空间之一。”中心主任高欣教授(下图)指出。

长期以来,创新药研发面临投入高、周期长和失败率高的难题。业内常用“三个十”概括这一挑战:一款创新药的研发通常需要10年以上、投入超过10亿美元,而最终成功的概率不足10%。

高欣教授表示,生物医药领域还有一条“反摩尔定律”(Eroom’s Law):随着时间推移,相同研发投入能够带来的上市新药数量长期呈下降趋势。相比之下,人工智能遵循的是一条指数上升的曲线。按照摩尔定律,算力大约每18个月翻一番。

“一个是正在走向衰减的领域,一个是爆炸式增长的领域。”高欣说,“一个很自然的问题就是:能不能用爆炸式增长的AI,去改变研发效率不断下降的制药行业?”

高欣教授认为,AI制药的潜力不只是为传统研发增加一种工具,更在于重塑药物研发流程。这也吸引了学术界、制药企业、投资机构和科技公司纷纷布局。

目前,Alphabet、英伟达、AWS、微软和字节跳动等全球科技巨头通过基础模型、算力平台、资本投资以及跨行业合作等方式,布局药物发现与分子设计等环节,并逐步向临床开发、药物生产和质量控制等环节延伸。传统大型药企也在通过自主建设AI研发能力、与技术企业合作以及战略收购等方式,加快探索AI驱动的药物研发模式。

从“AI辅助”到“AI原生”

高欣教授表示,与“AI辅助”不同,“AI原生”意味着从一开始就围绕数据和AI设计研发流程。

在这一模式下,研究人员利用数据训练AI模型,由模型预测并提出候选方案,再通过实验进行验证。实验结果又成为新的数据,反馈给模型,推动下一轮预测和优化。

这就是中心计划重点建设的“干湿闭环”,让数据、模型、预测、实验和反馈构成一个持续迭代的研发系统。

不过,对于治疗学研究中心而言,如何提高研发效率是一方面,选择哪些疾病靶点、开发什么样的药物,同样重要。

从传统药物难以覆盖的靶点寻找突破口

中心将口服环肽等新型治疗分子作为重要研究方向之一。

为什么选择环肽?高欣教授从传统药物的局限解释了这一方向的价值。

常见的小分子药物体积较小,通常更容易进入细胞,但往往需要靶点表面有合适的结合位置,就像钥匙需要找到对应的锁孔。抗体等大分子药物通常具有较强的靶点识别能力,却因为体积较大,难以穿过细胞膜,作用于细胞内部的靶点。

如果某个致病靶点位于细胞内部,又缺少适合小分子结合的结构,传统药物就可能难以发挥作用。这也是部分靶点被称为“不可成药”靶点的原因。

高欣教授介绍,人体有两万多种蛋白质,其中约6000至7000种可能成为疾病治疗靶点,而全球已经开展药物研发的靶点总数约为1400个。在他看来,这意味着仍有大量潜在治疗靶点有待探索。

环肽为突破这些限制提供了新的可能。它的分子大小介于传统小分子药物和抗体等大分子药物之间,部分环肽既有机会进入细胞,又能与靶点形成较大的结合界面,从而探索传统药物难以覆盖的治疗空间。

高欣教授还强调,该中心不会只研究环肽。

“中心的名称使用‘治疗学’,就是因为我们希望把各种可能的治疗模态都纳入进来。”

按照规划,中心还将关注抗体、多特异性抗体、纳米抗体、抗体偶联药物、多肽及多肽偶联药物、小分子、核酸药物和核药等不同治疗方式。

围绕这些方向,中心计划建设跨模态药物基座大模型、虚拟分子库、高通量筛选与生成平台及科研智能体,并将计算设计与实验验证连接起来,逐步形成从靶点到候选药物的研发链条。

从算法到药物,需要重新组织的不只是技术

高欣教授长期从事计算机科学与生物医药的交叉研究。他本科毕业于清华大学计算机系,后在加拿大滑铁卢大学获得计算机科学博士学位,并曾在美国卡耐基梅隆大学从事计算生物学研究。

他的研究涉及生物信息学、机器学习、药物设计和医疗健康等方向,并参与创办AI多肽药物设计企业。目前,他担任西浦学术副校长特别顾问、讲席教授及人工智能驱动治疗学卓越研究中心主任。

跨越学术研究与产业实践的经历,让他更加关注技术转化。

“这些技术不能停留在论文和专利里,不能纸上谈兵。”他说,“它们最终要进入临床,真正用到患者身上,为人类健康带来价值。”

要实现这一目标,首先需要组建一支跨学科团队。

按照规划,中心将建设约2000平方米科研空间,组建40至50人的国际化团队,涵盖人工智能、计算生物学、药物化学、结构生物学、生命科学和转化医学等领域,其中计划引进15至20位具有AI与生物医药交叉背景的PI(独立课题组负责人)。

“这样的人才十分稀缺,”高欣教授坦言,中心需要通过专业网络寻找人才,并提供灵活的聘用与合作方式,以及有竞争力的科研条件。

他强调,团队不仅需要同时掌握AI与生物医药知识的交叉型人才,也需要在各自领域具有深厚积累、愿意理解和尊重其他学科的科学家。

为什么是西浦,为什么是苏州?

高欣教授认为,要让AI药物研发最终从模型和实验走向临床与产业,大学之外的生态同样重要。

他表示,中国过去在生物医药领域总体处于追赶状态,但在这一轮AI制药发展中,应用型AI能力可能带来新的竞争机会。近年来,中国AI制药企业与全球大型药企出现的合作和授权也在不断涌现。

苏州所在的长三角地区集聚了大量生物医药企业,以及药物研发服务、临床开发、产业资本和规模化制造等配套资源,为AI药物研发提供了产业基础。

与此同时,西浦正加强人工智能与生命科学领域的建设。中心计划整合校内跨学科科研力量,并连接国内外高校、医院、药企、投资机构和产业平台,推动算法研发、实验验证与药物转化之间的协作。

“我们希望通过卓越研究中心这个平台,把这些力量真正组织起来,在AI与生物医药交叉领域形成一股合力。”

“我们的目标是建设一个以多智能体系统和AI原生技术为驱动的人类疾病治疗方案的研发高地。”高欣教授说。

(记者:寇博)

2026年11月16日