宁波诺丁汉大学理工学院的本科生团队在化学与环境工程系唐本灿博士和计算机科学系的任剑锋博士指导下，开展人工智能促进药物开发的研究。这研究有望加速药物开发，并降低药物研发成本。
化学与人工智能相结合
宁诺本科生团队研究人工智能促进药物开发
一颗新药从想法出来到商业化销售需要经过药物发现、临床前研究、临床研究和审批上市四个阶段，这往往需要耗费10-20年的时间，以及数十亿美元的成本，成功率却仅有不到10%。因此新药研发具有研发周期长、研发费用高、研发风险大三大问题。人工智能技术（AI）有望加速药物开发的进程，其可作用于药物发现、临床前研究、临床试验、药品生产和销售推广等药物研发过程。目前，AI技术主要应用在药物发现阶段和临床前研究阶段。
传统的靶向药物的开发，一般需要先确定与疾病相关的靶点，然后再针对这个靶点去寻找能与之作用的药物分子，相当于让制药公司为“靶点”和“药物分子”进行一次“相亲”。AI制药则不同，它可以通过学习能与靶点作用的分子特征，从大量的潜在药物分子中用机器学习的方式识别其他可能也有活性的分子。
任剑锋老师指导学生搭建AI药物筛选平台
AI药物筛选平台
宁波诺丁汉大学项目组拟开发一个AI药物筛选平台，相当于让AI模拟“靶点”和“潜在药物分子”进行“相亲”的过程。它拥有三个不同的数据库：“与癌症相关的靶点库”、“能与靶点作用的分子库”和“潜在药物分子数据库”。
如果说，与癌症相关的靶点是准备相亲的男生，那AI药物筛选平台的作用就是：通过获取和学习“过去心动女生“（能与靶点作用的分子的特征）的数据，从“单身女生库”（潜在药物分子数据库）中不断寻找“未来心动女生”（可能有活性的药物分子）。
当然，这个AI制药系统远不只相亲那么简单。研究团队在对该领域所发表的研究结果进行认真学习之后，进行了一些新的思考和尝试。
其中，因为化学结构在机器里的不同表达会导致算法读到不同的信息，如何让计算机理解化学结构就是重点之一。此外，数据收集和处理也非常重要，以往所测得活性的分子是否能被收集齐全，从而形成正样本和负样本数据库？最后，还要训练所使用的算法，当下所用的人工智能领域的前沿算法若使用到制药领域是否会带来不一样的收效？
唐本灿老师介绍分子结构
本科学习----巨大的挑战
这些问题对于还处于本科学习阶段的项目组成员来说是一个巨大的挑战，据刚完成大二计算机课程学习的李嘉瑞介绍，为了解决这些问题，项目组首先需要设计算法来生成化学分子的全新的表达方式，将化学结构转换为机器能够理解的代码。随后将药物的分子结构通过固定的方式进行测算分类，以区分不同分子结构的影响。再使用特征匹配和特征对齐这两个全新的技术，先标记几个对匹配过程影响大的点，将药物和靶点进行匹配，让机器学习更加具有解释性。最后，通过机器运算，就可以获得药物和靶点的匹配度了。
计算机科学大二学生李嘉瑞和纪然
马上就要进入大三学习的纪然在完成暑研项目后，对于科学研究有了更加深刻的认识。
“ 做研究和平常学习有很大的区别，跨领域的学习、大量文献的阅读、研究方案思考这些都是平常学习接触不到的。平常学习，都是老师教系统、成型的知识，而做科研，就是在老师的指导下去探索未知的领域，会随时遇到各种问题，需要随时扩充相关的知识。”
据项目指导老师唐本灿介绍，目前AI制药是一个备受学术界、企业界和投资机构关注的领域。近来，全球大型药企例如诺华、阿斯利康、杨森、辉瑞、默克、拜耳等公司在AI制药领域有所投入。考虑到我校在化学和计算机科学两个学科均有一定的研究实力，在几位本科生同学令人感动的研究热情的推动下，我们希望使用我们校区和英国药学系在制药行业的影响力和科研实力，尝试在这个领域进行更深入的探索。