新聞網訊  在今年全國兩會上，全國人大代表、中國工程院院士張伯禮建議，利用AI技術改造醫藥傳統產業，以智慧制藥賦能醫藥工業高質量發展。他表示，“在AI技術不斷滲透到醫藥產業的過程中，醫藥工業要抓住這個機遇，利用AI技術從系統布局、科技支撐、轉化應用等方面全面促進醫藥工業的高質量發展。”

近年來，中央民族大學藥學院王昊教授帶領團隊在AI與藥學融合的前沿科研領域中積極探索運用多學科交叉技術和方法，深入開展先導化合物的發現及新藥研發。課題組聚焦抗菌藥物研發、抗肺纖維化研究、民族藥活性分子發現和mRNA核心序列設計算法開發等重點研究方向，運用AI和計算機輔助藥物設計等技術，在多靶點協同藥物設計等領域取得豐碩成果。

一、開發基于遺傳進化的mRNA序列優化軟件：codonOpt

mRNA藥物正從技術驗證邁向多適應癥拓展的關鍵階段，其快速響應與生產靈活性為疾病治療帶來新契機。mRNA的序列設計對其穩定性和表達效率至關重要，可靠性和準確性有待提升。codonOPT基于遺傳進化算法構建，針對穩定性與表達效率兩個目標求解帕累托前沿。實施過程中，通過有效控制種群多樣性，利用擁擠度函數與對CAI值的擬合，克服了種群快速坍塌的缺陷，能有效求解mRNA 合理范圍的帕累托前沿。經濕實驗驗證，codonOPT優化的mRNA 序列相較于現有市售產品優勢顯著，且優于對照算法。

二、開發AI agent平臺Drug_Homunculus

為讓實驗科學家能高效運用CADD與AIDD，專注科學問題，突破技術細節障礙，課題組正開發基于大語言模型的AI agent平臺Drug_Homunculus。該平臺整合文件自檢系統和異常處理系統，解決不同軟件的兼容性與交互性難題，降低CADD和AIDD的使用門檻。目前已完成分子對接-分子動力學模擬-結合自由能計算工具流搭建，并在校內開放服務。

三、AIDD加速藥物先導篩選

藥物研發需從海量分子中篩選苗頭化合物，這就要求建立可靠算法模型以加快篩選進程、提高準確性。算法模型研發依賴高質量數據庫作為訓練集，可當前公用數據庫數據標準不一、實驗方法各異、質量參差不齊。課題組聯合中國醫學科學院醫藥生物技術研究所搭建抗菌藥物和先導分子數據庫，結合化合物結構與活性數據，構建統一的高質量數據庫，并開發AI模型，加速抗菌藥物發現。

四、AI加速民族醫藥和中藥現代化研究

課題組與西藏大學王嗣岑教授獲得國家自然基金區域創新發展聯合基金重點支持項目資助，開展“基于TGF-β通路的防治肝肺纖維化道地藏藥篩選與作用機制研究”。基于已知TGF-β信號通路關鍵靶點抑制劑信息，建立AI模型進行藏藥活性分子篩選，結合國產色譜技術，構建分子水平快速篩選模型，通過干濕實驗結合開展民族藥物抗纖維化研究。

AIDD與CADD在藥物設計中作用關鍵，二者相互促進、配合，合理運用可加速藥物研發進程。同時，干濕實驗需緊密結合，干實驗用于研究設計與預測，濕實驗用于驗證與優化模型，二者有機融合是藥物研發的核心。AIDD和CADD的發展離不開跨學科人才培養，AI輔助藥物研發需要既懂藥學知識，又精通AI和數學交叉領域的人才。

有學者認為，當前從業人員多應用現有算法，數學建模與算法底層優化能力不足，限制了對復雜生物系統的建模精度，缺乏數學思維也制約算法創新改進。王昊教授認同這個觀點，他表示真正的AI制藥需要“懂藥的AI人+懂AI的藥學人”深度融合，未來需通過跨學科人才培養和產學研協作機制彌補短板。