Abstract

现代人的寿命的大幅度延长主要得益于各种药物的开发。而一款药物从开发到上市，平均需要5-10年时间，消耗28-32亿美金。更加重要的是，进入临床二期实验的候选药物中，还会有96%因为种种原因最终退出市场。科学家们逐渐认识到，传统的药物设计流程已经无法满足人们日益增长的对于健康的渴求。人们自身设计的药物的复杂度也达到了瓶颈。老年痴呆症，渐冻症、自闭症以及癌症等复杂疾病始终无法被攻克。所以，人们逐渐将目光投向了近年来蓬勃发展的人工智能技术。

在本次报告中，我将简单介绍生物制药的流程，着重介绍该流程中的存在的机器学习问题。我将介绍其中哪些问题是机器学习可以独立解决的，哪些问题需要结合一定生物知识去解决，尤其是深度学习如何助力新药的设计以及科研界产业界已经取得了哪些进展。本次报告将具体涵盖如下几个方面：
1. 药物的靶点发现
2. 老药新用
3. 小分子药物的设计和成药性预测
4. 大分子药物的设计以及免疫疗法。
5. mRNA疫苗的设计

Biography

      马剑竹，现担任北京大学人工智能研究院副教授，此前曾任美国普渡大学生物化学系、计算机系助理教授。马剑竹主要从事计算生物学和生物信息学的研究，主要研究科学、医学及卫生领域中数据带来的挑战。马博士曾发表多篇生物医学应用相关论文（收录于《Nature Methods》《Nature Cancer》《Cell》《Nature Communications》《PNAS》等），其论文、发言、海报及研究曾在RECOMB、ISMB等顶级会议中获奖。马剑竹领导开发了开源软件包和公开的蛋白质三维结构预测服务器RaptorX。RaptorX获得两次国际蛋白质结构预测比赛总分第二名，一次高难度组第一名和一次蛋白质接触图比赛的第一名。国际顶级期刊Science在technology feature专栏中认为RaptorX是目前主流的三个蛋白质结构预测服务器之一。目前RaptorX已经为用户提供了上百万次的预测服务。

• Admission