博客专栏

EEPW首页 > 博客 > 生物计算“再现”此前互联网发展趋势,基因研究组学和新生机器学习算法扮演重要角色

生物计算“再现”此前互联网发展趋势,基因研究组学和新生机器学习算法扮演重要角色

发布人:深科技 时间:2021-05-21 来源:工程师 发布文章

AI 将会给生物医疗领域带来全新的思路与可能性。近日,由百图生科与播禾创新联合主办的首届中国生物计算大会,于 2021 年 5 月 10 日 —11 日在苏州国际博览中心举办,大会旨在联合生物技术和信息技术(BT&IT)领域的诸多产业伙伴,一同打造融合众多学科的新产业生态,来实现 AI 对生物技术领域的全面赋能。


参与本次大会的有包括 6 位院士在内的 50 多位专家学者、40 多位生物医****企业高管,以及 1500 余名在线参与本次大会直播的观众们。召开首日,就有超过 51.2 万网友们观看了大会直播。


在主论坛上,围绕“生物计算大家谈”这一主题,百度创始人、董事长兼 CEO、百图生科创始人兼董事长李彦宏,进行了开场致辞之后,鄂维南、施一公、董晨、谭蔚泓四位中科院院士分别进行了演讲。


在开场致辞中,李彦宏阐述了他对生物计算学科的理解和在这一领域看到的广阔的前景。他表示,作为高度融合的一个学科,生物计算将通过依靠计算引擎来有效地利用海量的生物数据,从而将****物研发的方法从 “大海捞针” 转换为 “按图索骥”,为人类的生命健康谋福祉。


他还说,近年来生物计算领域的发展趋势和之前互联网计算机领域的高速发展趋势十分相似:在互联网行业飞速发展时,有三个标志性数据一直的不断攀升,即上网人数、人均上网时长、以及网上存在的网页数量。


而现在,在生物计算领域,也有三个标志性数据在不断突破新高,首先是基因组学研究带来的数据量,其次是新****研发过程中积累的知识量,最后是新生机器学习算法的变化速度。


之后,北京大数据研究院院长鄂维南以《机器学习与科学计算》为题进行了演讲,其向人们分享了科学计算的两大主题 —— 处理物理模型和处理数据。 


关于物理模型,鄂维南院士指出,尽管在许多科学技术领域物理模型已经十分成熟,但目前的物理模型运用传统的方法还是存在瓶颈,比如说内燃机的燃烧, 材料的性质和设计,分子和****物的性质与设计等等。而随着机器学习的发展,这些领域将会有新的突破。解决这些问题的新的突破口,正是机器学习和物理模型的结合,也就是通过机器学习来在传统物理模型的基础上建立复杂可靠的模型。


这一应用也会为****物设计带来突破,因为****物设计最重要的环节之一就是自由能的计算,如果将机器学习应用到自由能计算中时,****物设计的效率将会大幅提高。 


鄂维南院士还指出,目前人工智能比较热门的应用是在自动驾驶、人脸识别等新技术领域。但接下来,生物、化学、物理、材料等传统的科学领域将会是人工智能的主战场。以经典的物理模型提供基础数据,在此基础上通过机器学习产生更有效且同样可靠的模型。


中国科学院院士、美国国家科学院外籍院士、西湖大学校长施一公,随后发表了题为《从生命科学的角度看 AI》的演讲,分享了自己从结构生物学角度对生物计算的观点。


施一公首先强调了生命科学不同于数学物理,不是以方法为代表的学科,生物计算也不是基于公式的计算。因此,生命科学领域没有普适的方法论,在这一领域探索如同寻宝一般。但与此同时,他也强调了在将 AI 应用到生命科学时,理论基础的重要性。


而在结构生物学领域,目前绝大部分蛋白质结构的的变化方法都是 X 射线,而在未来冷冻电镜的分辨率会不断提高,并将在这一领域发挥巨大作用。同时,AI 则将在蛋白预测和基因组预测的准确度已经大幅提高,其不仅早已超过了人类,甚至已经达到理论预测与实际情况十分接近的程度。他说,尽管自己尚不知道未来 AI 将会带来医****领域怎样的变革,但他相信通过学科的融合与交流,AI 将会为生物制****的各个领域带来革新。


主论坛的第三位演讲嘉宾是中国科学院院士、上海交通大学医学院教授、上海市免疫治疗创新研究院创始院长董晨,他以《免疫治疗创新 — 从基础到临床转化》为题,就 AI 创新在免疫治疗中的应用做了介绍。

他指出,免疫学的发展在医学界是发展最快的,但目前的免疫检查点治疗仍然存在着两个普遍共性的问题——较高的免疫副作用,和较低的反应率。但 AI 将会为解决这一问题提供突破,因为在有了越来越多的数据和越来越细致的标签之后,医院将可以做出更准确的结论预测,从而为病人选择更合适的免疫检查点或靶点进行治疗。 


主论坛的最后一位演讲嘉宾是中国科学院院士、发展中国家科学院院士、中国科学院肿瘤与基础医学研究所所长谭蔚泓,他的演讲题目是《基于 AI 的智能诊断以及多参数细胞、疾病分型》。

对于精准治疗,他提出了自己的设想,即通过人工智能与医学研究的融合创新将会加速精准治疗的实现。他说,首先通过高通量测量技术和分子探针来对病人样本进行分子特征的甄别与定量测量,之后利用人工智能来对其进行解析,将可以为疾病诊断提供精准图谱,并判断各种亚型的特征。

大会第一天的下午,在两个不同的分论坛中,众多专家们分别就 “生物计算与新数据 “, “生物计算与新算法” 进行了探讨。

其中, 在 “生物计算与新算法” 分论坛中,深势科技董事长兼 CSO 张林峰进行了名为 《Physcis+AI+HPC  第一性原理驱动的****物设计》的主题演讲, 在演讲中他说, Physcis、AI、HPC 的组合是一个趋势:“我们需要 Physcis (物理) 告诉我们一系列的原理,需要 AI(人工智能)帮助处理数据,需要 HPC(高性能计算)底层的平台做推理演绎。”

他指出,这三者的融合本质上需要物理,当AI 发挥作用时,所面临的生物计算和生物的客体则是微观粒子。

传统分子模拟技术难以兼顾速度与精度,而有了 AI 之后,可将一个复杂的量子力学原理背景出发的函数,通过机器学习的工具有效表示以及拟合出来,得到基于第一性原理的计算非常复杂的原子间相互作用的模型,也就是基于深度学习的解决方案。

来自西湖大学生命科学学院的黄晶也在 “生物计算与新算法” 分论坛中,进行了名为《生物大分子的计算模型和拟算法》的主题演讲。

在演讲中, 她向人们介绍了分子力场和深度学习与分子力场模型的结合。在用计算机高性能计算解决生物学的问题,首先我们想要了解生命的基本过程,然后这个基础上找寻用小分子和大分子怎样调控生命的基本过程。

从原子、分子的相互作用和最底层的逻辑为出发点来计算编码,这样的模型就是广义上的分子力场。更重要的是,力场可以用来做分子动力学的模拟,在蛋白质的设计、酶的设计、小分子设计和抗体的设计中,分子力场都有很重要的作用。

她指出,深度学习与统计力学有着非常深得本源关系,甚至可以说是一棵树上结出来的果子,如果在算法端将两者结合将大幅度提高生物体系分子模拟甚至是广义的生物计算的效率。

在大会第二天, 专家们在 4 个分论坛中,分别就 “生物计算的当下战场 —— ****物研发(小分子)”, “生物计算的当下战场 —— ****物研发(大分子)”, “生物计算的更多可能 —— 创新企业 DEMO”,以及 “生物计算与数字医学” 进行了专题报告与讨论。

-End-

*博客内容为网友个人发布,仅代表博主个人观点,如有侵权请联系工作人员删除。




技术专区

关闭