近期，望石研发团队在《Scientific Reports》上发表了题为《Deep learning model accurately classifies metastatic tumors from primary tumors based mutational signatures》的研究论文。 癌症转移是导致癌症患者死亡的主要原因，预测和阐明肿瘤转移的机制对于癌症治疗以及相关药物的研发至关重要。尽管已知体细胞突变与肿瘤发生和转移相关，但缺乏对突变过程的简明阐述和深入研究，难以据此判断个体癌症转移的风险。 在此次研究中，望石团队开发了一种深度学习模型MetaWise。该模型利用从TCGA和其他转移队列中获得的全外显子组测序数据计算得出的突变特征，可以有效区分转移性肿瘤和原发性肿瘤。此外，研究还发现非编码区域的突变特征对预测癌症转移风险也有重要影响。通过对模型预测结果进行解释性分析，望石团队确定了一些与不同肿瘤类型转移风险对应的相关突变特征及其潜在致病机制。 通过分析癌症患者的临床数据，此模型有望成为构建患者转移风险预测模型的基础。在临床中，可以为患者提供更加个性化的治疗方案，根据不同患者的转移风险水平...

“新冠疫情现在是一个既定和持续的卫生问题，不再构成国际关注的突发公共卫生事件... ...并不意味着新冠病毒不再是一个全球卫生威胁。” ——WHO总干事谭德塞   ”我们不能一劳永逸，因为病毒变化太快，产生了抗体后还是会感染... ...新冠病毒引起基础病加重，心脏病、神经系统病、肾脏病等 “ ——钟南山院士   为满足安全、低成本、适用人群广泛的常态化抗新冠的临床用药需求，望石智慧与广州实验室联手开展了二代口服新冠小分子抑制剂的开发项目，该项目仅用时12个月便完成了立项到IND申报，并获批。   近日，北京望石智慧科技有限公司（以下简称“望石智慧”）携手广州实验室合作开发的抗新冠小分子口服药物获得NMPA临床试验许可。该项目为国内首个进入临床阶段的二代3CL小分子口服抑制剂，自研发立项至IND申请仅用时12个月。 二代3CL抑制剂具备高吸收、代谢稳定等特征，未来临床应用可实现低剂量下单独给药。相比目前已上市的疗法，适用人群更为广泛，有望在长期用...

近期，望石团队在ACS Omega以封面文章的形式发表了成果"Structure–Kinetic Relationship for Drug Design Revealed by a PLS Model with Retrosynthesis-Based Pre-Trained Molecular Representation and Molecular Dynamics Simulation"。 分子解离速率常数（koff值）是配体在靶点停留时间的倒数，药物分子的分子解离速率常数能很好的诠释药物分子在体内的动态过程，与实验测得的药效有很强的相关性，可以为药物设计专家进行分子的筛选和优化提供有效参考。传统分子动力学（MD）方法并无法直接计算得到koff值，用增强采样等加速MD的方法可以计算相对停留时间在纳秒级别的数值，但依然与实验秒级别的停留时间相差9-10个数量级。衍生于望石智慧原创的“基于逆合成深度学习模型的预训练模型”， 望石披露了一种基于深度学习的快速准确的预测药物分子koff值的全新模型。另外，配合加速MD方法和解离路径分析聚类方法，提高了模型的可解释性。相较于传统非物理路径的方法如FEP计算，分子解离速率常数和解离路径的准确...

“ChatGPT代表着人工智能在语义方面已经迈出了第一步。这对于AI制药非常重要，因为这个领域的发展方向就是做“基于知识的药物发现。” 近日，北大医学——望石智慧联合实验室负责人、北大药学院教授刘振明与雷峰网&《医健AI掘金志》推出《AI制药十人谈》系列，探究AI制药的前景与隐忧。原文如下：   互联网思维“高举快打”做消费是可以的 ，但是在药品研发领域似乎行不通。药物研发周期长，速度慢，“互联网+”这种方式很难一蹴而就到达终点。 “AI的应用场景很多，但是AIDD最佳的应用场景是品种交付。现在很多AIDD公司的理念、研发路径、战略都不一样；如果拿中国历史比，现在更像春秋时代，连战国都还没到。” 刘振明博士是北京大学药学院研究员，国家化合物资源库北京大学负责人，是我国抗肿瘤创新药物研发和AIDD领域的科学家。前不久，刘振明研究员在与雷峰网&《医健AI掘金志》的对话中，表达了他对AIDD制药的一些个人看法。 作为一名北大培养出的科研...

4月7日，望石智慧副总裁黄博博士应邀，在SAPA-China年会上发表了题为“AI技术与差异化小分子创新研发”的主题演讲。 怀着实现AI赋能医药研发的初心，望石智慧过去5年一直将目标锁定在药物研发链条中的“苗头化合物发现与优化环节”，并专注在 “数据治理、算法开发、药研应用”方面建立复合背景的研究团队。 图1：望石智慧副总裁 黄博博士 “持续完善CADD研究技术框架、积累数据治理能力、寻找AI的最佳切入点”是望石系统化建设AIDD技术体系的三个方法。对标“AlphaFold2”通过广泛存在并且结构化的“sequencing数据和坐标数据”切入蛋白折叠问题，望石团队首次提出AI通过全行业积累60余年的、富含信息却未被充分利用的实验电子密度数据切入药物研发领域，并针对分子生成和筛选场景开发了相应的技术，包括：分子间相互作用分析（图2）、基于口袋或片段的3D分子生成（图3）、分子筛选（图4）等。 图2. 利用实验电子密度观察分子间相互作用 undefined 图3. 从口袋生成填充物电...

3月16日，“十四五”国家重点研发计划“生物与信息融合（BT与IT融合）”重点专项—— “基于 AI 大数据驱动和可信安全计算的创新药物筛选系统研发与应用”的项目启动会在北京大学医学部完美落幕。 该项目近期获得国家科技部正式批准，计划三年完成。项目旨在构建高纬度高质量医学数据治理应用和高效智能药物研发知识挖掘的、可信安全计算驱动的、全口径全链条创新药物发现技术体系，并在药物发现中得到示范应用。 项目承担单位为北京大学，参与单位包括清华大学、浙江大学、 中国人民解放军国防科技大学、中国科学院计算机网络信息中心、浙江省北大信息技术高等研究院、中日友好医院、上海交通大学医学院附属上海儿童医学中心、百图生科（北京）智能技术有限公司和北京望石智慧科技有限公司。项目专家指导委员会由詹启敏院士、张礼和院士、董尔丹院士、张亚勤院士领衔。 在启动会上，项目总负责人、北京大学张路霞教授、清华大学聂再清教授、北京大学刘振明研究员、北京大学李中军教授和望石智慧副总裁黄博博士就不同子...