10月9日，瑞典皇家科學院公布諾貝爾化學獎，AlphaFold的研發人員Demis Hassabis和John M. Jumper與David Baker共同獲得該獎項，以表彰他們二人開發人工智能模型解決蛋白質復雜結構預測這個困擾學界50年的難題。

在AlphaFold發明之前，預測一個蛋白質的真實結構往往需要一個頂尖科研團隊花費數月甚至數年的時間；而僅在被發明后的數年間，AlphaFold便確定了約2億個蛋白質的結構，范圍覆蓋地球上幾乎所有已知生物，其準確性和實驗結果相差無幾。正如Demis Hassabis所言，“我們正處在數字生物學新時代的開端。”

近些年來，隨著AI的發展和其在科研領域的廣泛應用，全球頂尖科學家們開始利用AI進行更為深入的醫藥研究工作。吸引眾多科技大佬和醫藥巨頭紛紛入局的衰老干預領域就是其中之一。知名原研藥企賽諾根借助生物信息學層面的機器學習建模，進行了全面深入的衰老抑制劑療效評估。

通過使用數百只小鼠對數十種衰老抑制分子及各種劑型組合進行對比，賽諾根利用AI對龐大的多組學數據進行了機器學習建模，生成了多個與年齡相關的疾病模型，以評估生物衰老和與衰老相關的疾病，包括代謝綜合征，神經退行性疾病，糖尿病和癌癥。憑借這一成果，今年5月，賽諾根公布了其管線中的第二款衰老干預候選藥SRN-901臨床前動物實驗數據。

不僅是賽諾根，其他知名科研機構也在積極探索AI在醫藥研發領域的作用。其中，與賽諾根在衰老干預領域有著深度合作關系的哈佛大學科學家利用AI發現了一類全新的抗生素，為應對全球性的抗生素耐藥性挑戰帶來了希望；麻省理工學院的科研人員開發出AI制藥新模型，有效解決了結構預測和綁定位點識別等問題，提升了藥物研發效率。

除藥物研發外，AI也被廣泛應用于醫療診斷領域。例如，賽諾根基于先進的自有機器學習算法搭建的人工智能基因診斷平臺GenomeScore，可通過對多維度的組學和診斷數據進行建模，構建高可信度的疾病模型，并生成針對性的治療方案；SRN-901的技術輸出方梅奧診所采用AI技術預測早期癌癥，提高治愈率。梅奧移植外科醫生Mark·D·Stegall博士表示，AI將成為醫生的重要決策工具。

近年來AI在生物制藥領域的爆火，也促使傳統藥企與創新型藥企間的合作案例頻現，例如國藥與賽諾根成立合資公司國藥賽諾根，研發項目就包括基于賽諾根的人工智能平臺和人工智能診斷等技術，推動國內衰老干預產業的發展。

在高速發展的當下，隨著AI的進一步開發和應用，生物醫藥領域正朝著更加精準、高效、個性化的方向邁進，人們將加速迎來更為健康和長久的未來。