复旦大学“对话”系列讲座“AI与大学之未来”于12月8日举行。生命科学家、维亚生物计算化学及AI平台执行总监钱玥在演讲中表示，AI 作为高效辅助工具，正加速药物研发流程、降低研发成本，而非取代科研人员，为生物医药行业发展注入全新动能。
钱玥介绍，AI 在药物设计领域的应用并非一蹴而就。上世纪机器学习概念提出后，基础模型率先落地；进入 21 世纪，深度学习网络实现突破，能够提炼生物数据、化学结构等核心特征并进行预测；而最新一代大语言模型则完成了从预测到生成与设计的关键跨越，通过蛋白语言模型、分子语言模型等领域化适配，充分挖掘海量数据价值，赋能药物设计全流程。
“AI 驱动的药物设计核心在于‘干湿实验一体化’与多学科深度绑定。” 钱玥表示，这一模式整合了结构生物学、药物化学、药效毒理等传统学科，结合 AI 工具的特征提取、预测、生成等功能，形成 “数据驱动” 与 “原理驱动” 双轮并行的 AI 引擎。湿实验环节涵盖蛋白结构解析、高通量筛选、药物合成与药效研究等步骤，为 AI 模型提供核心生物学数据；AI 引擎则基于物理原理与海量数据进行分析迭代，二者形成闭环，助力科研人员探索新药物靶标、治疗机制及药物类型。
她介绍，在大分子药物研发领域，AI 的革新作用同样显著。传统抗体分子研发需通过动物免疫、人源化等步骤，耗时数月且筛选量巨大，而 AI 可直接生成候选序列，筛选量级降低 10 的 7 至 8 次方，研发成功率达 85% 以上，效率提升 400%。
“AI 是科研人员的强大助力，而非替代者。” 钱玥强调，AI 在代码编写、文献研读、知识转化等方面为团队提供高效支持，而跨学科协作、科研直觉与创新思维仍是人类科研人员的核心价值。