深圳計算科學(xué)研究院“去病”系統獲數據庫領(lǐng)域國際頂會(huì )VLDB 2024 唯一最佳系統演示獎

　　2024年8月26日至30日，備受矚目的數據庫理論和系統領(lǐng)域國際頂級學(xué)術(shù)VLDB 在廣州，深圳計算科學(xué)研究院樊文飛院士科研團隊攜“去病”生物創(chuàng )新藥研發(fā)AI系統（Graph Association Analyses for Early Drug Discovery）參會(huì )，獲唯一最佳系統演示獎（BEST DEMO AWARD）。

　　藥物研發(fā)領(lǐng)域一直面臨著(zhù)“10億、10年、10%”的挑戰，即從藥物發(fā)現到最終上市，需要10年時(shí)間、耗費10億美金，卻只有不到10%的成功率。隨著(zhù)人工智能的快速發(fā)展，業(yè)界正在努力尋求利用AI技術(shù)提高研發(fā)效率，加速藥物發(fā)現和開(kāi)發(fā)過(guò)程。

　　深圳計算科學(xué)研究院開(kāi)發(fā)的“去病”系統，旨在解決傳統藥物研發(fā)過(guò)程中的一些關(guān)鍵問(wèn)題，如依賴(lài)經(jīng)驗、需要大量的實(shí)驗以及數據質(zhì)量參差不齊等。該系統采用自主研發(fā)的內嵌機器學(xué)的邏輯規則“AI+”體系，具備自動(dòng)化、高精度、可解釋性和低成本優(yōu)勢，顯著(zhù)提升了藥物早期研發(fā)的效率，從而大幅縮短了藥物發(fā)現的周期。以下是“去病”系統的幾個(gè)特點(diǎn)：整合大規模生物醫學(xué)數據構建識圖譜，揭示藥物與疾病的復雜關(guān)聯(lián)關(guān)系；通過(guò)邏輯推理與深度學(xué)相結合的方式，增強模型的能力；提供AI模型結果的可解釋性，為研發(fā)人員提供論據并滿(mǎn)足醫藥領(lǐng)域的監管要求；利用高效的崖山數據庫系統，實(shí)現強大的數據管理功能；配置數據質(zhì)量控制和增強模塊，為藥物早期發(fā)現提供了前所未有的智能支持。

　　與通用的大模型相比，“去病”系統在靶點(diǎn)識別、藥物-疾病關(guān)聯(lián)以及藥物相互作用等領(lǐng)域表現出更高的效率、準確性和專(zhuān)業(yè)性，并具備更深層次的行業(yè)融合能力。

　　例如，在靶點(diǎn)識別方面，“去病”系統通過(guò)對PPI（蛋白質(zhì)相互作用）網(wǎng)絡(luò )的自動(dòng)發(fā)現，能夠目標蛋白的相互作用。在一個(gè)具體案例中，系統只用了三天時(shí)間便發(fā)現了SYT2蛋白質(zhì)的自相互作用，并且這種蛋白質(zhì)后來(lái)被《Nature》雜志的一篇論文證實(shí)與一種呼吸道疾病相關(guān)聯(lián)。在蛋白質(zhì)相互作用的初步識別中，相比于黑盒模型，“去病”系統的準確率提升了43%。

　　在藥物-疾病關(guān)聯(lián)關(guān)系方面，“去病”系統持續匯聚、融合、清洗10多個(gè)生物醫藥數據庫的數據，構建了一個(gè)統一的知識圖譜�；�于此圖譜，“去病”系統自動(dòng)發(fā)現圖關(guān)聯(lián)規則，并運用機器學(xué)內嵌于規則體系的GAR技術(shù)深入藥物、生物通路、基因以及疾病之間的復雜拓撲結構，從而現有藥物與疾病之間的潛在關(guān)聯(lián)。在實(shí)際應用中，“去病”系統僅用4小時(shí)便識別出5個(gè)與帕金森病相關(guān)的藥物候選，這極大地縮短了先導化合物的發(fā)現時(shí)間，降低了研發(fā)成本，并加速了藥物研發(fā)的整個(gè)流程。

　　VLDB（International Conference on Very Large Databases） 是數據庫領(lǐng)域頂級的國際，在全球學(xué)術(shù)界和工業(yè)界享有極高的聲譽(yù)。它與SIGMOD、PODS以及ICDE并稱(chēng)為數據庫四大頂級，是展示和分享數據庫管理系統和數據管理領(lǐng)域前沿研究理論和技術(shù)成果的年度國際學(xué)術(shù)盛會(huì )。