记者从西湖大学获悉，由西湖大学、西湖实验室、西湖制药（杭州）有限公司联合研发的创新药——盐酸伊司特韦片（商品名：艾普司韦）日前正式获得国家药品监督管理局附条件批准上市。该药可用于成人轻型、中型新型冠状病毒感染的治疗。

艾普司韦是国内首款凭借人工智能（AI）辅助研发而获批上市的原创药——从源头发现到完成临床试验，仅用时三年半。

抗新冠药物研发有何难点？如何借助AI找到药物分子？艾普司韦为新药研发带来哪些启示？围绕这些问题，科技日报记者采访了西湖大学攻关团队的专家。

第一问：抗新冠药物研发有何难点？

“新冠病毒感染与人体自身的免疫反应高度耦合，且病毒会持续发生变异。所以，研发抗新冠病毒药物，不仅要找到能有效阻断病毒复制的分子，还要理解它的分子作用机制。”西湖大学生命科学学院教授黄晶说。

黄晶介绍，只有尽可能针对新冠病毒中功能关键又不容易通过突变逃逸的作用位点，才有可能使药物对不同毒株以及未来可能出现的变异毒株保持较好的广谱活性。

新冠病毒的3C样蛋白酶（3CLpro）正是病毒复制过程中发挥核心作用的关键靶点——病毒依赖它来剪出功能性蛋白并完成病毒复制相关酶的装配。若能找到合适的药物分子卡住3CLpro蛋白酶这把“剪刀”，病毒便无法完成复制。

因此，3CLpro成为研发抗新冠病毒药物的热门靶点，它也是西湖大学攻关团队瞄准的靶点。

“事实上，不只抗新冠病毒药物，所有原创新药的研发都极其困难。”黄晶分析，其中一个关键原因在于，原创新药研发需要探索的分子空间巨大。如何更高效地找到值得进行实验验证的候选分子，是药物发现面临的重要挑战。

第二问：如何借助AI找到药物分子？

“在艾普司韦的研发过程中，AI实质性地参与了多个关键环节。”黄晶告诉记者。

西湖大学攻关团队选择的DNA编码化合物库（DEL），包含多达490亿种化合物。他们先从中筛出了100多个“潜力股”。“在筛选准备和筛选过程中，我们利用AI模型帮助确定筛选条件以及对照化合物，提高筛选的成功率。”黄晶说。

按传统做法，后续仍需花费大量人力、物力，对100多个“潜力股”进行逐一合成、验证。关键时刻，AI再次派上用场。

“我们建立了针对3CLpro靶点的AI模型，从筛选结果中选择了9个分子进行合成测试，其中6个表现出很强的抑制活性。”黄晶解释，这说明，AI能够从海量数据中精准高效地识别出真正有效的分子。随后，团队通过成药性评估锁定候选分子——编号WLU6937。

此后两年，团队围绕该分子展开复杂的药物优化流程，并用实验产生的高质量数据“反哺”AI模型，对其进行持续迭代训练，再根据模型预测结果指导下一轮实验。最终实验结果证明，WLU6937正是490亿种化合物中的“最佳选手”。

“我们借助AI实现了新药研发中的数据整合，形成了计算预测、实验验证、数据反馈、模型再优化的闭环。”黄晶总结道。

第三问：AI辅助创新药研发面临哪些难题？

“当下，AI已在原创药物研发中起到显著的降本增效作用，但尚未真正变革整个新药研发体系。”在黄晶看来，现阶段，AI辅助创新药研发仍面临一些现实障碍。

黄晶举例说，药物研发的链条非常漫长，目前AI往往只被用于早期研发中的某个具体环节。比如，对已知靶点的已知化合物进行分子优化。

“AI更重要的价值，是成为药物早期研发中信息流整合和决策支持的核心工具，把结构生物学、药物化学、活性、成药性等不同来源的数据贯穿起来，减少研发过程中反复试错的成本。”黄晶说。

第四问：艾普司韦为新药研发带来哪些启示？

“艾普司韦的成功上市证明，真正的AI辅助药物研发当前是高效可行的。”西湖大学校长助理王廷亮负责主导该项目的资本引入及成果转化，他表示。

黄晶认为，AI辅助新药研发已不止于概念，而真正可以支撑原创药物从发现走向临床，直至上市。

“我们在项目中积累的重要经验是，在药物研发过程中，必须从开始就有意识地收集高质量数据，并持续将其用于迭代AI模型。”黄晶分享，这样才能借助AI真正把不同研发阶段源源不断的信息整合起来，使其成为贯穿整个项目的信息流整合和决策支持工具，而非只在某个孤立环节发挥作用。

（西湖大学供图）