题 目：计算化学方法和人工智能模型在早期药物发现中的研究和应用

 主 讲：黄牛  研究员

 时 间：2023年12月28日 下午16:30-17:30

 地 点：学习书坊（星巴克二楼）

摘要：

从真实世界新药研发的角度来看，计算赋能的判断标准很简单 — 是否能用于新靶点、产生新结构类型分子、预测能得到实验验证。在特定应用场景中选择合适的计算方法至关重要，然而基于物理学原理的计算化学方法和基于数据的人工智能模型在药物发现早期阶段均面临不同的挑战和机遇。基于靶标结构的虚拟筛选（分子对接）急需进一步提升计算精度与效率，从而在针对新靶标的新型先导化合物发现中起到更重要的作用。同样应用场景下的人工智能模型，则受限于蛋白-配体复合物结构和活性数据的严重匮乏，而缺乏泛化能力。然而，深度学习模型结合基于表型筛选产生的高质量活性数据，有望突破传统的低维定量构效关系模型的局限，产生结构新颖的活性小分子，对基于表型的新药研发产生重要推动作用。

个人简介：

黄牛博士，南开大学物理系学士，美国马里兰州大学博士，加州大学旧金山分校博后。现任职北京生命科学研究所/清华大学生物医学交叉研究院，高级研究员。主要研究方向是发展基于物理学原理的计算化学方法，预测靶标和药物分子之间相互结合自由能，架起生命科学基础研究与首创新药研发之间的桥梁。近年来，也开始探索如何利用深度学习技术赋能计算驱动的药物分子设计。在国际主流期刊上发表60多篇学术论文，已获得6项国际新药发明专利，并进入临床前研发阶段。荣获2013药明康德生物化学研究奖，北京市“海外高层次人才”。