北大计算机学院登上自然 AI 子刊：张铭教授团队 160 万数据训练生物活性基础模型，加速癌症药物研发

图片地址：https://img.ithome.com/newsuploadfiles/2024/8/48be6681-5929-495a-a65d-dcf3e3160f60.jpg

北京大学计算机学院张铭教授团队联合华盛顿大学等团队，成功提出了生物活性基础模型 ActFound，登上国际 AI 顶刊。在跨域生物活性预测、先导小分子优化、癌症药物反应上，ActFound 表现出色。小分子生物活性在药物研发中扮演着至关重要的角色。生物活性反映了小分子与生物系统中特定靶点（如蛋白质、受体或酶）相互作用并引起可测量的生物学反应的程度，是筛选潜在药物候选物、优化分子结构以及预测药物疗效和安全性的关键指标。准确预测和评估生物活性不仅可以大幅缩短药物筛选时间、降低研发成本，还能帮助研究人员理解药物作用机制，从而加速新药开发进程，为患者带来更有效、更安全的治疗方案。在生物活性预测领域，已有的基于物理的计算方法如自由能微扰（FEP）可以给出准确的预测，但是他们却面临着计算成本高昂的问题。近年来，深度学习方法展现出巨大潜力，但面临着实验数据有限和不同实验测量的生物活性不兼容的问题。以往研究者使用了迁移学习、多任务学习和元学习等