“在制药领域有个法则叫Erooms Law，就是把Moores Law（摩尔定律）反着写，尽管技术在日新月异发展，但制药成本却在持续增加，几乎每隔9年就翻一倍。”腾讯量子实验室理论组负责人谢昌谕，日前在2021 AI芯片+大数据国际高峰论坛上说，药物研发不仅成本投入大，周期超过10年，失败率更是高达90%，因此迫切需要新技术来改善各个研发环节。

　　作为腾讯科技实验室矩阵的重要组成部分，腾讯量子实验室近年来一直聚焦药物研发。一般而言，在药物研发的整个过程中，前期3-6年是关键时期，即进行靶点验证和靶点选择，找出先导化合物，再筛出备选化合物。“量子计算+AI的优势在于，通过模拟和计算，在这一关键时期发挥作用，缩短时间，不至于到后期才发现海量成本的投入是没有意义的。”

　　比如，经典的分子成药性评估，主要是看其对人体是否有毒，一般是借助专家知识以及人为设计的规则，来定义分子的特征，从而应用经典的分类器来实现成药性的估计，包括血脑屏障预测、肠吸收预测、呼吸道毒性预测等，耗时较长。

　　而通过人工智能深度学习的分子成药性预测算法，则减少了人为设计的工作，根据训练任务，自动完成从分子结构到特征向量的抽取工作。“但一般药学数据制备成本昂贵，数据量普遍稀少，且数据污染可能较为严重。”谢昌谕说，他们正在探索有效的方式将深度学习与专家知识相结合，通过与高校合作，取得了宝贵的数据，目前能够预测大约50个指标。

　　当下，药物设计面临着很大的挑战，即在寻找特定疾病的匹配药物时，可选择的有机小分子约10的20次方至10的60次方之多，这一高精度算法的资源消耗非常大。而且，就算是结构极为相似的化合物，也有着较大的活性差异。

　　面对这一挑战，腾讯量子实验室正在腾讯云上研发计算软件和平台，拟开发新量子组合算法和量子AI算法，希望建立一个化学、制药、材料等相关领域的生态系统。（记者 黄海华）