2020年底，DeepMind旗下人工智慧（AI）系统AlphaFold在蛋白质大大分子预估应用领域取得了破天荒的不断进步。这不仅有力推动了生物科学应用领域的发展，也越发佐证了具备掌握“暗科学知识”潜能的AI能助力人们间接埃唐佩县在“未明”越权中探索的操作过程，而间接抵达“国语日报”的浩瀚。
因而，也就不足为奇近年来日渐成形且新宠的人工智慧远距抗生素辨认出(以下称AIDD：AI Drug Design)为何为短短数年间就从崩坏发展到几乎参与从抗生素机理辨认出到临床实验等抗生素研制的全流程。尤其面对该药研制中的机理甄选、氧化物辨认出等存在人类文明知觉盲点的各个环节，AIDD正在明显减少对研究者科学知识和海量统计数据的恭维，并有望改变该药研制“九死一生”的困境。
除了AI控制技术自身不断进步以外，AIDD的快速普及也有赖于“无可比拟时”——成形的云计算控制技术也恰到明主为AIDD提供必需的网络化基础设施和潜能，让药企得以迅速冲破储存、INS13ZD、机器学习模型等网络化困局，使AIDD得以成为高效的常态化工具。例如，在新冠抗生素研制中，莫塔姆（Moderna）透过在Amazon云信息技术平台构建的机器学习潜能，2周内就完成了mRNA COVID-19抗生素的字符串，25天就发布了第一个临床批号。由此预示着抗生素研制正全面步入“AI时代”。
AIDD增添抗生素研制加速
该药研制一直是人类文明科学研究应用领域中颇具风险和维数、且费时最漫长的控制技术研究应用领域之一。根据《自然》（Nature）杂志的统计数据显示，一款该药的整体生产成本大约是26亿美元，费时约10年，错误率却不到六分之一。
自20世纪90年代中期，计算机远距抗生素研制（CADD：Computer Aided Drug Design）开始被采用并逐渐成为药企的主流网络化远距控制技术。但CADD的潜能限于对已有的科学知识和统计数据的甄选与优化，其作用更多是对人力的“替代”而非“冲破”，因而无法同时实现人类文明尚未跨足的知觉盲点。
相较之下，AIDD能充分探索未明的分子结构空间，生成现有经验与统计数据以外的全新大分子氧化物结构，给抗生素研制增添了真正的革命性变革。透过将AI所拥有的机器学习、深度学习、人脸识别、知觉计算等潜能内嵌抗生素研制各各个环节，可预估识别更为准确的疾病机理，并基于湿实验及CADD模拟统计数据进行该药大分子设计、氧化物特异性赞扬、副作用赞扬等研制操作过程，大幅减少了对统计信息量和研究者科学知识的依赖。
AIDD最简单的价值还在于明显减少传统抗生素研制的昂贵资金和时间生产成本，给研制效率增添巨大脱胎换骨。据Exscientia Company Deck统计数据表明，采用AI控制技术可以减少约35%的该药研制生产成本，研制周期也缩短到了1-2年。
云计算推进AIDD成为常态化工具
2021年，Amazon云信息技术客户、AI抗生素研制公司英矽智能宣布了全球第一款由AI辨认出并设计的用于特发性肺纤维化治疗的候选抗生素已进入临床实验阶段。从机理辨认出到氧化物验证，英矽智能用时不到18个月，花费仅260万美元，减少了约99%的该药研制计算生产成本。
英矽智能的抗生素辨认出引擎建立在Amazon云信息技术平台之上，是公司产品组合的核心。该引擎采用数百万个统计数据样本和多种统计数据类型来辨认出疾病生物标志物，确定最有希望的机理，并设计具有特定属性的小大分子氧化物。
由于英矽智能的人工智慧平台要处理大量的实验和文本统计数据，所以对于图形处理器(GPU)的要求很高。英矽智能的AI工具如PandaOmics和Chemistry42都运行于Amazon Elastic Compute Cloud（Amazon EC2），以获得具有颇具灵特异性和可扩展性的云端服务器而无需维护庞大的本地计算集群。另外，英矽智能还采用了对象储存服务Amazon Simple Storage Service(Amazon S3)储存相关统计数据，使其分布于6个国家的团队能轻松访问所需统计数据并进行跨国合作。
成形、易用且“AI友好”的云平台为各行业创造了迈入AI时代的“捷径”。到目前为止，云上超过75%的人工智慧应用都基于Amazon云信息技术平台开发，也使Amazon云信息技术积累了丰富的人工智慧和机器学习控制技术和成功经验。对于AIDD所必需的INS13ZD、算法、统计数据三大网络化基础及安全合规要求，Amazon云信息技术都能提供完善的服务与控制技术支撑：
无需初期基础架构投入，即可获得AIDD所需的高性能GPU/CPUINS13ZD，且按需付费；提供大量的训练推理和部署工具，支持多种深度学习框架。机构和人员无需深入了解相关科学知识即可以快速展开研制和试验；Amazon云信息技术Marketplace提供数百种算法和模型。Amazon公开统计数据集中也提供多种抗生素研制所需的科学统计数据，如ChEMBL，ZINC与Open Target等。
Amazon云信息技术的云基础设施通过全球98项安全合规认证，并遵循和支持超过全球50种生物科学合规规范，包括GxP、HIPAA,、HITRUST，以及获得《中国人类文明遗传资源管理条例》中方单位认证，使团队、机构之间可进行安全无忧的统计数据合作。
据不完全统计，全球已经有近40款以上利用AI涉及的抗生素管线已经步入了临床阶段。随着AIDD得到广泛应用，已有国内外的众多企业选择Amazon云信息技术作为部署AIDD的云计算平台。而Amazon云信息技术不仅能提供AIDD所需的云上基础设施，还可间接助推AI工具的开发和采用，或者采用Amazon云信息技术多达92种生物科学公开统计数据集快速进入模型训练。
近年来，基于Amazon云信息技术，阿斯利康开发了由机器学习驱动的病理人脸识别检测模型，用于替代以往在候选抗生素研制时以人工进行样本编目的方式。借助Amazon SageMaker Ground Truth，阿斯利康能快速注释、收集和分类训练样本，并形成可用于模型训练的统计数据集，而所用的时间仅为之前的50%。
除了节省时间和人力生产成本，采用统计数据集训练的模型还帮助研制人员获得更准确的分析结果。在双方开展的试点中，阿斯利康采用2000个样本来分析造成糖尿病损伤的关键结构，准确率达到95%，使科学家能快了解抗生素的安全性和有效性，加速了该药研制和上市的进程。
释放AIDD更大潜力使抗生素研制全面步入“AI时代”
“开放”是AI控制技术得以发展与应用的关键要素。要使AIDD在未来得到更充分的开发与探索，势必要让其走出仅赋能单个企业的孤岛。着眼未来，借助公有云对统计数据安全的保护及合规分享机制，制药企业之间将有机会在确保核心统计数据安全的前提下，实现跨企业的统计数据合作，以更开放的生态不断提升AIDD的潜能、应用范围和影响力。
早在2019年，Amazon云信息技术就与全球十大制药公司共同构建了用于抗生素辨认出的联邦学习平台(Federated machine learning for drug discovery on Amazon Web Services)MELLODDY，让药企在安全、合规、确保统计数据隐私的环境下，进行多方合作，加速整个行业的科学研究制现进程。当前，MELLODDY平台以前所未有的规模运行在Amazon云信息技术平台上，在数十亿个实验统计数据点上采用联邦学习方式训练模型，分析了超过2000万个化学大大分子及理化性质。而且MELLODDY在企业无需共享专有统计数据和模型的基础上即可开展机器学习协作，合作训练抗生素辨认出模型。这一项目成功证明了制药企业可透过云计算进行合作来加速辨认出新抗生素的可行性。
中国的抗生素研制应用领域的众多企业在迎来政策激励的同时，也开始发掘AIDD背后的商业潜力。在远距临床前试验阶段以外，AI控制技术尚存在更多可发掘的应用潜力，如AI与物联网、统计数据湖仓等控制技术融合，可促进网络化实验、多中心临床、智能制造及真实世界分析等抗生素的全流程改进。越来越多的企业也逐步开始了AIDD的实质性应用，并助推国内抗生素研制进入新的“高产”阶段。
据Data Bridge Market Research分析，亚太地区抗生素辨认出市场的AI价值复合年增长率将在2022至2029年期间达到50.9%，且预计中国将成为该应用领域主导国家。随着云计算不断为AIDD等AI应用落地铺平道路，国内制药企业将有望完成研制潜能跃迁，让上述预估成为最终事实。
