科创中国

电子信息技术,软件

多肽药物研发过程中的苗头分子筛选策略主要有1）天然多肽来源的活性筛选，2）基于蛋白结合的先验知识进行肽段筛选，3）高通量实验筛选平台：基于噬菌体展示、mRNA展示、SICLOPPS、One-bead-one-compound等进行特定文库设计和多轮筛选，4）计算的高通量虚拟筛选：利用虚拟筛选，AI设计等策略进行筛选。上述策略中1和2的筛选分子规模较小，3依赖经验的文库设计且多轮筛选的操作、消耗相较较多，4的计算资源消耗较大，准确性还需较大提升。 基于多肽芯片+AI计算实现干湿结合，提升分子的筛选空间、筛选效率和准确度，其主要在于1）多肽芯片1次可有效获取~320万条多肽序列与蛋白的结合信号（相较高通量实验筛选只检测感兴趣的部分分子，数据量有大幅提高），基于结合信号值，AI计算可有效学习多肽与目标蛋白的结合规律，2）基于此规律可有效预测任一多肽与目标蛋白的结合信号强弱，实现多肽的高校筛选 这种筛选策略拓展了目前多肽筛选的技术平台，提供新的技术解决方案

多肽药物研发过程中的苗头分子筛选策略主要有1）天然多肽来源的活性筛选，2）基于蛋白结合的先验知识进行肽段筛选，3）高通量实验筛选平台：基于噬菌体展示、mRNA展示、SICLOPPS、One-bead-one-compound等进行特定文库设计和多轮筛选，4）计算的高通量虚拟筛选：利用虚拟筛选，AI设计等策略进行筛选。上述策略中1和2的筛选分子规模较小，3依赖经验的文库设计且多轮筛选的操作、消耗相较较多，4的计算资源消耗较大，准确性还需较大提升。 基于多肽芯片+AI计算实现干湿结合，提升分子的筛选空间、筛选效率和准确度，其主要在于1）多肽芯片1次可有效获取~320万条多肽序列与蛋白的结合信号（相较高通量实验筛选只检测感兴趣的部分分子，数据量有大幅提高），基于结合信号值，AI计算可有效学习多肽与目标蛋白的结合规律，2）基于此规律可有效预测任一多肽与目标蛋白的结合信号强弱，实现多肽的高校筛选 这种筛选策略拓展了目前多肽筛选的技术平台，提供新的技术解决方案

中国科学院生物医药专业外籍研究员，现任加拿大科学技术协会常委、副会长； 在生物医药、医疗器械、医疗服务领域深耕近30年，曾任中国科学院深圳创新医药研究院院长、国内外多家生物医药企业和生物医药基金的合伙人、总裁。