AI技術(shù)怎么樣促進(jìn)藥物研發(fā)？

11 月 20 日，由蘇州市相城區(qū)人民政府與《麻省理工科技評(píng)論》聯(lián)合主辦的 EmTech China 2020 全球新興科技峰進(jìn)入第二天議程。今年，EmTech China 邀請(qǐng)到了數(shù)十位頂級(jí)科學(xué)家、海內(nèi)外院士、商業(yè)領(lǐng)袖、科創(chuàng)精英蒞臨現(xiàn)場(chǎng)，探討新興科技發(fā)展現(xiàn)狀及其為人類社會(huì)帶來(lái)的巨大影響。

會(huì)上，阿里云高性能計(jì)算總監(jiān)何萬(wàn)青分享了阿里云在新冠抗疫、藥物疫苗研發(fā)以及跨界協(xié)作中所提供的關(guān)鍵技術(shù)支撐，以下為整理后的演講實(shí)錄：

大家好，今天早上我起的比較早，得到一個(gè)消息，今天我其中的一頁(yè)非常重要的更新。

今天我提到的一個(gè)用戶和醫(yī)藥科學(xué)方面的合作伙伴，獲得了高性能計(jì)算行業(yè)的諾貝爾獎(jiǎng) – Gordon Bell 獎(jiǎng)，兩天前我準(zhǔn)備這個(gè)材料的時(shí)候，它是中國(guó)唯一入圍決賽的，六家入圍的其中一家，戈登貝爾獎(jiǎng)有什么樣的背景呢？在 2012 年的時(shí)候，我們天河二號(hào)第一次登頂我們連續(xù)四屆世界最強(qiáng)計(jì)算機(jī)的時(shí)候，那時(shí)候中國(guó)拿不出一個(gè)應(yīng)用可以申請(qǐng)戈登貝爾獎(jiǎng)，當(dāng)時(shí)全世界去找科學(xué)家用戶來(lái)使用它，直接到 2016 年北大、清華聯(lián)合團(tuán)隊(duì)，我們拿到了一個(gè)戈登貝爾獎(jiǎng)。

今天深勢(shì)科技是我今天要講的內(nèi)容之一。我今天來(lái)給大家講故事，為什么派我來(lái)，非常有幸我在新冠期間，阿里云向全社會(huì)，全球開(kāi)放AI免費(fèi)算力，我們推動(dòng) AI 輔助藥物篩選技術(shù)在新冠期間蓬勃發(fā)展，后來(lái)在 3 月初我們決定向全球做科技抗疫的時(shí)候，我的 email 放在通告上作接口，因此親自看到了中國(guó)從爆發(fā)疫情以來(lái)，一個(gè)短短的兩周的時(shí)間內(nèi)，大概也就是到一個(gè)月，當(dāng)你一項(xiàng)技術(shù)抓不住時(shí)間窗口，不能夠雪中送炭的時(shí)候，我們就很難幫到社會(huì)的，但是我們阿里云有幸做到了這個(gè)，我們看到科技的力量。

回到戈登貝爾獎(jiǎng)，我們看到蘇州有非常強(qiáng)大的醫(yī)藥健康產(chǎn)業(yè)，使用這種AI輔助藥物的挖掘和虛擬篩選，今天我們看到依賴于成百倍、上千倍增加的 AI 算力。

剛才是題外話，我今天第五第六頁(yè)的時(shí)候我原來(lái)寫的是恭喜深勢(shì)科技入圍，但今天他們摘取了戈登貝爾獎(jiǎng)，是非常了不起的事情。證明 HPC ， AI 和物理實(shí)驗(yàn)三者結(jié)合的新范式。

我今天講內(nèi)容實(shí)際上兩部分，第一部分是 AI 技術(shù)怎么樣促進(jìn)藥物研發(fā)。

第二部分，主要的技術(shù)是 CT 輔助的新冠病情它整個(gè)的情況。

尤其是分享剛才我說(shuō)的集中的二三四月份到五月份，它是什么態(tài)勢(shì)？我們今天很有幸可以在這里面坐在這兒開(kāi)會(huì)，但實(shí)際上全世界新冠疫情發(fā)展還是個(gè)未知數(shù)，所以今天講到科技有多大的實(shí)力，在藥物產(chǎn)業(yè)和生命科學(xué)這個(gè)行業(yè)有非常大不確定性和需要長(zhǎng)期的努力。

這是我們阿里云科技抗疫的一個(gè)時(shí)間線。

1 月 21 日，我們大概是 23 、 24 號(hào)放假， 24 號(hào)左右武漢封城。21 日我們還在上班，中午的時(shí)候突然想起來(lái)，我給一個(gè)很重要的合作伙伴，全球健康藥物研究中心，它是比爾蓋茨基因會(huì)和中國(guó)一起合作的機(jī)構(gòu)，我說(shuō)你能不能算一下，武漢的病毒 DNA 序列剛發(fā)布，算一下這個(gè)病毒跟 SARS 的區(qū)別， GHDDI 使用阿里云的資源，我們已經(jīng)合作過(guò)很長(zhǎng)時(shí)間，大概兩個(gè)半小時(shí)以后，拿到了結(jié)果，新冠病毒和SARS 病毒的蛋白質(zhì)結(jié)構(gòu) 90的相似性，

但是很吃驚的發(fā)現(xiàn)，估計(jì)傳染性是 3 倍以上，但是那時(shí)候不能公布。接下來(lái)我們發(fā)現(xiàn)這種企業(yè)跟科學(xué)家合作情況，可以推動(dòng)我們盡快的建立把新藥研發(fā)這套辦法和數(shù)據(jù)庫(kù)放上讓所有公共科研使用。

當(dāng)時(shí)那么想，因?yàn)轳R上就春節(jié)放假了，幾個(gè)主要科學(xué)家都回家了，因?yàn)橐咔楦艚^沒(méi)有辦法去辦公室，后來(lái)大家看到了，不管是釘釘，還是各大互聯(lián)網(wǎng)公司提到的互聯(lián)網(wǎng)線上的新基建，其實(shí)給科學(xué)家提供了最好的雪中送炭的工具，我們29日的時(shí)候，就由這件小事驅(qū)動(dòng)確定向全社會(huì)開(kāi)放 AI 免費(fèi)算力。

在那個(gè)時(shí)候大家都在家里面，我們跟各個(gè)科研的老師包括我們和浙大、清華大學(xué)、湘雅醫(yī)院、鐘南山醫(yī)院，其實(shí)跟終南山團(tuán)隊(duì)的會(huì)挺感人的，我們那個(gè)時(shí)候在家里的時(shí)候，其實(shí)起的比較晚，但他們八點(diǎn)之前起來(lái)都戴著口罩，在醫(yī)院里面跟我們視頻通話。

那個(gè)時(shí)候我們知道，全世界靠的是有經(jīng)驗(yàn)的科學(xué)家的大腦。但是這么一個(gè)未知的病毒怎么排查它，靠科技我們會(huì)不會(huì)更早看到？

醫(yī)藥產(chǎn)業(yè)發(fā)展到今天，其實(shí)如果大家讀一些科普的書，就是醫(yī)藥發(fā)展的歷史，是非常撞大運(yùn)的過(guò)程，真正廣譜藥其實(shí)是手指頭數(shù)得過(guò)來(lái)的，從土壤中找到，通過(guò)化學(xué)、通過(guò)工業(yè)化、科學(xué)產(chǎn)生了很多公司，這些公司實(shí)際上是解決怎么樣大規(guī)模生產(chǎn)，但是找到這個(gè)藥物，還要讓它能夠在毒性上面、濃度上面讓人體的結(jié)合，非常難的，一般新藥的研發(fā)到上市平均時(shí)間是 13 年左右，投入非常巨大。

這個(gè)過(guò)程中，現(xiàn)在大量的生命科學(xué)的計(jì)算，它主要的研究階段基本上通過(guò)計(jì)算完成，全世界包括中國(guó)的超算中心，前 10 位的應(yīng)用里面，大概有 4 個(gè)以上都是分子動(dòng)力學(xué)、量子力學(xué)做第一性原理計(jì)算。

這個(gè)過(guò)程中怎么樣找到先導(dǎo)化合物，靶點(diǎn)的識(shí)別，這些東西都是龐大的計(jì)算，但之后怎么樣找到這個(gè)藥物、合成這個(gè)藥物其實(shí)真的有非常大隨機(jī)性和幸運(yùn)在里面，所以這里面會(huì)發(fā)現(xiàn)最難的占時(shí)間最長(zhǎng)的兩部分，一個(gè)是干實(shí)驗(yàn)，一個(gè)是濕實(shí)驗(yàn)。

我們剛才說(shuō)疫苗為什么這么難？因?yàn)樗鋈趯?shí)驗(yàn)做完，一年兩年的時(shí)間。

我們發(fā)現(xiàn)在支持過(guò)程中采用 GPU ，采用AI的篩選這個(gè)算法越來(lái)越是加速，我們把它抽象出來(lái)就是生命科學(xué)計(jì)算有三大類，一類就是生物信息學(xué)，就是基因序列分析，比對(duì)和結(jié)合。

還有一大部分計(jì)算量非常龐大，今天為什么超算還在不斷的往前增加計(jì)算能力，是因?yàn)槲覀円?a href="http://www.ttokpm.com/analog/" target="_blank">模擬和完全了解一個(gè)細(xì)胞的細(xì)致情況，和大量細(xì)胞這種計(jì)算量都是非常難的，戈登貝爾獎(jiǎng)之所以給深勢(shì)科技，是他們將分子動(dòng)力學(xué)的一類計(jì)算并行度擴(kuò)展到 10 億個(gè)分子級(jí)別。

這都是要解決我們現(xiàn)在生命科學(xué)的一個(gè)問(wèn)題。我們實(shí)際上在做靶點(diǎn)的識(shí)別和跟化合物的篩選，其實(shí)在這個(gè)項(xiàng)目里面，后來(lái)支持了國(guó)內(nèi)篩選 14 家公共科研機(jī)構(gòu)，基本上組建成這種方式。

第一，巨大量的計(jì)算是用在第一性原理，很多的應(yīng)用，我們找到化合物蛋白質(zhì)的基因測(cè)序做篩選比對(duì)。美國(guó)剛剛拿到武漢的序列之后，第一個(gè)給可能藥物是德州大學(xué)的科學(xué)家，為什么？因?yàn)檫@些科學(xué)家平時(shí)早做這個(gè)，腦子里面知道哪一類的化合物有用的，但是我們不能靠個(gè)把人，而且人的經(jīng)驗(yàn)和處理都是有限的，所以現(xiàn)在出現(xiàn)了 AI 和機(jī)器學(xué)習(xí)以后，大量的篩選比對(duì)，同時(shí)跟全世界的開(kāi)源的醫(yī)藥分子庫(kù)去做結(jié)合，這個(gè)過(guò)程其實(shí)是大量的知識(shí)圖譜的篩選。

在這個(gè)過(guò)程中 GHDDI 在阿里云上建立了全球開(kāi)放式的新冠研究平臺(tái)，算出八種最有效的化合物，計(jì)算上來(lái)講第一位是瑞德西韋，但是大家仍然看到，算出來(lái)是對(duì)的，但是用起來(lái)不一定有用的，這個(gè)過(guò)程中看到云計(jì)算起到了非常重要的作用。

通過(guò)阿里云全球加速服務(wù)，我們?cè)诘谝粫r(shí)間能夠馬上獲得跟全世界的開(kāi)源藥物庫(kù)去聯(lián)合，把海外服務(wù)網(wǎng)站和他們的數(shù)據(jù)全部拉通，國(guó)內(nèi)很多研究需要這樣的過(guò)程，我們通過(guò)阿里云的超計(jì)算集群，去提供服務(wù)?；旧隙际遣捎冒藦?GPU 卡，V100 的算力，過(guò)去幾天的計(jì)算量，今天大概 4 個(gè)小時(shí)，但總體仍然不夠用的。我們知道分子尺度和規(guī)模，這就是我剛才講過(guò)了，這個(gè)平臺(tái)在春節(jié)期間上線，跟海外醫(yī)藥數(shù)據(jù)庫(kù)同步更新，通過(guò)阿里的 OSS 的同步加速放過(guò)來(lái)，主要是采用這個(gè)模式。

現(xiàn)在大概有 100 多申請(qǐng) GHDDI 服務(wù)，十幾家已經(jīng)算出結(jié)果，其實(shí)我們發(fā)現(xiàn)科學(xué)家第一時(shí)間獲得支持的重要性，其實(shí)回頭看，中國(guó)是最早接觸到的病毒，我們最早有病例。實(shí)際上第一時(shí)間大概是用了三周到四周的時(shí)間把這十幾家全支撐起來(lái)，一旦起來(lái)以后實(shí)際上它的成果被后來(lái)的研究復(fù)用，這一個(gè)階段的工作就是在和病毒賽跑。

往下大家會(huì)想到另外一個(gè)問(wèn)題篩查的問(wèn)題，那部分的時(shí)候，我看到收到的需求就像脈沖，全部集中在那幾周，需求 email 雪片般飛來(lái)，幾周過(guò)去以后沒(méi)有人申請(qǐng)了。

當(dāng)這個(gè)窗戶開(kāi)的時(shí)候，要有技術(shù)和能力，沒(méi)有接住再也沒(méi)有你的機(jī)會(huì)，從這件小事兒上可以看出來(lái)。

另外，我過(guò)去做過(guò)十多年的高性能計(jì)算是在做硬件和設(shè)備，中國(guó)也有很多上榜的超算系統(tǒng)，今天，我發(fā)現(xiàn)在科研領(lǐng)域，更重要是產(chǎn)業(yè)的公司在做這個(gè)事情它的靈活性，比如深勢(shì)科技非常聰明的使用我們 Spot 實(shí)例，就是搶占型實(shí)例， 30% 的成本就支撐整個(gè)的大規(guī)模計(jì)算服務(wù)。這就是他們的文章，今天早上新聞?wù)f出來(lái)已經(jīng)獲獎(jiǎng)了，我們看到云計(jì)算的靈活性，這是我們后臺(tái)看到的資源使用量，10 月以后這部分整個(gè)量上來(lái)了，因?yàn)樗麄冏鰞?yōu)化研究，要做強(qiáng)擴(kuò)張，即便只有一個(gè)分子的計(jì)算，給它不斷的切到很多張 GPU 卡上去，是不是可以有效加速，這部分工作需要大量的隨時(shí)可獲得的資源、彈性的資源，阿里云 EHPC 提供了支持。

接下來(lái)第二部分，第二部分這個(gè)故事我感觸非常深， 3 月初一天馬老師決定阿里云科技抗疫對(duì)全世界開(kāi)放，團(tuán)隊(duì)說(shuō)要不要你來(lái)接收郵件，我當(dāng)時(shí)有些猶豫的，因?yàn)檫€有日常工作。確實(shí)打開(kāi)以后，從那天開(kāi)始，一直到 4 月 29 日，每天全世界的時(shí)差響應(yīng) email ，不斷有郵件涌進(jìn)來(lái)。這幾個(gè)月期間數(shù)字非常清楚， 50 個(gè)左右的國(guó)家和地區(qū)，但一開(kāi)始比較恐慌的是一些還沒(méi)有疫情的國(guó)家，保加利亞、立陶宛什么的。寫郵件過(guò)來(lái)的時(shí)候說(shuō), 我們醫(yī)療設(shè)施，沒(méi)有辦法抵御沖擊的，雖然我們境內(nèi)還沒(méi)有多少，但是我們很怕馬上就有，監(jiān)測(cè)不過(guò)來(lái)，所以 90% 來(lái)找我們提供了阿里達(dá)摩院做的新冠肺炎的 CT 影像分析。CT 監(jiān)測(cè)比較準(zhǔn)尤其在后面，治療過(guò)程中決定病灶，怎么確定普通肺炎還是新冠，我們?cè)谛鹿谥拔覀冏鲞@個(gè)工作，一般我們現(xiàn)在的 CT 監(jiān)測(cè)，一個(gè)主要靠醫(yī)生，但實(shí)際上我們通過(guò)卷積神經(jīng)網(wǎng)絡(luò)，可以把結(jié)節(jié)的分類，通過(guò)它的特征給它標(biāo)出來(lái)計(jì)算，它主要的就是說(shuō)我可以非?？斓膩?lái)做這個(gè)事，我們支持國(guó)內(nèi)的醫(yī)院，他們國(guó)內(nèi)在抗疫戰(zhàn)場(chǎng)上的醫(yī)院，每天處理大量 CT 片的監(jiān)測(cè)，幫助醫(yī)生監(jiān)測(cè)。

當(dāng)時(shí)一些醫(yī)學(xué)研究生學(xué)生還不能上學(xué)，被緊急招回學(xué)校，為什么呢？要做大量的 CT 檢測(cè)篩查，當(dāng)時(shí)武漢的 CT 會(huì)分散給湘雅醫(yī)院還有很多醫(yī)院。讀片速度非?？?，包括火神山，大家可以看這個(gè)數(shù)字，最快兩秒鐘可以完成。因?yàn)闀r(shí)間有限沒(méi)有放另外一個(gè)片子，那個(gè)片子大家可以看到，除了把它檢測(cè)篩查病灶， 支持醫(yī)生最后來(lái)做決定，還有一個(gè)在病灶過(guò)程中需要三維的重建，這個(gè)三維還原這個(gè)過(guò)程中知道治療過(guò)程中變的多大了，變的多小。

是基本上控制住了，還是也有可能生成新的病灶，這個(gè)過(guò)程中很要緊的。下面是我們說(shuō)的流行性和溯源，這部分很重要跟基因檢測(cè)放在一起，阿里云跟浙大還有浙江的疾控中心，我們把基因庫(kù)和基因組的篩查，這部分 AI 免費(fèi)算力主要的方向。

這樣一來(lái)的話，實(shí)際上一方面大量的來(lái)自不同的醫(yī)院，不同病例的這些樣本會(huì)上云，在云上進(jìn)行聚合，然后打標(biāo)進(jìn)行監(jiān)測(cè)，另外一個(gè)我們把這部分東西跟第三方合作伙伴，把基因測(cè)序，基因的一體機(jī)做出來(lái)。

這樣的話我們可以從機(jī)器的提供方拿到?jīng)]有差別多樣化的訓(xùn)練樣本，為什么檢驗(yàn)這么準(zhǔn)，越檢驗(yàn)越準(zhǔn)，是來(lái)自云本身它的互通和互聯(lián)性，這個(gè)是我們做的。

大家看到五倍的速度，三小時(shí)監(jiān)控，十一小時(shí)測(cè)序。

這個(gè)過(guò)程實(shí)際上是集中一段階段做這個(gè)事情。

印象比較深的，我們對(duì)海外進(jìn)行開(kāi)放的時(shí)候，更多的因?yàn)楹芏鄧?guó)家還沒(méi)有來(lái)得及反應(yīng)，他們想知道中國(guó)的抗疫經(jīng)驗(yàn)，除了口罩這件事之外的抗疫經(jīng)驗(yàn)，我們把浙大醫(yī)院還有醫(yī)院的醫(yī)生讓他們通過(guò)釘釘，通過(guò)視頻，通過(guò) AI 技術(shù)把它中文討論直接轉(zhuǎn)換成英文，轉(zhuǎn)換成英文語(yǔ)言，跟全世界不同的地方求助者和醫(yī)生交流，記得跟霍普金斯醫(yī)院有連接去分享，當(dāng)時(shí)我們緊急的編了一本抗疫手冊(cè)，那個(gè)時(shí)候我?guī)д麄€(gè)團(tuán)隊(duì)有一個(gè)感覺(jué)，第一我們自己很慌，不知道什么時(shí)候能有進(jìn)展。另外一個(gè)方面因?yàn)樽鲞@個(gè)事情使得自己稍微沒(méi)有那么焦慮。在這個(gè)過(guò)程中我們看到其實(shí)在海外對(duì)疾病的認(rèn)識(shí)和他們的不同國(guó)家的制度和規(guī)范，他其實(shí)的反應(yīng)很多情況下是非常希望說(shuō)我知道中國(guó)在怎么做，所以我們做了不少合作平臺(tái)，除了釘釘本身做一個(gè)平臺(tái)，其實(shí)把視頻轉(zhuǎn)成音頻，轉(zhuǎn)成能識(shí)別的聲音，我記得需求集中來(lái)的先來(lái)的是南美，還有前蘇聯(lián)聯(lián)盟的，還有一些像剛才說(shuō)的東歐的國(guó)家，最后冒出來(lái)厲害的是印度。整體來(lái)講，我們作為第一個(gè)我們會(huì)把責(zé)任去做到，這個(gè)不是技術(shù)的問(wèn)題，最重要是第一云技術(shù)本身在今天產(chǎn)生了不可或缺的第一時(shí)間反應(yīng)的作用。

第二，科技的發(fā)展和責(zé)任的擔(dān)當(dāng)一定要第一時(shí)間抓住它，解決它，提供價(jià)值。

今天我的演講時(shí)間剛好到，給大家講我的感想，我們最后結(jié)論就是醫(yī)藥或者說(shuō)生命科學(xué)一定是我們現(xiàn)在這個(gè)時(shí)代最重要的，也是需求最大的產(chǎn)業(yè)。

第二個(gè)云計(jì)算和云計(jì)算所支撐的基建，通過(guò)這次疫情我們看到，是未來(lái)大力發(fā)展最基礎(chǔ)的基礎(chǔ)建設(shè)，謝謝大家。

原文標(biāo)題：阿里云高性能計(jì)算總監(jiān)何萬(wàn)青：疫情后生命科學(xué)產(chǎn)業(yè)爆發(fā)，云計(jì)算是基礎(chǔ)中的基礎(chǔ)

文章出處：【微信公眾號(hào)：DeepTech深科技】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯：haq