2025年7月25日
人物介绍
比桑·阿勒-拉齐卡尼（Bissan Al-Lazikani）现任得克萨斯大学MD安德森癌症中心基因组医学教授兼治疗数据科学主任。她领导的专项计划将人工智能与数据科学应用于癌症研究全流程，覆盖早期药物发现至I期临床试验。
人工智能在抗癌药物研发中的新兴趋势？
当前的变革性技术浪潮令人振奋。生成式人工智能在小分子药物与生物治疗领域正加速成熟，我们现在能通过AI设计全新的肽类化合物并实现实验室合成，这对科研群体具有突破性意义。
更值得关注的是，人工智能正从研究辅助工具转变为研究起点的核心资源。但目前尚未建立贯穿药物研发全流程的统一AI预测模型——这正是我们实验室的攻关方向。
最具潜力的计算技术？
基础模型（Foundation Models）正在重塑传统生物信息学领域。继ChatGPT类语言模型后，基因组分析、单细胞测序等专业领域已出现专用基础模型。这类模型在大规模数据集训练后，即使面对小样本数据也能保持强大分析能力。以单细胞分析为例，高质量基础模型可突破数据规模限制，显著提升小型研究项目的分析效能。
使用建议？
我的两大建议看似矛盾实则互补：
- 即刻实践：建议研究者直接投入应用。技术发展速度远超传统学术出版周期，建议优先查阅ChemRxiv等预印本平台获取前沿成果
- 科学审慎：必须保持科研方法论的严谨性。需要深入思考模型验证方案，设计阳性对照实验，警惕模型是否真正掌握核心规律而非数据干扰特征
AACR 2025会议的核心警示？
我们通过跨领域案例演示了AI药物研发的完整链条，三位演讲者不约而同聚焦三大挑战：
- 数据偏差：当前数据集中激酶与G蛋白偶联受体研究过度集中，导致化学空间覆盖存在系统性空白
- 分布外泛化：如何评估模型对新分子/新患者的适用性
- 技术整合：空间组学、活体成像等新技术与AI的深度融合，将带来分子动态观测的范式变革
关键建议是：既要积极拥抱技术突破，更要建立批判性应用框架。AI应作为科研思维的增强工具，而非替代方案。
突破性技术展望？
空间组学技术（包括载玻片级分析和活体研究）与AI的早期融合，正在构建前所未有的分子动态观测体系。当成像技术、蛋白质组学与AI形成协同时，将开启药物研发的新纪元。
【全文结束】
