近日，中山大學博士生李孟燃和中國科學院香港創新研究院臧澤林博士及合作者打造出一種名為 CHMR 的 AI 系統，堪比一位擁有細胞之眼的 AI 化學家，能讓藥物研發變得更精準和更安全。

經過在 9 個大型公開數據集、累計 728 項藥物屬性預測任務上的嚴格測試，CHMR 大獲全勝。

在預測藥物活性和藥物毒性等分類任務上，平均性能比此前最先進的 AI 方法高出 3.6%。在預測藥物在體內的溶解性和代謝率等回歸任務上，平均誤差降低了 17.2%。在數據嚴重缺失的一些現實場景之下，CHMR 的表現依然穩健可靠。

圖 | 李孟燃（李孟燃）

李孟燃告訴 DeepTech：“我同時考慮了多模態（細胞、基因）數據的缺失性問題，并且將分子、細胞、基因之間的層級關系耦合到一個模型框架中進行建模。將這兩方面結合起來做，可能是我們率先嘗試的。”

眾所周知，藥物是人類對抗疾病的重要武器。但是，研發新藥就像大海撈針，傳統方法主要依靠分析藥物的化學結構比如原子如何連接、分子形狀如何來預測它是否有用和是否安全。然而，藥物真正地發揮作用，是在它進入我們身體與細胞相遇之后。

藥物分子就像一把鑰匙，能夠打開細胞上的特定的靶點，從而引發一系列的連鎖反應：細胞的外形可能改變，內部的基因活動也會改變。這些細胞的反應，才是決定藥效和毒副作用的關鍵。

可惜的是，在實驗中要想獲取每種藥物對于所有細胞和所有基因的影響數據，極其昂貴和困難。人們常常只有藥物結構的完整數據，而關于它如何影響細胞的反應報告確實殘缺不全。

這就好比你作為老板要招聘一名新人，你只知道候選人的身高體重也就是結構信息，卻不知道他的學歷如何、經驗如何也就是不知道他的能力信息，那么你很難判斷他是否適合成為你的員工。

（https://arxiv.org/abs/2511.21120）

面對細胞反映數據確實這個普遍難題，CHMR 展現出了較強的智能。它的核心思想是：融合多維度信息，模仿生物世界的層次關系進行推理。

它的第一招是使用朋友圈來補全信息。CHMR 非常明白這樣一個道理：即那些結構相似的藥物，其細胞反應可能也是相似的。當一個藥物的某些細胞實驗數據缺失的時候，它會去查找這個藥物在化學結構上的鄰居也就是相似分子，通過參考鄰居們已有的細胞數據，它可以像玩填字游戲一樣，科學地推測出缺失的信息，這比簡單地使用零或隨機值填充要準確得多。

它的第二招是使用對齊化學與生物的語言。化學結構比如分子圖和細胞反應比如基因表達數據，是兩種完全不同的語言。CHMR 就像是一位精通雙語的翻譯，它可以將這兩種信息映射到同一個語義空間里，確保“殺死癌細胞的藥物”這個含義，在化學結構和細胞反應兩種表達中得到同意的理解和關聯。

它的第三招是通過構建知識樹來理解層次關系。CHMR 能夠意識到，從藥物化學結構的最底層，到細胞形態變化的中間層，再到基因活動改變的最頂層，存在一個天然的生物層次關系。CHMR 在 AI 大腦里構建了一棵決策樹，樹的淺層根節點代表著廣泛的化學特征，隨著走向深層枝葉，所代表的信息越來越具體，比如特定的細胞反應模型或者基因通路。通過這棵樹，CHMR 能夠系統地組織知識，理解藥物作用從微觀化學到宏觀生物效應的完整鏈條。

它的第四招是在關系網中實現自我完善。CHMR 還引入了一個包含分子、細胞、基因的龐大知識圖譜，圖譜中的連線代表它們之間已知的相互作用，比如某種藥物已知能夠調控某個基因。CHMR 會在這個圖譜里進行隨機游走，學習節點之間的影響關系，從而更好地重建和理解確實的信息。

（https://arxiv.org/abs/2511.21120）

這讓 CHMR 主要能被用于加速安全型新藥的誕生、成為老藥新用的探測器、成為個性化醫療的助推器以及成為探索生物奧秘的新工具。

對于制藥公司來說，其可以利用 CHMR 在早期就從海量候選分子之中，更準確地篩選出那些有效且低毒的優秀分子，大幅地節省實驗時間和成本，讓藥物更早來到患者身邊。

對于科學家來說，其可以利用 CHMR 來挖掘現有藥物未知的生物效應，助力發現一些已經上市的藥物在治療新型疾病上的潛力即發現藥物重定位的潛力，例如一種舊藥可能意外地能夠有效治療另一種罕見病。

對于生物學家來說，其能將 CHMR 作為一款強大的計算顯微鏡，系統性地探索“化學擾動-細胞表型-基因表達”之間的復雜網絡關系，助力揭示更多生命活動的底層規律。

參考資料：

相關論文https://arxiv.org/abs/2511.21120