百度登顶国际权威榜单，AI“头雁”抢跑生物医药领域！？

能花更少的成本，几年前开发新药优艾设计网_Photoshop百科吗？

这看起来有点美好的愿望，随着国内生物医药领域的技术发展，AI巨头的入场成为现实。最近，百度有了新的动向，其飞桨图学习框架(PGL)与生物计算平台螺旋桨合作，在图神经网络国际权威排行榜OGB(OpenGraphBenchmark)的多项分子性质预测任务中获得了ogbg-molhiv、ogbg-molpcba两项任务第一，在AI药物发现领域取得了新的技术突破。

在OGB登上顶峰是有意义的。与斯坦福、纽约大学、加利福尼亚大学洛杉矶分校、康奈尔大学、亚马逊等众多顶尖机构竞技，差异化，百度的技术实力也受到国际关注和认可。事实上，OGB作为目前公认最权威的图学习相关标准测试数据集，由斯坦福大学图神经网络权威团队建立，为不同的图学习任务分别提供了丰富的数据集，对图神经网络研究者有很强的魅力。这也是百度继去年9月，飞桨图学习框架发布融合标签传递和图神经网络的统一模型 UniMP(Unified Message Passing)，登顶图神经网络权威榜单三项榜首后再一次问鼎。

(百度登顶OGB两项榜单第一)

近年来，伴随着技术发展和基础设施改善，AI的力量突破了医院和科室的高墙，让医生资源、诊疗方案、药物研究等得以高速发展，其中作为现代药物研发中关键一环的化合物生物活性筛选，同样被注入了AI的能量。化合物的生物活性筛选主要目的是在大量的候选化合物中，发现对某种药物目标有活性的分子。人工智能技术祝福药物虚拟筛选有望取代传统的活性筛选方法，加快中间步骤，大大降低研发成本。

OGB的HIV和PCBA数据集包括多种生物活性实验，其中HIV数据集关注不同化合物能否抑制HIV病毒在细胞内的复印，PCBA数据集关注不同化合物对100多种疾病目标的有效性。成功预测化合物这类性质对于发现针对多种疾病的有效药物具有重要意义。百度根据桨图学习框架，使用深图神经网络，配合生物计算平台螺旋桨对药物发现领域的理解，设计监督学习任务学习化合物分子，应用于分子性质预测，利用分子表示学习、图学习技术等核心技术，帮助百度更新排行榜。

这次百度登顶的背后，飞桨图学习框架和螺旋桨两个主力的支持是必不可少的。据介绍，划桨学习框架基于划桨框架动态图的新升级，具有高效、支持超大规模图训练、使用方便、预制多种主流图学习模型等特点。飞桨图学习框架在百度的内外部业务也是颇受欢迎，全面覆盖推荐系统、搜索引擎、智能地图等相关业务场景，在去年11月的COLING 协办的 TextGraphs2020 比赛中也夺得冠军，展示领先实力。

另一个主力螺旋桨是基于百度深度学习平台(桨)的生物计算平台，其提供的核心技术可以重点满足生物医药、疫苗设计和正确医疗的AI需求。螺旋桨生物计算平台还将保持开源开放，帮助生物学、药物化学、计算机交叉学科背景的学习者、研究者和合作伙伴更加方便地构建AI算法模型。

AI等先进技术在生物医药领域的发动机作用更加突出，不仅使生物医药成为AI技术落地的重要场景，还将引领未来相关领域的创新爆发。而在这其中，以百度为首的众多先进AI企业依然用AI技术搭建属于中国的技术堡垒，不断让世界看到了中国科技力量的活跃之势，也让人工智能更好的泛于大众、惠于大众。未来，百度的科学技术能力有助理生物医药开发，克服艾滋病等危害人类健康的顽疾，发挥推进科学技术强国的重要作用。