AI 大模型在药物研发的第一步: 靶点识别中的应用。这篇文章，我们将 延续这一路线，介绍AI在药物研发的第二步: 先导化合物发现中的应 用。 图1：药物研发生产流程，图片引自[1] 传统方法在先导化合物发现中的局限性 在AI大模型时代到来之前，先导化合物的发现以实验方法及计算机辅助药物 设计(CADD)的方法为主。这些方法都有着一些自身难以解决的问题。 实验方法: 当前，药物化学实 物数据库的筛选所需的时间是一个天文数字。此外，实验方法还受到可用测试化 合物的供应和准确预测它们在体内行为的难度的限制。 计算机辅助药物设计方法(CADD): CADD相较实验方法极大地加速了先导 化合物发现的速度。在CADD中，先导化合物的筛选被普遍称为: 虚拟筛选 (virtual screening)。他使用基于分子力场或者量子力场的分子对接方式，对数 据库中的海量化合物与靶点进行对接，从而依据自由能最小化等方式，计算靶点 能够加速，还不受化 合物是否可以获得的限制。然而，基于CADD的虚拟筛选存在一个trade off， 即想要进行精确的筛选需要大量的计算资源和时间，而想要快速的完成筛选，则 会损失较大的精度。在药物发现这个先导化合物准确率极为重要的领域，大量的 计算资源和时间很难避免。曾有研究统计过，若想要对100亿个小分子进行令人 满意的筛选，则需要长达3000年的时间。简而言之，利用CADD进行高精度的 药物虚拟筛选，所需的时间同样是难以接受的。

讨AI在药物研发的第 一步: 靶点发现中的作用，以及它如何为这个过程带来革新。 药物研发的整体流程 药物的研发是一个复杂且耗时的过程，业内一直流传着"三十定律"的说法: 耗时10年，耗资10亿美金，成功率不足10%。因此，如何降低药物研发的金钱 成本、时间成本，提高成功率已然成为了药物研发行业的重中之重。 通常而言，药物的研发包括以下步骤: 靶点发现，候选药物筛选，候选药物 优化，临床前研究，临床实验，以及市场化等步骤 优化，临床前研究，临床实验，以及市场化等步骤 [1]。靶点发现作为整个流程 的第一步，是新药研发中决定成败的一步，成功的靶点识别可以为后续的药物设 计提供方向。不仅能提高新药的研发效率，也能极大地改善患者治疗期间的生活 质量。 药物研发生产流程，图片引自[1] 传统方法在靶点识别中的局限性 在AI的第三次浪潮之前，靶点的识别通常依赖多组学实验方法或者计算机辅 助药物设计的方法。多组学方法主要通过对病例组和对照组进行基因组、蛋白质 型可以整合海量的医疗研究相关文本，通过在文本中提取潜在的关联信息，发现 人类可能忽视的模式或连接。目前已有研究通过向大语言模型提问的方式，提取 出针对特定疾病的潜在靶点，从而避免一些不必要的组学实验。此外，AI模型完 成训练之后，可以将类似反向对接技术的时间复杂度降低到线性级别，甚至提高 精度。AI也可以进行蛋白质结构的预测，从而帮助结构相似性分析等技术的实 现。 基于上述所提的AI在靶点发现中的应用，本文将依据近期的AI医疗相关论

探索阶段 多数由政数局 / 大数据局主导建设，实现了数据打通、专题 设立跨部门协同组织和机制，推进问题从发现到闭环的打通，实现跨部门协同处置 建设、联动指挥的能力建设 （如上海设立专班，联合城运中心、大数据中心及委办局联合建设） 建立数据上报和治理保障机制，确保数据上的来 • 形成专班工作方案，要求委办局主导业务闭环设计 • 制定监测预警、研判分析、联动指挥等相关处置工作 流，包含责任划分、流转机制、会议会商、月报专报 等，形成问题从发现到闭环处置机制 • 提供费用、场地、技术等流程保障，满足运营新增需 求管理、特性迭代升级等要求 • 对各委办局、各区 / 街镇等进行加减分考核，包含组 织、机制建设、数据归集、交办工作、预警处置等 委 局 局 局 组织 + 机制保障：一把手牵头，委办局充分参与，建工作流程和考核机制 组织保障：一把手亲自抓，委办局充分参与 机制保障：建设和运营流程机制，保障发现问题到解决问题 市长 / 书记任组长，一把手亲自抓，建设领导小组 建设推进工作组：成立专班，各委办局参与设计、建设 成立运营实体组织：成立城运中心、指挥中心等实体组织， 组成还应包含委办局、技术运营人员等

关键应用： • 计划执行统计 • 问题整改分析 • 审计成果分析 • 内控预警分析 关键应用： • 审计机构管理 • 审计人才档案 • 计划编制与送审 • 审计立项与项目变更 • 审计发现问题整改管理 • 组织、人员、项目评价 关键应用： • 在线发送审计通知 • 审计工作实施方案 • 审计成果在线管理 • 工作底稿及补充信息管理 • 审计报告在线征求意见 • …… 审计决策中心 内控合规平台 审计集成平台 审计支持平台 基础环境 系统支撑 应用层 展示层 审计项目台账 项目进度 审前调查 审计工作底稿 审计证据 审计报告 内控预警 内控检查 内控评估 审计发现 控制点管理 后续审计 内控优化 会计系统 工程系统 其他信息系统 计算机审计 手工审计 协同工作 沟通与交流 企业征信 审计知识库 法规库 CDP 数据平台 审计决策门户 审计整改台账 正在实施 审计绩效考核 外审人员档案 计划查询 审计台账查询 审前调查 审计疑点记录 审计意见 整改回复 审计疑点分析 考评结果查询 审计人才查询 正在实施项目 审计发现记录 审计建议 审计发现分析 审计机构考核 审计补充信息 审计工作底稿 审计底稿分析 项目人员考核 项目归档 审计证据 审计整改分析 审计作业系统（外部） CIP 集成平台 营销 系统 工程 系统

态势感知 辅助决策 联动指挥 监测预警 业务流 数据流 数据流 ① 督办 现阶段 数据打通、专题建设、联动指挥的能力建设，多由大数据局 主导 探索阶段 设立跨部门协同组织和机制，推进问题从发现到闭环的打通，实现跨部门 协同处置 ① 没有打通问题闭环流程 ② 预警 / 告 警 ① 督办 ① 通过专题数据的分析和预测，触发督办，促进专项问题督办闭环 ② 以城市运行体征指标为标准，监测并触发告警，促进日常问题处置闭环 促进就业 教育资源 养老资源 公 共 安 全 安全态势 安全生产 食品安全 防洪排涝 政 务 服 务 政务改革 个人服务 法人服务 营商环境 统一门户 / 统一认证 18 建设思路 - 以发现城市问题和成效、解决问题为导向，聚集三类场景 需跨委办协同处置问题 • 来源于多委办数据，涉及 多委办协同处置，如人群 拥挤、学位饱和度等 反映成效和差距 • 城市 KPI ，如苏州全年空 规 xx 市“一网 划 统管” 国家十四五 xx 市十四 五 各委办局目 标分解到执 行 监 城市运行体 督 征监测 核心理念 设计思路： 3 类场景 体征 数据采集 数据模型 发现问题 风险派发和处置 计算 床位平均饱 和度 阈值判断 高风险：饱和度 >100% 中风险：饱和度 90%~100% 低风险：饱和度 <90% 快递 运单地址、姓 名、电话数据

识别风险，发现价值 请务必阅读末页的免责声明 1 / 30 [Table_Page] 行业专题研究|农林牧渔 2025 年 3 月 25 日 证券研究报告 [Table_C ontacter] 本报告联系人： [Table_Title] 农林牧渔行业 “AI+农业”系列专题一：政策大力支持智慧农业发展，AI 识别风险，发现价值 请务必阅读末页的免责声明 2 / 30 [Table_PageText] 行业专题研究|农林牧渔 识别风险，发现价值 请务必阅读末页的免责声明 3 / 30 [Table_PageText] 行业专题研究|农林牧渔

......................................................................................55 2.3.9.5. 发现和解决性能瓶颈.............................................................................56 2.3.9.5.1. 虚拟机性能分析 系统建设，逐步认识到增强 管理能力的重要性。 传统的运维管理虽然具备一定的设备管理能力，但从实践中有发现了很多弊端。这些弊端包 括管理设备究竟该管那些关键指标（KPI）？确定 KPI 后运维管理给出的具体数值又代表什么含义？ 设备是正常的？故障的？还是只是需要注意下？最痛苦的是用户会发现管设备节约的人力都投入 到使用运维管理系统中，那么运维管理系统带给用户的价值在哪里呢？ 综上所述， 综上所述，传统运维管理软件的弊端必然带来新的变革，这种变革趋势包含以下三个方向： 1） 人工运维向自动智能运维转变 传统运维工作是以人工处理为主，通过各种专业的人对系统进行检查的方式来发现系统中存 在的问题。随着系统复杂性和建设规模不断增大，各种复杂设备对人的要求越来越高。初级的运 维管理系统应运而生，这类系统是以“工具”的形式出现，即“我不知道该看什么指标，该管什么设 备，反正我都可以管，具体

疾控组，上海 200336； 3. 上海市疾病预防控制中心，上海 200336 摘要： 新型冠状病毒肺炎疫情的处置充分体现了传染病监测预警的重要性，也对进一步做好疫情监测，实现对各类病原体的早发现、早识别、 早报告和早处置提出了更高要求。文章通过对上海市近年来传染病综合监测体系建立与发展的回顾，阐述了基于症候群和相关事件 的综合监测思路，初步总结了综合监测在关口前移、扩大监测范围、提高灵敏度 检测的核心功能融为一体，整合多个单病种监测体系 的资源，实现“一份样本，多重检测，多种目的”，大幅提 高监测工作效率。通过 3类综合监测，可准确反映疾 病的流行特征和病原学特征，实时掌握症候群病原谱 变化动态，及时发现罕见和新发传染病，并为临床用药 和辅助诊断提供依据。 在综合监测点的抽样选址上，结合历史病例就诊 情况，通过分层抽样选择监测点医院，并采用按容量比 例概率抽样法（PPS）抽样选择监测对象，确保数据代表 哨点监测 不同病种间差别较大 单一病原体 有一定的发现能力 临床诊疗、流行病学、微生物检验 多为线下报告，部分病种有登记报告系统 单一监测较低，但资源利用率不高 传染病综合监测 腹泻、发热伴呼吸道症状、发热伴皮疹、发热伴出血、 发热伴神经系统症状等症候群 病例报告与哨点监测结合 针对一类症候群，统一监测方法流程 数十种病原体 有较灵敏的发现能力 多科室临床诊疗、流行病学、多病种实验室检验、大

基于技术与业务规则 基于技术与业务规则 基于机器学习模型 基于机器学习模型 根据故障告警及所配置的周期性任 务等明确的指令自动执行运维工作 基于趋势型等规则，根据指标数据 自动发现故障并自动执行修复工作 基于历史故障与日志等数据，通过自 学习模型发现潜在问题与风险并自行 处理 构建 IT 一体化运营能力 构建 IT 一体化运营能力 构建从基础设备、系统、业务的统 一监控，实现业务系统全面运营 CMDB 云管平台 一体化 可视化 15 15 总体蓝图 IT 统一智能运营管理 IT 物联网 大数据 云计算 智能故障分析 大屏统一监控 快速故障修复 信息推送与告警 故障报告 数据汇集 深度分析 发现故障 / 风险 数据分析 可视化展示 信息推送 报表管理 资源管理 智能监控 运维流程管理 操作管理 运营分析 调整算法 查收报告 整体监控 信息配置 处理告警 处理故障 设置任务 数据采集 风险）智能化监控，及自主化运维能力，不仅可以及时发现各类故障以及潜在的 故障风险，还可以在确诊故障后进行主动的故障修复处理，实现 IT 运维工作的智能化与自主化。 监控数 据采集 指标数 据清洗 故障告 警监控 设备故 障告警 故障风 险告警 智能故 障诊断 故障原 因确诊 自动故 障修复 人工故 障修复 人工风 险确认 告警事件库 故障库 人工故 障处理 发现 故障 识别 风险 智能风

机制来支撑校园安全工作实施。具体有： 全员参与的隐患发现、专人专岗的网格化 日常排查、专业人员的专项检查以及通过 视频监控进行的网络巡检，提供手机拍照、 录音、录像、描述等多种方式的隐患上报； 通过手机扫描二维码或者利用 NFC 感应技 术直接对安全关键点进行日常巡检；提供 支持打分排行的专项检查；提供了隐患从 发现到解决的实时动态处理流程。 安全管理——隐患发现 全员参与隐患发现用户可以通过手机或 PC 定了标准（检查频次标准和检查内容标准）。领导可以对巡检任务完成情况进行查看，及时发现未检查 的项目和检查出来的问题。为单位的日常工作带来了使用、管理之便。同时巡检和隐患配合使用，巡检 中发现的问题可以直接转换成隐患然后走隐患处理流程，以尽快的将问题进行解决。 安全管理——专项督查 管理机构进行安全检查安全管理部门领导可以通过手机进行管辖范围内单位的安全智能检查。将发现的 问题进行扫码记录或直接拍照、录像、录音进行记录 隐患抓图 隐患入库 视频监控网络巡查安全管理部门领导可以通过手机 APP 查看学校重要区域的视频监控的方式进行 网络巡检，查看过程中发现问题可以及时抓图并上报到隐患库。 安全管理——隐患处理 便捷操作，随手记录，数据留痕，不留死角 安全隐患随手拍、实时查，发现问题立即指派责任人整改，隐患处置全过程清晰可见，便于掌握 安全隐患处置进度。 安全管理——隐患态势 根据隐患数量按照颜色深浅显示隐患分布地图