本文将简要的概括药物研发的流程，并深入探讨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 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 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 组等组学数据差异性比较，提取出可能致病的基因或蛋白靶点。这一方法通常有 着较高的准确性，但整体策略既费时又费力，且实验结果严重受到生物样本质量 的限制。 计算机辅助的方法主要包括反向对接，结构相似性分析等。这些计算技术能 够一定程度上加速靶点的筛选速度，但同样存在自身的局限性。如反向对接需要 在大量的蛋白质目标中进行对接，这会极大的消耗计算资源和时间。结构相似性

南京淘点智能访客管理系统 http://www.tdlbs.com Hotline:400-884-2580 如何调整安 保？ 遇突发情况， 能否第—时间 处理 访客有没有 进入禁区？ 在哪里？待 多久？ 有多少人来？ 谁来了？ / 面临的问题 / 2 定位 • 人员定位 ，蓝牙卡片（手环）定位 ，精度 2-3 米 安全 • SOS 一键报警 ，及时处理突发事件

选、药物优化，还是在药物的临床试验和后期的上市监控，AI的应用 都愈发广泛。 在上篇 "AI for 医疗" 的专题文章“AI for 医疗: AI大模型在药物 靶点识别中的应用”中，我们整体描述了药物研发的流程，并介绍了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] 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 与药物的亲和力，完成药物的筛选。基于CADD的方法除了能够加速，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 能够做到同时保持高精度以及高速的药物筛选。 然而，高质量数据这一前提条件十分的苛刻，简而言之，高质量数据要求具 备两个特征: 1，进行训练的药物或者非药化合物涵盖了大范围的化合物特征空 间，2，药物针对特定靶点的亲和力数据十分准确。如果数据不符合特征1，则 AI方法的泛化性将十分有限，基本无法预测训练数据中没有见过的化合物种类。 如果不符合特征2，AI方法的可信度同样无法保证。 虽然随着药物数据库的发展

主要解决从已知的氨基酸序列，预测相应蛋白质 3D 结构的问 题，为探索生命的起源迈出重要的一步。随着生成式 AI 的出现，业内开始 探索自动根据功能需求设计/优化蛋白质、给定抗原等目标蛋白生成抗体等 蛋白、给定靶点一键生成 Binder 蛋白等功能，为提高药物发现的效率作出 贡献。英伟达于 3 月推出的生物医药大模型云服务 BioNeMo 也包含蛋白质 生成等模型的调用服务。国内关注晶泰科技等最新应用。 资料来源：北京协和医院官网，华泰研究 AI+影像 AI 应 用 场 景 公 司 AI+诊断 AI+制药 医院数据实时处理、临床辅助决策、 临床辅助治疗、临床预警、患者画像 等 靶点确定、先导化合物发现等 计算机视觉、深度学习、大模型 语音识别+自然语言处理、深度学习、 大模型 深度学习、大模型 CT、MR影片诊断等 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 式 AI 在制 药领域的应用。 晶泰科技通过无标记的蛋白质序列数据（约 2.8 亿条）+抗体序列数据训练出的 ProteinGPT 可以一键生成符合要求的蛋白药物，应用案例包括：1）根据给定的靶点一键生成 Binder 蛋白；2）根据指定要求一键生成抗体文库；3）对性质欠佳的抗体进行改造，一键生成优 化后的抗体。 AlphaFold2 生成式AI 蛋白质结构预测：基于氨基酸序列，预测已知基因序

病迹象，提供快速的初步诊断。此外，它还可以学习大量样本，提高准确性和一致 性。 在医学研究和知识发现领域，传统医学研究依赖于繁琐的实验和文献回顾，速度较 慢。大模型可以分析大规模文献数据，发现新的疾病关联、药物靶点和治疗方法，加 速医学研究的进展，为科学家提供重要洞察。 大模型在医疗领域相较于传统方法具有自动化、高效性、多模态数据处理和个性化医 疗的优势。这些优势使医疗大模型成为医疗人工智能领域的有力工具，有望提高医疗

工程化低成本构建核心壁垒： 1. 硬件层硬核配置：自研准直接驱旋转执行器（单关节扭矩 30-45N・m，响应延迟＜5ms）、4D 激光雷达 L1/L2 （360°×90° 视场角，点云频率 2.16-6.4 万点 / 秒），主控搭载瑞芯微 RK3588S（8 核异构 + 6TOPS NPU），核心零 部件国产化率超 70% 2. 软件层技术栈：开源unitree_legged_sdk支持关节位置 北斗），专为 M2M（机器对机器） 和 IoT（物联网）场景设计 • 在宇树机器狗中的核心价值： o 远程通信与运维：机器狗在工业巡检、户外科研等场景中，可通 过 4G 网络实现实时数据传输（如雷达点云、热成像画面），支持 远程操控、状态监控与固件升级，突破空间限制实现跨区域管理 o 精准定位辅助：内置 GNSS 接收机，在无 WiFi 覆盖的野外、厂区 等环境下，提供亚米级定位精度，为自主导航、路径规划、任务 定位能力：集成GPS/GLONASS/ 北斗多星座 GNSS 接收机，开阔环境下可实 现亚米级定位精度 二、在机器狗系统中的功能价值 它是机器狗 4G 通信与定位能力的 “心脏”—— 一方面通过高速 4G 网络实现雷 达点云、热成像画面的实时远程传输，支持跨区域的远程操控、状态监控与固 件升级；另一方面借助多星座 GNSS，在无 WiFi 覆盖的野外、厂区等环境中提 供精准位置信息，为自主导航、路径规划等功能奠定硬件基础

控中心抽查显示，住院病历的缺陷率高达 19.7%，主要问题包括术 语不规范、关键要素遗漏等；三是医疗数据利用率不足，超过 80% 的非结构化病历文本未能转化为可分析的标准化数据。 当前医疗行业存在以下典型痛点：  人工书写效率低下：门诊医师每接诊 1 例患者平均产生 15 分 钟病历录入时间  标准化程度不足：不同医疗机构间病历模板差异率达 43%， 影响数据互通  质控滞后性明显：现有系统仅能实现事后审核，无法实时纠错 保在不改变临床工作流程的前提下，实现病历书写效率与质量的双 重提升。 1.2 目标与意义 随着医疗信息化建设的深入推进，电子病历系统已成为医院核 心基础设施，但传统病历书写仍面临效率低下、标准化不足等痛 点。临床医生平均每天需花费 2-3 小时完成病历书写，其中约 40% 时间消耗在重复性内容录入和格式调整上，且不同年资医师的书写 质量差异显著。本研究提出的 AI 辅助病历书写系统旨在通过自然 语 数据应用延伸：生成的结构化数据可直接用于 DRGs 分组、科 研病例筛选等二级应用 从行业层面看，系统实施将产生显著的社会效益。国家卫健委 统计数据显示，采用 AI 辅助书写的医疗机构，其病历归档及时率 平均提高 37 个百分点，医保审核缺陷率下降 24%。更重要的是， 系统通过标准化术语和逻辑关系约束，为区域医疗大数据平台提供 了高质量数据源，这对推进分级诊疗、临床路径优化等医改重点任 务具有基础支撑作用。某省卫健委的试点数据表明，当

01 02 03 04 数据服务 数据中台 中台 数据平台 初期痛点 基础建设 数据治理 服务建设 总有一款美的产品你感兴趣 01 02 03 04 数据服务 数据中台 中台 数据平台 初期痛点 基础建设 数据治理 服务建设 从无到有 - 快速上线 sqoop kafka 客户端上报 SDK 服务端日志采集 业务爆炸下的数据痛点 人力 业务繁多，重复造轮子 ，人力资源消耗大 系统 需要不断定制开发，服务紊乱，维护成本大 资源 存储 、计算资源出现瓶颈，影响业务开展 数据痛点 目录

了解西餐早餐的套餐分类并能熟记西餐早餐的菜品内容。 2. 能够掌握咖啡厅午晚餐的服务程序及注意事项。 3. 能够掌握扒房的服务程序及注意事项。 能力目标 1. 能够掌握咖啡厅午晚餐的服务及管理技巧。 2. 能够掌握扒房的点单服务、菜品服务及酒水服务技巧。 素质目标 1. 具备勤于思考、善于实操、团结协作的职业素养能力； 2. 具备美学意识，提高审美分析能力； 3. 具备精益求精的工匠精神； 4. 具备爱岗敬业、吃苦耐劳的劳模精神； 案例导入 引导问题： （ 1 ）咖啡厅服务有哪些特点？ （ 2 ）咖啡厅早餐服务要注意什么？ 忙碌的早餐时段，服务员 Lucy 正在为客人点单，“请给我一个煎鸡蛋，一杯咖啡。”记下客 人的点单后， Lucy 使用点单机下单给厨房，这时页面弹出“双面煎蛋还是单面煎蛋”。 Lucy 又 走到客人面前询问其是要双面煎蛋还是单面煎蛋，客人说双面煎蛋。 Lucy 输入双面煎蛋后页 只好再次走到客人面前询问客人是要煎的老一些还是嫩一些。客人 不耐烦的说：“我要赶飞机，你就不能一次问完吗？” 引导问题： 01 咖啡厅早餐服务 咖啡厅早餐按照服务方式可分为零点服 务、自助餐服务和客房送餐等。零点早餐按 菜式品种又分为散餐和套餐。 内容简单，无蛋无肉，包括水果或果 汁、面包、冷饮和热饮。 早餐套餐 01 欧陆式早餐 （ the Continental Breakfast)

.........................................................................................15 2.1 智能点餐系统................................................................................................. 顾客体验不 足：传统的点餐和服务流程往往缺乏个性化，难以满足顾客的多样 化需求。 - 运营效率低下：人工处理订单、库存管理和数据分析不 仅耗时，而且容易出错。 - 营销效果有限：传统的营销方式难以精 准触达目标顾客，导致资源浪费和转化率偏低。 针对这些问题，DeepSeek 大模型的应用能够显著提升餐饮企 业的服务水平和运营效率。该模型能够通过分析海量数据，优化点 餐流程、提供个性 餐流程、提供个性化推荐、预测菜品需求，并实现智能化的库存管 理和营销策略。例如，通过分析顾客的历史点餐记录和偏好，系统 可以自动生成个性化的菜单推荐；通过实时监控库存数据，系统能 够预测食材需求并生成采购建议，从而减少浪费和提升供应链效 率。 此外，DeepSeek 大模型还能够帮助餐饮企业实现精细化的顾 客关系管理。通过对顾客反馈的智能分析，系统可以快速识别顾客 的满意度，并生成针对性的改进建议。同时，模型还可以支持多渠