维度网讯，在2026年Bio-IT World大会第二天的主题演讲中，多位专家探讨了基础模型和联邦学习在药物发现中的应用。小组成员包括PsiThera创始人兼首席创新官Woody Sherman博士、哥伦比亚大学系统生物学助理教授Mohammed AlQuraishi博士、礼来（Eli Lilly）公司生态系统增长与贡献者合作高级总监Jonathan Gilbert博士、Apheris公司AI项目总监José-Tomás Prieto博士、SandboxAQ公司AI模拟战略联盟主管Arman Zaribafiyan博士以及拜耳（Bayer）高级科学研究员兼计算分子设计负责人Christina Taylor博士。

Sherman强调，开放平台有助于推动药物发现领域的发展，行业应共同构建基础模型，之后利用联邦学习进行进一步优化。

AlQuraishi指出，AlphaFold在短期内大幅推进了蛋白质结构预测进展，但对其非蛋白质成分的建模仍有限制。他介绍OpenFold作为AlphaFold的开源替代方案，由40多家机构组成，旨在提供可复制的公共平台。OpenFold既是一套工具包，也是一个学术-工业联盟，可为行业提供可引导的机制。

Gilbert介绍，礼来（Eli Lilly）在2025年推出TuneLab平台，免费向生物技术公司提供AI模型，但要求贡献训练数据。礼来在模型训练中投入的数据价值超过十亿美元。平台目前有超过75个合作伙伴，在三大洲数十个国家使用。礼来还与药物发现协作组织（Collaborative Drug Discovery, CDD）达成协议，将TuneLab集成到CDD Vault平台中。

Prieto讨论了联邦学习实施中的复杂性，指出数据准备无需集中化是新范式，每家公司需协调标准与计算环境。Apheris支持的AI结构生物学网络汇集了多家前20强生物制药公司，允许AI模型在专有蛋白质数据上训练，同时保障数据安全。

Zaribafiyan强调，微调能显著缩小通用模型与真实药物发现用例之间的差距。SandboxAQ与OpenFold合作，并宣布推出新平台，该平台将定量模型与大型语言模型连接，科学家可使用自然语言启动运行模拟和工作流。

Taylor指出，社区驱动的基础模型加速了生物分子AI领域的创新。拜耳（Bayer）利用这些模型解析晶体结构、改进药物开发和作物科学性状，并用于研究蛋白质相互作用和模拟酶催化。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com