如果你是一位药物研发从业者，下面这些场景你一定不陌生：

一个新药，平均耗时10-15年，平均成本超过26亿美元。

其中，超过90%的候选药物在临床试验阶段失败。失败的原因五花八门：疗效不足、安全性问题、药代动力学不佳、商业前景误判……

而更让人沮丧的是，很多时候，失败不是因为科学原理不对，而是因为信息处理不过来。

• 文献太多——每天新增的药物化学文献超过1000篇，你根本读不完

• 数据太杂——基因组学、蛋白质组学、表型筛选、临床数据，格式各异、标准不一

• 筛选太慢——从百万级化合物库中找到有潜力的先导物，传统高通量筛选耗时耗钱

• 预测太难——化合物的ADMET性质、靶点亲和力、毒性风险，实验验证周期长

你不是不够专业，而是传统的药物研发工作流程，已经跟不上今天的数据规模和复杂度。

人工智能不是来替代药物化学家的，而是来帮你处理那些海量、重复、高维度的“数据体力活”。

但现实是：很多药物研发人员尝试用AI，却遇到了“水土不服”。AI预测的靶点不准？AI设计的分子无法合成？AI筛选的结果与湿实验对不上？数据不够怎么办？模型怎么选？

不讲空泛概念，只教能落地到真实药物研发场景的实操技能。

以下8个板块（注：通知文件共8个板块），覆盖了药物研发的全流程。你可以对照自己的日常工作，看看哪些是你现在正需要的。

板块一：人工智能赋能生物医药前沿技术

核心价值：帮你建立药物研发中AI应用的“全景地图”

很多药物研发人员对AI的认知是碎片化的：听说过AlphaFold、听说过深度学习筛选，但不知道这些技术之间是什么关系，也不知道自己该从哪里切入。

• 人工智能赋能药物研发的底层逻辑与技术简述——不陷进算法细节，讲清楚AI能做什么、不能做什么

• 人工智能赋能药物研发的前沿技术与成果实践——真实案例：哪些药已经用AI加速了研发进程

• 人工智能药物研发中的核心应用场景——靶点发现、虚拟筛选、分子设计、ADMET预测、临床试验优化

• 药物研发常用AI工具分类与优选方法——根据你的研究阶段和数据类型，选择最合适的工具

对药物研发人员的价值：花半天时间，建立AI赋能药物研发的系统认知，避免“拿着锤子找钉子”。

板块二：AI赋能药物研发数据资源与处理

核心价值：把“脏数据”变成“金矿”

药物研发的数据问题，比算法问题更棘手。很多时候，不是AI不好用，而是你的数据还没准备好。

• 数据获取、数据治理与数据标准化——公开数据库怎么用？内部数据怎么管？

• 药物研发国内外代表性数据库分析——PDB、ChEMBL、DrugBank、PubChem、TCGA等，哪些值得用、怎么用

• 人工智能赋能数据挖掘与多组学数据整合——基因组、转录组、蛋白质组、代谢组，如何用AI打通

• AI药物研发的核心数据类型与预处理——小分子结构数据、生物活性数据、组学数据、临床数据，各有什么坑

• AI辅助药物研发数据清洗与可视化——缺失值处理、异常值检测、数据分布可视化，AI帮你做

对药物研发人员的价值：很多药企有大量历史数据，但不知道怎么用。这个板块教你从“数据治理”开始，让AI真正发挥作用。

板块三：AI赋能靶向药物设计与虚拟筛选技术应用

核心价值：从“盲目筛选”到“精准设计”

这是AI在药物研发中应用最成熟、效果最显著的领域之一。

• 人工智能赋能药物设计技术路径——基于结构的药物设计（SBDD）、基于配体的药物设计（LBDD）如何与AI结合

• 人工智能技术辅助靶点的药物设计实战——给定一个靶点蛋白结构，AI如何生成潜在化合物

• AI赋能基于表型的药物设计应用——没有明确靶点时，从细胞表型出发的AI设计策略

• 生成式AI模型赋能药物设计实践——GAN、VAE、扩散模型在分子生成中的应用

• AI在抗体设计和抗体预测中的应用——大分子药物的AI设计，与化学小分子有何不同

• 基于细胞图像的基因-化合物匹配用于虚拟筛选——一种新型的高通量筛选策略

• 跨尺度多组学整合与时空动态建模——从分子到细胞到组织，AI如何建立跨尺度的药物响应模型

对药物研发人员的价值：如果你做的是靶点验证或先导物发现，这个板块是你的“主战场”。现场会有实操案例演示。

板块四：AI驱动分子设计与优化创新技术实践

核心价值：从先导物到候选物，AI全程陪伴

找到先导物只是第一步，后续的优化工作——提高亲和力、改善选择性、优化药代性质——往往耗时更长。

• 高通量筛选（HTS）发现小分子先导物——AI如何辅助HTS数据分析，减少假阳性/假阴性

• 基于AI的全新分子设计实战——从零开始，AI生成符合多项约束的全新骨架

• 多靶点药物分子的自动设计技术应用——针对复杂疾病（如肿瘤、自身免疫病）的多靶点药物设计

• 生成式AI助力药物分子结构优化——围绕先导物进行局部修饰，AI推荐最优取代基组合

• AI赋能大分子治疗候选物功能的预测——抗体、融合蛋白、多肽药物的AI设计

• 分子动力学模拟与虚拟筛选平台——AI加速的分子动力学模拟，以及如何与虚拟筛选联动

对药物研发人员的价值：如果你正在做分子优化，这个板块会让你看到“AI辅助迭代”的效率提升——原来需要合成50个类似物才能找到的优化方向，AI可能帮你缩小到5个。

板块五：AI辅助的适应症筛选与成药性评估

核心价值：在进入临床前，先让AI帮你“排雷”

很多候选药物在临床阶段失败，不是因为对靶点没效果，而是因为成药性差——溶解度低、透膜性差、代谢过快、毒性高。

• 成药性评估核心参数与ADMET性质预测——吸收、分布、代谢、排泄、毒性，AI预测的准确度如何？怎么用？

• 基于PK/PD模型的人体药效预测——从体外数据到体内暴露，AI如何辅助建立PK/PD模型

• 动态优化闭环与成药性评价——将ADMET预测结果反馈回分子设计，形成“设计-预测-优化”闭环

• 人工智能在靶向抗癌药物递送中的应用——纳米药物、抗体药物偶联物（ADC）的AI辅助设计

• 基于AI大模型共建一体化的干湿实验——如何让AI预测与湿实验验证形成高效迭代

对药物研发人员的价值：在决定合成或推进候选药物之前，先用AI跑一遍ADMET预测，可以大幅降低后期失败风险。这个板块会教你具体的操作方法和工具。

板块六：临床前研究中的AI技术应用

核心价值：让安全性评估和药代动力学模拟更智能

候选药物进入临床前，需要完成大量的动物实验和安全性评估。AI可以在一定程度上预测和优化这些实验的设计与结果解读。

• AI赋能药物安全性评估——心脏毒性（hERG）、肝毒性（DILI）、遗传毒性等，AI预测模型的应用

• AI在临床前药代动力学模拟中的应用——从体外代谢稳定性到体内PK参数，AI辅助的PBPK建模

• AI赋能毒性预测与脱靶效应分析——预测化合物与非目标靶点的相互作用，提前发现潜在安全性问题

• AI赋能临床前候选药物验证——如何用AI辅助设计验证实验，提高动物实验到人体的转化成功率

对药物研发人员的价值：临床前阶段的失败成本已经很高（通常在数百万到千万美元级别），AI的预测可以帮你“早发现、早放弃”，把资源集中到更有希望的候选物上。

板块七：AI赋能临床试验与智能化决策

核心价值：让临床试验更聪明、更高效

临床试验是药物研发中最昂贵、最耗时的阶段，也是失败率最高的阶段。AI可以从方案设计、患者筛选、数据监测到终点预测，全流程赋能。

• AI在临床方案设计中的应用——基于历史试验数据和真实世界证据，AI推荐最优的试验设计（样本量、终点指标、纳入排除标准）

• 基于AI技术的患者筛选入组——从电子病历、基因组数据中，AI快速识别符合入组标准的患者

• AI赋能临床剂量预测与智能化监测——从早期临床数据预测最佳剂量，实时监测安全信号

• 试验集数据管理与分析中的AI技术应用——处理高维数据（如组学、影像、连续监测），AI辅助发现潜在biomarker

• AI辅助临床终点预测、评估与分析——用机器学习模型预测患者对治疗的反应，辅助早期终止无效试验

对药物研发人员的价值：如果你从事临床开发或医学事务工作，这个板块会刷新你对“临床试验效率”的认知。AI不是替代医生，而是帮助你和CRO团队做得更快、更准。

板块八：AI智能体在药物研发中的应用与构建

核心价值：打造属于你团队的“药物研发AI助手”

AI智能体（Agent）是比普通聊天机器人更高级的形态——它能主动调用工具、执行多步任务、访问专有知识库。

• AI智能体技术框架与主流平台分析——哪些平台适合药物研发场景？

• 药物研发领域专用AI智能体的技术优势——为什么通用大模型不够用？需要什么样的定制化？

• AI智能体在药物研发各环节深度应用——从文献自动解读、靶点评估报告生成，到化合物性质查询、实验方案辅助设计

• 药物研发AI智能体专属知识库构建——把你团队的内部数据、专利、研究报告、实验记录整合成知识库，让AI智能体基于这些专有知识为你服务

对药物研发人员的价值：未来每个药物研发团队都会有自己的AI智能体。你现在就可以先人一步，搭建一个能帮你自动处理重复性任务的“数字员工”。

谁应该来？

• 药企研发人员（药物化学、药理学、毒理学、DMPK、临床开发等方向）

• 科研院所、高校药物研究相关课题组

• CRO/CDMO企业中从事药物发现、临床前研究、临床试验服务的专业人员

• 生物医药领域的AI应用工程师、数据科学家

• 医疗机构从事临床药理学、药物临床试验的研究人员

• 任何想用AI提升药物研发效率，但不知从何下手或自己摸索踩过坑的人

本课程兼顾理论与实操，部分板块涉及AI工具操作，但不要求深度学习或编程基础，适合药物研发背景的专业人员。

时间与地点

线上直播：课程前两天发放直播码和链接，支持全程回放。

费用与报名

• 线下现场参训：3680元/人（含培训、资料、证书，食宿统一安排费用自理）

• 线上直播培训：6900元/单位（含3个直播码 + 3张结业证书）

报名方式如下：
报名流程：扫码填写个人信息→获取报名表 → 填写回执 →  会务组发报到通知。

附：会议红头文件通知

最后说几句

药物研发的“双十定律”（十年、十亿美元）正在被AI改写。

2025年，已经有多个由AI辅助发现的药物进入临床阶段。这不是未来，这是正在发生的事。

同样的团队，同样的预算，有人用AI把先导物发现周期从18个月压缩到6个月，把ADMET预测准确率从60%提升到85%。而你还在手动绘制构效关系图、用Excel管理筛选数据、靠经验猜测哪个化合物值得合成。

工具就在那里，区别只在于你会不会用。

与其自己花半年时间摸索、被AI预测的假阳性结果坑到浪费宝贵的合成资源，不如花三天时间，跟真正懂药物研发又懂AI的专家，把这套方法系统学回去。

上海，4月。等你来。

主办单位：中国科学院人才交流开发中心
承办单位：北京中科创嘉人力资源咨询有限公司

结业颁发证书，可作为学时证明。

来源：AI赋能教学-科研

编辑：柴晓昕

审核：刘博文

大家都在看