2018年，中山大学药学院的一名研一学生因“做实验很痛苦”而“鼓捣”起了代码。彼时，AI制药尚未进入大多数人的视线。23岁的他在硕士期间发表的第一篇论文，竟成为国内最早使用生成式AI进行药物分子设计的研究之一。

2024年，那个青涩的研究生已成为上海交通大学的助理教授，他的名字叫郑双佳。在AlphaFold研发者摘得“诺贝尔化学奖”之际，郑双佳带领团队研发出DynamicBind，在AlphaFold静态结构预测的基础上，进行动态复合物结构预测，代表了AI制药未来的发展方向。

近日，在2024未来科学大奖周活动中，郑双佳作为2024“亚洲青年科学家基金项目-生命科学研究员”出席。与他对话，能感受到这个青年科学家的目光始终“看向未来”。

郑双佳入选2024亚洲青年科学家基金项目

  ?

“超越”AlphaFold的工作

“近年来，AI制药逐渐引起学术界和资本市场的高度关注。我在AI制药发展的早期——2017年就开始从事相关研究，因此很多工作就逐步显现出来了。”郑双佳说。

郑双佳向《中国科学报》介绍，传统药物设计有三大核心步骤。

第一步是发现“靶点”并阐明生物机制，旨在深入理解疾病的生物学特性，找到可以作为药物作用目标的关键“靶点”；

第二步是临床前药物研发，即在给定“靶点”的基础上，通过虚拟筛选和优化，设计出潜在的候选药物；

第三步则是将候选药物从细胞或动物实验推及人体临床试验，完成最终的开发。

这个过程非常缓慢且费用昂贵——平均耗时10年以上，花费26亿美元。

近年大热的AI研究正在改变这一现状。“生成式AI几乎已经渗透到了传统制药的每一个环节。”郑双佳介绍说，“有些环节已经有显著的改变，有些环节还没有产生显著的变化。”他的团队聚焦于临床前药物研发阶段，通过AI技术从化学空间中筛选优质的起始分子，并对其进行多轮优化，显著提升了效率。

DynamicBind是他颇为自豪的成果之一。郑双佳提到一件趣事——在2023年，全球多个团队试图在AlphaFold的基础上实现突破。有一家英国公司只凭借一份精美的PPT便筹得5000万美元投资，至今却未见实际成果。而2023年底，郑双佳团队就成功推出了DynamicBind。

DynamicBind的核心是预测小分子与蛋白的相互作用，其在药物领域的应用价值远超仅能预测蛋白质单体结构的AlphaFold。通过引入“动态（Dynamic）”模块，DynamicBind可以揭示蛋白结构中的“隐蔽口袋”。这些口袋在特定条件下才会开启，而AlphaFold的静态预测无法捕捉到它们。

将DynamicBind投入应用后，团队惊喜地发现，所尝试的近20个药物“靶点”中，85%的靶点都能找到不错的苗头化合物，筛选成功率远高于传统的计算化学方法以及高通量实验的方法。

“用一句话总结我们之前的工作，就是使用多尺度深度学习方法来解码生命、编码药物。在这一过程中，我们对生命的本质有了更深的理解。”郑双佳笑着说。

DynamicBind成果发布于《自然-通讯》

  ?

对于AI与生物学的融合，郑双佳有着更宏阔的想法——通过智能化的工程方法，创造出具有特定功能的生物系统。他坦言：“下一个目标是从头开始设计一个全新的细胞，更长远的目标则是实现类似复活恐龙、创造新生物的愿景。” 

唯有敢想，才能实现。在人类的摸索中，科学的可能性正在一点点打开。

机缘巧合，站上“时代的风口”

郑双佳称自己是“一个幸运的人”。然而，在时代的风吹来之前，鲜少有人关注和研究这个方向。

2017年，22岁的郑双佳进入中山大学药学院攻读硕士学位，师从教授徐峻。后者是国内第一批做计算化学和化学信息学的专家之一。

“我很早就意识到，做湿实验对我而言是一件很痛苦的事情。”郑双佳坦言，他对做实验的感觉是“有点随机”，而使用数学或计算机的方法让他感觉更加“理性”。就这样，在徐峻的实验室，郑双佳开启了“一直写代码”的硕士生涯。

一开始，导师让郑双佳用传统算法进行分子设计。在此过程中，郑双佳发现了一个崭新的研究方向——2017年，德国明斯特大学的Marwin Segler等人发表了世界首篇利用AI进行分子设计的论文。当时，郑双佳所在的药学院几乎无人学习AI，更谈不上应用AI，他却对此产生了浓厚的兴趣。在自学摸索了一段时间后，他发现这个方向“并不难”，做出的效果也很好。

2018年底，郑双佳在化学信息学领域的顶刊发表了他在硕士期间的首篇论文。“那时没人关注，也没有人觉得这个东西有用，我自己也没当一回事。”郑双佳说。事实上，那是中国最早使用生成式AI进行分子生成的工作之一。

在徐峻实验室度过的3年里，郑双佳参与了药物“从设计到转化”的过程。作为“领域小白”的他由此了解了制药的关键问题，也为之后的产学结合打下良好的基础。

谈及博士期间的经历，郑双佳非常感谢他的博导、中山大学计算机学院教授杨跃东，后者是一位优秀的计算生物学专家，让郑双佳受到了充分的交叉学科训练。

2019年，机缘巧合之下，年轻的郑双佳遇到了人生中重要的创业伙伴——本科毕业于清华大学、刚刚从美国麻省理工学院（MIT）计算机系博士毕业归国的李成涛。李成涛仅比郑双佳年长几岁，他们年龄相仿、理念相同。凭着“初生牛犊不怕虎”的精神，郑双佳很快作为创始成员加入了刚刚成立的星药科技。

“甭管传统药物开发有多困难，干就完了！”郑双佳笑着说。他回忆道，创业前，自己曾在腾讯人工智能实验室实习了半年，进行AI药物的工业化实践，对技术转化有了更深刻地理解。资本和市场的“东风”一来，他所有的知识储备和技术能力就以极快的速度显现出来。

从2020到2023年，郑双佳一直担任星药科技的副总裁。

而创业并未影响郑双佳的学术研究。从读博至今，他一直将科研与产业转化相结合。“在学校里做传统科研，是找准一个点不断深入，直到开辟新的课题；我做研究更期望它能转化、能应用。”郑双佳总结道，自己的工作大部分不是为了发论文，而是在做有意思的技术时，“顺便”发出论文。

郑双佳

  ?

“初出茅庐”的PI：聚集小伙伴，做想做的事儿

2023年初，郑双佳收到了哈佛大学、MIT等顶尖高校的博士后offer，同时也收到了上海交大“长聘教轨助理教授”offer。他最终选择在国内任教职，并持续保持与海外实验室的合作。

“美国的科研环境确实优秀，但资源有限、竞争激烈。在那里，我可能只是一个普通的research fellow。”郑双佳直言，与之相比，国内在支持青年科研工作者方面表现出了更大的灵活性和潜力，这给了他施展抱负的空间。

“我希望通过底层的技术创新，为AI制药的未来探索出更多可能性，而不是仅仅局限于当下的热点。”他说。

在组建实验室时，郑双佳有自己的一套方法。他认为，要聚集一群有想法的小伙伴，给定一个有意义的方向，大家就会“自己动起来”，形成一种良好的氛围，完全不需要push。

“让聪明的人在一起做有趣的事。”郑双佳如此总结。

那么，如何发现“聪明”的人？在实验室的主页上，郑双佳暗藏了一些“小玄机”。想申请的学生如果能够读懂，就会按照提示发出邮件，接收到邮件的郑双佳自然能够“心领神会”。

郑双佳（右一）和实验室同学们合影

  ?

作为“初出茅庐”的PI，郑双佳在获得2024亚洲青年科学家基金后，感激之情溢于言表。

“作为天使基金项目，亚洲青年科学家基金会提供了不菲的基金。对于早期PI来讲，可以帮助我们更灵活地招一些优秀的学生，做一些更灵活的科研。”获奖这件事激励郑双佳未来要做出更好的工作证明自己。

郑双佳鼓励同龄的青年人员，做自己最热衷的事，不必勉强“死磕”不适合自己的领域。

在他看来，风是机遇，更是积累的结果。“等风来”，风来时，他早已做好了起飞的准备。

*本文图片均由受访者提供