蛋白质+AI+研发革新优秀课件PPT.pptxVIP

蛋白质AI研发革新汇报人：xxx2026-09-18

目录CONTENTSAI药物研发的数据瓶颈联邦学习打破数据孤岛药企联盟共训OpenFold3实践模型性能突破与指标评估昇腾原生全原子生物分子模型TorchXTorchX底层技术创新与优化

AI药物研发的数据瓶颈01

公开蛋白-药物分子配对数据匮乏精度未达标现有共折叠模型虽能预测联合三维结构，但公开数据严重匮乏，导致其在真实药物研发场景中的精度远未达到实用标准。公开数据库中RNA等结构数据难以测定，不同家族间的数据分布极不均衡，完全从头训练极大限制了模型的学习能力。现代药物多通过与人体蛋白质结合发挥作用，公开配对数据的缺失使模型难以准确学习真实的蛋白与配体结合机制。数据分布不均结合机制受限

药企私有数据的核心价值优质训练燃料各家药企长期积累的私有蛋白-配体复合物结构数据，是共折叠模型训练的优质燃料，能显著提升模型在真实场景的表现。实验证实，利用多家药企私有数据合训的模型，不仅优于公开模型，也优于任何单家药企用自家数据微调的模型。私有数据合训使微调模型在关键指标上大幅领先公开对手，并在蛋白-蛋白界面预测等未优化任务中表现格外惊喜。跨企合训增益突破能力上限

传统数据共享的隐私与机密壁垒机密泄露风险药企私有配对数据包含核心商业机密，直接上传或共享会面临极高的知识产权泄露风险，行业内一直缺乏确切解决方案。协作机制缺失传统模式下缺乏既能