AI 驱动研发，如何破解高质量数据缺乏困境？

传统药物研发模式存在效率低、周期长、失败率高等多重挑战，当前AI正在深度重塑生物医药的研发 范式，但缺乏结构化、高质量、可复用的科研数据资源，严重制约了AI算法在新药研发中的价值。 在6月15日举行的"模式生物、表型数据与AI驱动的生物医药源头创新合作"研讨会上，广州国家实验室 的特聘研究员、博士生导师李亦学直言，当前，我国生物医学在数据科学领域面临着"数据密集型科研 起步晚、优质可用数据资源缺乏、算法创新和工具整合门槛高"等诸多难题，不符合AI驱动下快速建 模、精准预测和靶点识别的科研需求。 在AI与生命科学融合过程中，人类表型组数据和模式生物表型数据（包括小鼠、斑马鱼等模型的形态 学、行为学、生理指标和器官功能变化）不仅是连接"基因—表型—疾病"的关键节点，也为AI算法提供 了实现机制建模与靶点预测的真实生物基础。 尽管上海在人类表型组研究和基因修饰模式生物品系资源方面具有国际领先的优势，但是来自人类的正 向遗传学数据与来自模式生物的反向遗传学研究长期脱节，使这些科研资源无法转化，未得到有效地发 挥。 南模生物（688265）董事长费俭表示，"AI飞速发展的今天，如何把AI和上海本土的优势有效地结合起 来 ...