摘要
36氪「职场Bonus」（ID：ZhiChangHongLi） 文 ╱ 陈桐 5月21日下午，上海muShanghai活动现场。我因为堵车只赶上了许田教授分享的后半场，但信息密度已经够高了——这位西湖大学原创校副校长、「药物牧场」创始人，一口气把信息论、类脑芯片、AI制药、中药数字化、基因研究和长寿科学串在了一下午。 [神农Alpha：中药终于有了一张AI身份证] 先讲讲已经落地的东西。 今年4月，许田团队在Cell Discovery发表了神农Alpha平台（shennongalpha.westlake.edu.cn），这是全球首个AI驱动的中药/天然药材知识共享系统。平台已入库《中国药典》14593种天然药材，1亿条药材信息，100万个方剂，2万个分子，1万个靶点，3000种疾病关联。 核心解决的是中药命名混乱——比如“青蒿”可能指六种不同植物，真正含青蒿素的黄花蒿只是其中之一。 神农Alpha给每味药材配了六要素身份证：物种基源、药用部位、特殊形容、炮制方法、通用名、编码。同时支持AI对话检索和标准化中英翻译。 [药物牧场：一批AI设计药物已进入III期临床] 许田创办的「药物牧场」（Drug Farm）2015年成立，2021年完成5600万美元融资。 关于最新的管线进展，许田在现场透露，公司用AI设计的药物已经进入III期临床。如今年完成试验并获批，将有可能成为世界首个获批的AI设计药物。 一个监管信号是：FDA对AI预测药物有效性的态度正在松动。“我去FDA沟通，他们说不理解AI，但接受数据。传统制药平均26亿美元、15年周期，成功率12%；AI路径能把成本和周期大幅压缩。” [LLLM：把基因当成单词] 许田提出了一个概念框架叫LLLM（Large Life Language Model，生命大语言模型）：基因是单词，细胞活动是句子，不同器官是文章，全部构成“生命之书”。让AI学习正常人和病人的生命之书，再学习药物如何扰动基因活动，最终预测什么药能治什么病。 他提到团队开发了“Deep Adapter”方法来解决基因活动数据的标准化难题——不同实验室、不同时间测同一个标本，数据往往不可比，这是行业卡了40年的瓶颈。通过这个方
摘要可能不完整，可查看原文