【编者按】上海交通大学与上海第二医科大学强强合并20年来，学校专门设立“医工交叉”研究基金，通过持续搭建平台、探索机制，实现了医学与理工科的深度交叉，培育出多项国家级科研成果，为学校整体实力和学科建设水平实现跨越式提升提供了有力支撑。为反映全校在医工交叉领域的探索经验和取得的不凡成就，新闻网将陆续刊发其中的优秀案例，以期梳理发展历程、总结实践真知，进一步激励广大教职医务工作者深耕交叉融合领域，为推动科技创新、医学发展，早日实现健康中国战略作出新的更大贡献。

张健，上海交通大学特聘教授，博士生导师，上海交通大学医学院药物化学与生物信息学中心主任，临床药学院副院长，六盘山药用资源教育部重点实验室主任，国家杰出青年基金、国家级人才计划获得者，国家重点研发计划首席科学家，国务院学位委员会学科评议组委员，英国皇家化学学会会士。兼任宁夏医科大学药学院院长。以通讯作者身份在Nature Chemical Biology、Nature Machine Intelligence等国际顶级学术期刊上发表SCI论文150多篇，其中14篇入选ESI全球Top1%高被引论文，4篇被Faculty of 1000推荐，累计引用次数超过1.4万次。作为第一发明人申请了20项国内外专利，其中6项已成功转让，实现了科研成果的有效转化。在教学领域，张健秉持教学相长的理念，致力于培养优秀科研人才，带领学生在“挑战杯”全国总决赛、教育部拔尖学生培养计划等竞赛中获得6项全国最高奖。

一直以来，我国在创新药物研发领域面临着一个严峻的现实： 大量药物依赖进口，并且这些药物与我国人群的疾病类型并非完全 匹配。这一现状深深触动了张健，他意识到，必须探索出适合我国人群的重大疾病药物研发之路。

从临床出发的创新研发之旅

张健出身于医生世家，从小受到医学熏陶。他本科就读于北京大学医学部药学院，医学理念一直是要解决实际的临床问题。在中科院上海药物研究所获得博士学位，又在美国密歇根大学王少萌教授组做了两年博士后研究后，他最初的职业理想是进入跨国药企。因为当时国内的药物研发水平，特别是原创新药领域相对落后，张健怀着一颗为患者开发新药的初心，希望直接进入药物研发比较先进的跨国大企业。

命运的转折往往出乎意料。那一年，张健遇到了一生的良师蒋华良院士。那段时光对张健而言具有深远的意义。蒋华良是领域内的旗帜性人物，他在国内计算机辅助药物设计和AI制药领域的突出贡献足以载入史册。恩师给了张健很大的鼓励和支持，不仅让他坚定了回国的决心，也为他后来的科研工作打下了坚实的基础。作为蒋华良的优秀弟子之一，他紧随恩师步伐，走上了中国药物研发的开创之路。

回国后，他果断选择进入上海交通大学医学院，而不是传统意义上的药学院。张健将原因归结为自己对医学的深厚感情和对创新药物研发的执着追求。张健解释道：“这其实是一把双刃剑。药学院在平台搭建和学科建设上具有优势，但在靶标研究方面，很多研究都来自文献，很难捕捉到疾病治疗中的最新需求。”2009年开始，张健带领团队成立课题组，从临床患者入手，探寻疾病的发展规律，致力攻克原创药物研究中的关键技术，聚焦新靶标和先导化合物方向。

经过十多年的努力，团队研究方向从最初的机器学习和统计方法发展到现在的人工智能框架，不断迭代技术，旨在找到更适合我国人群的重大疾病药物靶标。团队自主研发的变构药物设计方法犹如一把钥匙，开启了创新药物研发的新篇章。

张健对药物研发新趋势进行了深入思考，他敏锐地洞察到，药物研发要真正开创新的领域，必须从临床需求出发，而医学院能够为科研人员提供接 触一线临床病例的机会。

张健的学术研究聚焦于基础化学和生物学的交叉领域，科研工作主要集中在药物设计、药物筛选以及新靶点的发现上，尤其是在原创药物研发领域， 课题组始终致力于攻克那些长期困扰科研人员的难题，如新靶标和先导化合物的发现难题。

药学兼具科学性和工程性。张健认为，医学与工程技术在药物设计开发过程中具有互补性。药学研究早期侧重于科学性研究，发现疾病的基础问题；而后期则更偏向工程性研究，需要满足一系列明确的标准才能进入临床验证和上市。这种科学与工程的交叉应用使得药物研发过程更加严谨和高效，有助于将更多的创新药物带给患者。上海交通大学具有强大的工科及科学研究优势，张健积极推动医工交叉领域的创新发展，通过将医学与工程技术紧密结合，解决了药物研发过程中的一系列技术难题。例如，运用生物信息学和计算化学等工程技术手段，对药物分子与靶点的相互作用进行精准分析和预测，加速了药物的研发进程。

在药物研发体系的构建方面，张健带领课题组整合药物化学、生物信息学、分子/细胞生物学、药理学等多学科技术，打造了一个完整且高效的原创药物研发平台。这一平台涵盖从临床样本中的新靶点识别到变构药物设计与高通量筛选，再到药物化学研究、分子/细胞/动物水平的功能确认、药理学及临床前研究，最终实现与企业的转化合作开发。

谈到变构药物设计的成功时，张健充满了自豪：“通过变构药物设计，我们能够精准地识别出新靶标，并且为每个靶标设计出高效的先导化合物。这一方法打破了传统的药物筛选瓶颈，使得我们能够直接从临床样本中识别出潜在的靶标，进而推动药物研发的进程。”他表示，变构药物设计的方法最初并没有得到广泛认可，但随着越来越多的成功案例，学界开始逐渐接受这一新的药物研发思路。“这种方法不仅仅是技术的革新，更是整个药物研发观念的转变。”

张健团队通过变构药物设计，成功发现了多个国际上首次报道的先导化合物。部分化合物已经进入了临床前研究阶段，标志着变构药物设计不仅具有理论意义，更在实际应用中取得了显著的突破。这一切的成功都离不开张健多年来在药物化学领域的深厚积累和不懈努力。通过变构药物设计，张健团队能够精准地识别新靶标，并根据这些靶标设计出高效的先导化合物。这一方法的成功应用使得课题组在药物研发的过程中能够打破传统的药物筛选瓶颈，直接从临床样本中精准识别出新靶标，为后续的药物开发奠定了坚实的基础。张健认为，变构药物设计方法不仅是一种新的药物设计思路，更是实现“精准医学”的关键之一。通过多年的探索与积累，张健已成为药物化学与生物信息学领域的领军人物之一。

以AI 驱动的药物研发奇迹

2013年，凭借其敏锐的科研洞察力和创新能力，张健建立了变构药物研发平台，并创立了上海宇道生物技术有限公司(简称“宇道生物”)。将该公司的创立背景和发展历程简单概括为一句话就是“医学与AI技术的结合”。

张健表示，公司以“利用AI技术开发更优质的药物”为核心使命。生物医药领域的AI技术应用相对滞后，主要原因是数据的多样性和复杂性。宇道生物利用过去十几年积累的数据，成功地将数据转化为知识，进而建立了前瞻性的变构药物研发算法。这些算法在靶标识别、早期活性分子获得和优化等方面发挥了重要作用，大大提高了研发效率和效果。AI技术在药物研发过程中，特别是在药物分子结构优化和活性预测等环节，极大地提升了研发效率和准确性。尽管在一些涉及复杂生物体系的阶段，如靶标发现和体内优化，AI的应用仍处于辅助阶段，但随着技术发展，其潜力正逐步展现。

说到公司发展的历程以及其背后的理念，张健眼中充满了对未来的期待。 宇道生物通过搭建基于AI 计算和实验技术的变构药物发现平台ALLOSTARTM，整合了AI与第一性原理，结合生物化学和生物物理学实验技术，能够实现从靶点蛋白质结构到变构小分子药物的快速突破，覆盖完整的药物发现与优化流程，成功实现了AI与药物研发的深度融合。

通过这一平台，张健团队能够在短时间内完成从靶点蛋白质结构到变构小分子药物的快速突破，极大提高了药物研发的效率。随着宇道生物在变构药物研发领域取得的显著成果，国际上的多家知名基金和机构纷纷与其展开合作。这些合作不仅为宇道生物提供了资金和技术支持，还进一步提升了其在国际上的影响力和知名度。张健表示，这些合作是宇道生物能够持续发展的重要推动力，也是他们在医工交叉创新道路上不断前行的重要保障。

宇道生物ALLOSTAR 变构药物发现平台

张健非常看好AI技术在药物研发中的巨大潜力。“AI 技术的引入，无疑是药物研发的一个革命性变化。”说到这里时，他手指轻轻敲打着桌面，似乎在强调这一 的重要性。他继续解释道：“AI技术能够帮助我们快速分析海量的生物数据，发现潜在的药物靶点，优化分子结构，并预测药物的活性和效果。”

随着AI 技术的不断发展，药物研发的效率和准确性得到了显著提升。张健深知这一点，因此他在自己的课题组中积极引入AI技术，通过机器学习、深度学习等算法，帮助团队在靶标发现、药物分子设计和活性预测等方面取得了显著成效。

张健(左一)带领学生进行科研操作

在药物开发过程中，变构小分子药物面临着诸多技术挑战。张健带领团队，采用基于物理、分子动力学和AI的计算方法，针对每个问题特点构建多种技术组合，取得了许多创新性成果。通过深入分析和验证计算结果，团队成功开发出在临床前性质上优于原研化合物的同类最优管线，为药物研发的成功奠定了坚实基础。

例如，在肿瘤研究中，沉默调节蛋白6作为一个重要的肿瘤抑制靶点，张健团队成功开发了一种选择性沉默调节蛋白6激动剂。该激动剂通过与沉默调节蛋白6的变构位点特异性结合，大幅提高了沉默调节蛋白6的脱乙酰酶活性，从而有效抑制肝细胞癌的细胞增殖，展示了巨大的治疗潜力。

“尤其是在药物分子的结构优化和筛选过程中，AI可以比传统方法更高效地处理海量数据，找到更具潜力的分子。”张健的语气中充满了信心，显然他对AI技术在药物研发中的应用前景充满期待。

张健也坦言，AI 技术在药物研发中的应用还面临一定挑战。“尽管AI在一些环节上展现出了巨大的潜力，但在涉及复杂生物系统的问题上，AI目前仍然存在局限性。”他认真地分析道，“例如，药物在体内的吸收、分布、代谢和排泄过程，尤其是药物与免疫系统的相互作用，这些都非常复杂，目前的AI技术难以完全准确预测。”生物医药数据的复杂性和多样性使得AI算法的建立和训练面临巨大的困难。AI模型需要处理大量的高维数据，并且数据的质量和准确性直接影响到AI算法的效果。此外，在涉及复杂生物系统的问题上，AI技术目前还难以完全取代传统的实验研究。例如，药物在人体内的吸收、分布、代谢和排泄过程，尤其是药物与免疫系统的相互作用，至今仍然难以用AI预测。

尽管如此，张健对AI技术的未来应用充满信心。“随着技术的不断进步，AI将能够在药物研发的各个环节发挥更大的作用，推动整个行业的发展。”尽管挑战众多，但AI在药物研发中的应用将越来越广泛，尤其是在药物分子设计和早期筛选阶段，AI将发挥越来越重要的作用。

张健认为，未来的药物研发不仅仅依赖于AI技术本身，更需要跨学科的合作与创新，生物学、化学、医学以及计算机科学等领域的专家共同合作，才能充分发挥AI的潜力，推动药物研发的快速发展。

张健处理工作

以跨学科融合催发引领性进步

张健认为，随着时代发展，所有的创新都离不开学科融合的助力，药物研发如此，人才培养亦如此。

在跨学科人才培养方面，张健也坚持其独特的做法。他坚持在本科生培养中以兴趣为先，七分兴趣三分培养，积极指导学生参与多学科交叉的项目，培养了大量既懂医学又具备技术背景的复合型人才。对有兴趣且勤于思考问题的学生，他给予方向的引导和技术方案支持，通过团队协作帮助他们取得进步；对有志于医工交叉的学生，他鼓励大家要有解决问题的决心，广泛进行国际交流，阅读顶尖文献，尝试解决问题。他培养的这些人才不仅在学术领域取得了优异成绩，也为未来的药物研发和医工交叉领域的创新注入了新的活力。

张健还积极促进产学研合作，通过与企业合作，推动科研成果的产业化。他认为，将实验室创新成果转化为社会实用成果，不仅依赖于科学家自身对科学问题和市场的把握，更需要学校和市场政策方营造宽容、正规的政策环境。以宇道生物为例，张健成功将高校的科研成果通过企业平台进行转化，实现了从基础研究到临床应用的有效衔接。这一合作模式不仅推动了药物研发的产业化进程，也为高校科研提供了市场反馈和资金支持。

路虽远，行则将至；事虽难，做则必成。张健期待，药物研发工作以及在医工交叉领域的创新工作，在AI技术和医工学科的深度交叉融合的背景下，不断迎来新的机遇，不断焕发新的生机，推动全球医学和药学领域的革新与进步。

(摘编自《交叉融合 医工同行 上海交通大学医工交叉二十年》 上海交通大学出版社 2025年11月第一版 主编 曾小勤 郑俊克 李冬凉）