20250331-智慧芽信息科技_苏州_-生物医药_Deepseek在药企研发领域的本地化部署和应用场景_32页_4mb

报告摘要

Deepseek在药企研发领域的本地化部署和应用场景总结

核心内容

DeepSeek作为国内领先的大模型，因其低成本、开源和高性能等特性，在药企研发领域引发广泛关注。其在生物医药研发中的应用包括药物分子设计、临床剂量预测、毒理试验模型选择以及专利情报分析等方面。DeepSeek-R1作为其核心模型，通过本地化部署和与智慧芽生物医药平台的对接，为药企提供了高效的AI辅助研发工具。

主要观点

DeepSeek-R1的本地化部署：
- DeepSeek-R1提供多种部署方案，包括使用Ollama框架进行个人部署、使用Transformers和vLLM进行企业部署，以及近期出现的KTransformer、Unsloth等低成本部署方案。
- 满血版DeepSeek-R1（671B）部署需要双节点8卡H100服务器，总成本约260万-320万，但因其性能强大，适合复杂场景应用。
- 由于CPU不适合深度学习计算，当前部署方案多采用CPU+GPU混合推理，以降低GPU负载，但会牺牲部分推理速度。
DeepSeek与智慧芽的对接：
- 智慧芽生物医药平台通过对接DeepSeek-R1，实现了药物研发中关键环节的智能化处理，如分子设计、临床剂量预测、毒理模型筛选等。
- 利用DeepSeek的推理能力，结合PDB结构和智慧芽数据库，能够快速分析药物与靶蛋白的结合模式，优化药物设计。
AI融入生物医药产品：
- DeepSeek的引入为药企提供了更高效的药物研发流程，包括药物筛选、临床试验设计、毒理研究、专利分析等。
- AI的使用显著提升了药物研发效率，降低研发成本，并增强了药物开发的精准度和可预测性。

关键信息

DeepSeek-R1部署方案对比

方案	测试场景	硬件配置	资源占用	对话效果 (tokens/s)
KTransformer	单并发测试	强劲3代CPU+4090GPU+DDR4内存	——	4
KTransformer	单并发测试	9654CPU+4090GPU+12x4800MHz DDR5内存	——	14
Llama.cpp	纯CPU推理	480G内存+4卡4090服务器	仅CPU推理	3.23
Llama.cpp	CPU+GPU推理 (单卡4090)	单卡4090	占用显存约23G	3.65
Llama.cpp	CPU+GPU推理 (4卡4090)	4卡4090	占用显存约92G	5.78
Llama.cpp	纯GPU推理 (4卡H800)	4卡H800,320G总显存	占用显存约140G	20.93
Ollama	纯GPU推理 (单卡4090)	单卡4090	——	5.97
Ollama	纯GPU推理 (双卡A100)	双卡A100	——	20

药物研发中的应用

药物BMS986278与靶蛋白LPA1结合模式分析：
- BMS986278通过占据LPA的天然结合位点，阻止其与Arg3.28结合，实现信号通路的双重抑制。
- 结合自由能 $\Delta G_{\text{bind}} = -42.6 , \text{kcal/mol}$，其中范德华力贡献68%，氢键贡献22%。
- 结构分析显示其与LPA1的结合位点高度重叠，但具有更高的结合亲和力（$\Delta \Delta G = -3.1$ kcal/mol）。
药物HW-1的临床一期剂量建议：
- 推荐起始剂量为0.4 mg/kg（基于NOAEL法）或0.5 mg/kg（基于MABEL法）。
- 剂量递增方案：0.4 → 0.8 → 1.6 mg/kg，直至达到最大耐受剂量或暴露量接近AMG510的临床有效剂量。
- 需密切监测PK/PD参数，确保临床安全性。
药物HW-2的毒理试验模型与推荐剂量：
- 推荐剂量：啮齿类动物最高剂量为100 mg/kg，重复给药试验梯度剂量为5-50 mg/kg。
- 非啮齿类动物（如犬、食蟹猴）剂量范围建议为2-20 mg/kg。
- 临床起始剂量建议为0.29 mg/kg（NOAEL法）或0.5 mg/kg（MABEL法）。
双特异性抗体SI-B001的临床与专利分析：
- SI-B001为靶向PD-L1和4-1BB的双特异性抗体，具有高亲和力与低免疫原性。
- 临床数据显示其在实体瘤中具有可控的安全性和初步疗效，II期试验将进一步验证其联合治疗的潜力。
- 专利布局覆盖主要市场，但需警惕Fast-follow竞品的快速跟进。

技术应用与影响

打破垄断与降低成本：
- DeepSeek-R1以低成本和开源特性打破以往头部企业垄断，推动中小型企业低成本接入AI技术。
提高推理性能：
- DeepSeek-R1在推理任务上的表现与OpenAI的o1相当，且在多模态场景应用中表现优异。
AI在药物研发中的优势：
- AI可显著降低研发成本，提升药物开发的效率与精准度。
- 通过实时检索最新文献，AI可动态扩展知识边界，解决知识时效性与准确性问题。

未来研究方向与建议

进一步毒理研究：
- 重点关注免疫毒性和心脏安全性，评估药物在不同物种中的代谢稳定性与毒性阈值。
药物代谢产物预测：
- 通过智慧芽数据库进行结构分析，预测药物的代谢产物及其活性，优化药物设计。
临床试验优化：
- 利用AI进行剂量优化，确保药物在临床试验中的安全性与有效性。
- 通过药代动力学分析，动态调整剂量范围。
专利情报分析：
- 利用DeepSeek进行FTO检索、专利无效分析和推荐检索策略，提升研发的合规性与创新性。

总结

DeepSeek-R1在药企研发中的本地化部署和应用场景具有广泛意义。通过结合智慧芽生物医药平台，DeepSeek为药物研发提供了强大的支持，包括分子设计、临床剂量预测、毒理模型筛选和专利情报分析等。其低成本、高效率和高性能特性，显著提升了药企在药物研发中的竞争力和创新能力。未来，DeepSeek将继续推动生物医药领域的智能化发展，助力药企在新药研发中取得突破。

展开完整摘要