今年以来，复旦大学在医学领域接连取得突破性成果，继发现帕金森病（PD）全新治疗靶点之后，阿尔茨海默病（AD）早筛早诊检测试剂也将于今年末上线各大医院和体检中心。

这些突破性成果均由复旦大学与阿里云等联合打造的CFFF平台提供AI算力支持，从而极大地加快了科研进展。

CFFF云上科研智算平台于2023年上线，平台包含了面向多学科融合创新的计算集群“切问1号”和面向计算科学高精尖研究的专用高性能计算集群的“近思1号”，借助阿里云全球领先的大规模异构算力融合调度技术、分级存储技术、AI与大数据一体化技术，连成了一台真正意义上的“超级计算机”。

其中，阿里云在乌兰察布数据中心以公共云模式为全国科研机构的多个项目提供超千卡并行智能计算，支持千亿参数的大模型训练。千卡并行的有效算力达到行业领先的92%，可拓展性达到万卡，万卡并行有效算力也可达90%。

复旦大学附属华山医院郁金泰教授团队正是依托CFFF平台接连在两项神经退行性疾病治疗领域取得重大突破。

阿尔茨海默病与帕金森病作为神经退行性疾病，早期预警与精准干预是治疗的关键。然而，传统研究手段能处理的数据较少，耗时漫长且效率有限。而CFFF平台建成后，科研人员则可以用“数据+算法”双轮驱动替代传统的“假设驱动”模式，用更少的时间处理更多的数据。

阿尔茨海默病

诊断准确性提高到98.7%

对于阿尔茨海默病患者而言，脑脊液中某些蛋白质指标会随着疾病的发展而变化。然而，脑脊液中含有成千上万种蛋白质，如何从中筛选出那些随着阿尔茨海默病发展而变化的关键“诊断蛋白”，是该疾病研究中的一项关键任务。

在传统方法中，科研人员往往需要筛选出数十种甚至上百种可能的“诊断蛋白”，并逐一验证每一种蛋白质的诊断结果，效率低下。

脑脊液蛋白对阿尔茨海默病诊断的准确度及外部队列验证和尸检病理验证结

而郁金泰教授团队则通过CFFF平台，利用AI算力，采用创新的数据驱动方法和独特的蛋白质组学分析策略，对6361种脑脊液蛋白组学数据进行了分析和建模，筛选出5种最重要的蛋白质，将诊断准确性提高到98.7%。

这项研究成果可以实现提前15年预测阿尔茨海默病发病风险，已发表于Nature。

团队在复旦大学附属华山医院开展学术研讨会

全新治疗靶点

有望延缓帕金森病进展

另一方面，郁金泰教授团队在帕金森病领域的研究成果也已登上Cell和Nature等国际顶刊，该成果发现了帕金森病全新治疗靶点，并利用AI筛选出候选药物。

在帕金森病领域，病理性α-突触核蛋白是帕金森病的关键致病蛋白。

过去，研究者根据现有理论体系，推测某一蛋白可能在病理性α-突触核蛋白传播过程中发挥重要作用，再设计实验进行证实。但人体内的基因蛋白数量极其庞大，采用这一方法意味着忽略了现有理论体系外的诸多可能性。

团队研究路径

借助AI算力和大模型技术，郁金泰教授团队得以在所有基因中筛选潜在靶点，利用人工智能技术对其蛋白结构进行预测，再基于预测结构对小分子化合物进行虚拟筛选。

因此，团队在5年内就完成了原本需要几十年甚至更长时间才能完成的工作。

AI for Science

CFFF已推动百余项科研成果落地

郁金泰教授表示：“以前的科研就像在大海捞针、慢慢钓鱼，需要花费大量时间；而现在，人工智能就像一张大网，能够在海量数据中快速精准地发现关键指标和潜在治疗方案，极大地提升了研究能力和效率。”

复旦大学附属华山医院郁金泰教授团队

与复旦大学类脑智能科学与技术研究院冯建峰教授团队合影

在复旦大学，阿尔茨海默病和帕金森病的研究是一个跨学科跨平台的项目，除了华山医院，复旦大学类脑智能科学与技术研究院、脑转化研究院、中国科学院上海有机化学研究所生物与化学交叉研究中心等也参与了研究。

每个研究团队都在CFFF平台上开设了账号，团队负责人可以设置不同的子账号分配给各组研究员使用。相比CFFF平台建成之前，各团队需自行购买服务器排队使用，CFFF提供了更充足的算力，可以实现多任务同时计算。同时，一个账号对应一个域，数据都在一个账号域内，CFFF提供了更安全的计算环境。

自CFFF平台上线2年来，覆盖了生命科学、材料科学等多元领域，推动百余项科研成果落地。

阿里云AI基础设施已支撑CFFF平台全面升级，提供文理医工各学科47个特色学科模型和4万余个科学数据集开放使用，支持发表了多篇CNS级别的高水平论文。

复旦突破帕金森及阿尔茨海默病治疗领域_热门资讯-阿里云政企业务