传统药物研发模式挑战与AI重塑 - 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 [1] - AI正在深度重塑生物医药研发范式但缺乏结构化高质量可复用科研数据资源 [1] 生物医学数据科学领域现状 - 生物医学在数据科学领域面临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难题 [2] - 人类表型组数据和模式生物表型数据是连接基因—表型—疾病的关键节点为AI算法提供实现机制建模与靶点预测的真实生物基础 [2] 上海生物医药资源与挑战 - 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优势但正向遗传学数据与反向遗传学研究长期脱节 [2] - 南模生物拥有14万种小鼠种类70万只大小鼠基因修饰动物体系资源与美国齐平但模型核心种子资源仍依赖国外 [2] - 南模生物缺乏表型数据库模型销售价格难以提高且受中美竞争影响可能面临数据获取受限问题 [2] 基础设施建设与数据平台 - 复旦大学正在建设实验小鼠资源库配备5万多个笼位动物设施计划建立网上检索数据库 [3] - 复旦大学石乐明团队构建的全球人类表型组数据协同平台PhenoBank已具备服务70个以上机构的能力 [4] - 广州国家实验室团队开发生物学分析智能体Bio-OS解决科研人员数据分析面临的开发门槛高执行复杂复用性低等问题 [4] 标准化与合作倡议 - 上海实验动物研究中心主任范春倡议建立上海基因工程小鼠实验标准统一模型遗传背景与表型数据采集规范 [4] - 南模生物将与上海国际人类表型组研究院石乐明合作探讨表型数据标准化分析和标准品建设 [4] 研讨会参与方 - 研讨会汇聚基因编辑表型组学与AI计算等交叉领域多位权威专家与产业界代表 [5]