其实，在AI制药发展的早期，郑双佳就开始从事相关研究。
郑双佳表示，传统药物的设计过程非常缓慢且费用昂贵——平均耗时10年以上，花费26亿美元。然而，近年来随着AI研究的大热，才逐渐改变了这一现状。他的团队聚焦于临床前药物研发阶段，通过AI技术从化学空间中筛选优质的起始分子，并对其进行多轮优化，显著提升了效率。
DynamicBind就是他颇为自豪的成果之一。其核心是预测小分子与蛋白的相互作用，并且其在药物领域的应用价值远超仅能预测蛋白质单体结构的AlphaFold。“DynamicBind实现了从结构到功能的转变。也就是说，完成从仅仅进行结构预测，到能够有一定落地场景的药物发现的转变。”郑双佳表示。
将DynamicBind投入应用后，团队惊喜地发现，所尝试的近20个药物“靶点”中，85%的靶点都能找到不错的苗头化合物，筛选成功率远高于传统的计算化学方法以及高通量实验的方法。
“用一句话总结我们之前的工作，就是使用多尺度深度学习方法来解码生命、编码药物。在这一过程中，我们对生命的本质有了更深的理解。”郑双佳笑着说。
2017年，22岁的郑双佳进入中山大学药学院攻读硕士学位，师从教授徐峻。后者是国内第一批做计算化学和化学信息学的专家之一。
一开始，导师让郑双佳用传统算法进行分子设计。在此过程中，郑双佳发现了一个崭新的研究方向——2017年，德国明斯特大学的Marwin Segler等人发表了世界首篇利用AI进行分子设计的论文。在自学摸索了一段时间后，他发现这个方向“并不难”，做出的效果也很好。
2018年底，郑双佳在化学信息学领域的顶刊发表了他在硕士期间的首篇论文。“那时没人关注，也没有人觉得这个东西有用，我自己也没当一回事。”郑双佳说。事实上，那是中国最早使用生成式AI进行分子生成的工作之一。
谈及博士期间的经历，郑双佳非常感谢他的博导、中山大学计算机学院教授杨跃东，后者是一位优秀的计算生物学专家，让郑双佳受到了充分的交叉学科训练。
2019年，机缘巧合之下，年轻的郑双佳遇到了人生中重要的创业伙伴——本科毕业于清华大学、刚刚从美国麻省理工学院（MIT）计算机系博士毕业归国的李成涛。凭着“初生牛犊不怕虎”的精神，郑双佳很快作为创始成员加入了刚刚成立的星药科技。
从读博至今，他一直将科研与产业转化相结合。“在学校里做传统科研，是找准一个点不断深入，直到开辟新的课题；我做研究更期望它能转化、能应用。”郑双佳总结道，自己的工作大部分不是为了发论文，而是在做有意思的技术时，“顺便”发出论文。
2023年初，郑双佳收到了哈佛大学、MIT等顶尖高校的博士后offer，同时也收到了上海交大“长聘教轨助理教授”offer。他最终选择在国内任教职，并持续保持与海外实验室的合作。
“我希望通过底层的技术创新，为AI制药的未来探索出更多可能性，而不是仅仅局限于当下的热点。”他表示。
在组建实验室时，这位年轻的PI有自己的一套方法。他认为，要聚集一群有想法的小伙伴，给定一个有意义的方向，大家就会“自己动起来”，形成一种良好的氛围，完全不需要push。
郑双佳鼓励同龄的青年人员，做自己最热衷的事，不必勉强“死磕”不适合自己的领域。
在他看来，风是机遇，更是积累的结果。“等风来”，风来时，他早已做好了起飞的准备。
来源：中国科学报
▼
携手诺奖教授及20+业内顶尖专家
建立专家工作站，赋能医学科研服务
耗资1亿，打造5000㎡独立实验中心
下设分子、微生物、细胞、病理实验室
以及SPF级动物房
拥有国内高等院校合作基地等多项资质
涵盖人体八大系统及肿瘤专项
已建立500+实验SOP，可覆盖99%的实验需求
✅100%留样：原始数据、图片、试剂、仪器、蜡块等数据真实有效可溯源。
有实景！有真相！
▼
