近年來，AI技術發展勢頭猛進，計算生物學作為AI發展的重要方向，正在重新定義生物醫藥研發的底層邏輯，作為一門源于20世紀的交叉學科，其核心使命是通過大量生物數據模擬和分析，發現生物體和生態系統的結構和功能，從而深化對生命現象的理解。在全球主要國家都在大力發展計算生物學的背景下，知悉世界其他國家的研發水平將有助于中國各部門采取相關行動，取長補短，有針對性地提高中國計算生物學的綜合實力。 

一、計算生物學領域發展現狀

  （1）美國主導國際市場：全球計算生物學市場正呈現出強勁的增長勢頭。其中，北美地區是最大的市場，美國是行業內領先國家，政府每年用于發展計算生物學的平均支出估計為1.4億美元，美國在藥物發現和開發工作上的高支出，是其保持市場主導地位的主要原因；歐洲地區是全球第二大市場，德國、英國和法國占據重要比例；亞太地區是增長最快的市場，中國和日本是藥物支出的主要國家，該地區合同研究組織(CRO)的持續增長，有助于降低藥物研發成本，從而推動市場規模擴大。同時，較大的化學仿制藥和生物類似藥生產規模，進一步刺激了計算生物學領域的市場需求。

（2）國內政策大力支持： 國家層面，國家發展改革委印發《“十四五”生物經濟發展規劃》中明確提出，要推動生物技術和信息技術融合創新；地區層面，北京、上海、廣州、深圳等一線城市首先推動，其中上海作為生物醫藥科技創新實力最強、活力最足的區域之一，在計算生物學方面具有良好的發展基礎，2023年5月上海市科學技術委員會發布《上海市計算生物學創新發展行動計劃（2023—2025年）》，加速推動了計算生物學賦能生物醫藥科技創新和產業發展。

（3）相關領域投融資較熱：國內對計算生物學相關公司（包括AI制藥、組學、精準醫療）的投資事件主要分布在北京、上海、杭州和深圳等城市，國外主要分布在美國、加拿大、英國、以色列和印度等地區。2023 年，全球計算生物學領域發生82 起投資事件，融資金額約為93 億人民幣，深勢科技、Causaly、騰邁醫藥、Superluminal Medicines、分子之心和本導基因等企業受到了資本市場的青睞。 

二、全球計算生物學研發水平評估

課題組參考并利用蘭德公司開發的快速、開源的用于評估國家科技水平的方法，系統考察了全球計算生物學發展水平和現狀。數據來源為Web of Science數據庫核心合集和Derwent專利數據庫，由于計算生物學是近幾年發展迅速的交叉學科，故選取近五年數據進行分析，范圍為2019年1月1日至2023年12月31日

（1）高影響力論文：在2019-2023年間，美國在計算生物學領域論文方面與其他國家拉開較大差距，擁有351篇（40%）高影響力科學論文，遠超其他國家，占有科研成果數量上的絕對優勢，中國排名第二，擁有125篇（14%）高影響力科學論文，位列第三的是英國，擁有100篇（11%）高影響力論文，隨后是德國和法國，分別擁有高影響力論文77篇（9%）和54篇（6%）。可以看出，美中英三國在計算生物學領域的高影響力論文占據了近五年來計算生物學領域的半壁江山，意大利、日本、加拿大和法國在高影響力論文產出的數量方面還有待提高。

圖1  全球主要國家計算生物學領域高影響力論文數量

（2）合作網絡密度：在2019-2023年間，美國是網絡密度最高的國家（0.298%）且遙遙領先，說明相較于其他國家，美國在計算生物學領域的研究表現出高度的連通性，國際間的合作最密切。排名二、三位的英國和德國，其合作網絡密度較為接近，與后面國家拉開了較大距離。中國雖然發表論文數位列第二，但與國際間的合作連通性相較于發文量來說不高，說明中國計算生物學界的研究多集中在國內機構，不太注重跨國交流。位列中國之后的法國、意大利、加拿大和印度在高影響力論文方面的排名也相近，說明加強國際合作在一定程度上可以提高科研成果的技術水平。

（3）質量調整專利：未經調整的專利數據表明，2019-2023年間，美國在計算生物學領域產生了10988項專利（占全球專利總數的44%），從數量角度遠遠領先于其他國家，并且平均質量也很高，不是想象中“少而精”的存在。中國的專利數量雖然排名第二，但是經過專利質量的調整，專利產出量大幅下降，是所有納入分析的國家中唯一負方向波動的國家，可見中國專利雖然在數量上排名可觀，但是在質量上有很大的提升空間。此外，可以觀察到歐洲國家的專利申請數雖然不及中國，但經質量調整后，其專利數都有所提升，可見大部分發達國家在計算生物學領域的專利質量在全球處于領先地位，中國“專利泡沫”現狀的存在不利于專利的高質量發展。

表1 主要國家在計算生物學領域的專利質量調整

（4）國際科技組織能力：2019-2023年間，統計全球主要國家的文獻發表機構數量和專利申請機構數量發現，美國的文獻發表機構數量遠高于其他國家，是其高質量文獻數領先的主要原因。在統計的過程中發現，美國機構的平均文獻發表數也遙遙領先，這側面反映出每個機構的成果產出也很優秀。中國的專利申請機構數量相對較多（排名第一），同時中國也是經專利調整后數量大幅下降的國家（調整系數小于1），證明專利申請機構的數量多少與產出高質量的專利沒有直接密切關系。

圖2  主要國家計算生物學領域科技組織數量

（5）文獻高產出機構分析：2019-2023年間，全球計算生物學領域的文獻大多數來自高校，國家級別的科研機構和研究所也參與產出，社會企業等機構產出甚少。研究結果還顯示，歐美等發達國家間的機構連接網絡密度極高，說明歐美國家的國內外機構合作十分密切，而中國的節點密度較低，傾向于內部合作，清華大學是中國機構中國內外合作最密切的一所高校。 

三、 計算生物學領域前沿熱點分析

基于論文和專利課題組進一步跟蹤和分析計算生物學領域前沿熱點發現：

（1）文獻研究熱點：用VOSviewer將關鍵詞聚成4類，根據每類關鍵詞的詞義，可概括為4個研究主題：主題1--計算生物學的應用，包括病理診斷（diagnosis）、免疫療法（immunotherapy）、乳腺癌（breast cancer）等；主題2--人工智能輔助的生物學，包含生物信息學（bioinformatics）、基因表達（gene expression）、蛋白質組學（proteomics）、深度學習（deep learning）等；主題3--計算生物學中的軟件使用，包括系統（systems）、數據庫（database）、可視化（visualization）、模型框架（framework）等；主題4--以預測功能為主的計算生物學，包括序列（sequence）、分子動力學（molecular dynamics）、二級結構（secondary structure）、結構生物學（structural biology）等。

（2）專利研究熱點：運用LDA主題模型對專利摘要進行主題分類，當主題聚類數為4的時候顯示結果最佳，可以看出，當前計算生物學方向的專利研究主題主要集中于計算生物學的底層技術。將其與分析所得的文獻主題進行比較，可以發現目前計算生物學專利領域重點落在算法技術板塊，而文獻的熱點更多側重于計算生物學的實際應用，直接和醫療層面建立聯系，努力為人類健康做出貢獻。但任何一個領域應用的落實都離不開底層技術的基礎支持，因此，高質量的專利應當為了實現應用而存在，而非“修改皮毛”、“以次充好”，不論是從知識產權保護的層面還是經濟市場產品角度來看，專利質量的重要性舉足輕重。未來對于計算生物學在應用上的專利研究可以加大力度，適當引入計算機領域人才或跨領域合作來加快新科研成果的產出。  

四、對上海計算生物學發展的啟示

（1）加強跨國合作：與其他國家相比，中國在計算生物學領域的國際交流與合作還有待加強。一方面，中國的科研成果多以國內課題組為合作團體開展合作，跨國合作的比例較少，這也是發文機構之間的關聯不如歐美國家緊密的原因之一。另一方面，美國在計算生物學領域高質量論文的產出遙遙領先于其他國家，并且在合作網絡密度指標的表現上也位居首位，相反中國則表現欠佳。上海作為中國開放的橋頭堡，理應加強與他國科研能力強的團隊的學習交流合作，實現領域知識整合和研究的推進交流，進而突破現有的技術瓶頸，產出更多的高質量成果，推動全球計算生物學的發展。

（2）優化成果遴選指標：盡管國內在計算生物學的基礎研究上取得了不錯的成就，但技術轉化和應用方面仍有待提高，主要表現在有效專利的質量低，在質量調整專利后，中國是在主要國家中專利質量調整系數小于1的唯二國家。上海雖然已經對專利申請數量的單一化指標要求有所改變，但能解決實際問題的專利比重還是偏小，所以建議上海能在專利申請和維護時定向支持產學研合作，鼓勵將科研成果轉化為實際產品和實用服務，學習借鑒海外國家相關政策法案實施科學的激勵手段，對專利質量進行嚴格把關，真正發揮出科技力量強國的作用。

（3）建立專業人才隊伍：發展新興交叉學科計算生物學需要具備高度專業知識和技能的人才隊伍，高校教育和企業員工培訓都需要順應新時代，緊跟科技發展趨勢，不斷更新人才培養體系，從傳統的單學科教育逐漸轉向交叉學科的綜合能力培養，包括生物信息學、計算機科學、統計學等，同時需要吸引和留住優秀人才進行高質量科研產出，提升中國科技水平。根據前文研究熱點的分析結果，可知計算生物學領域發展現今主要依賴于高級算法創新和人工智能發展，因此，未來上海要緊抓人工智能方面缺口，加強培育或是引進AI優秀人才，展開計算生物學跨學科合作，并不斷優化現有算法，未來才有望搶占計算生物學全球制高點。

（4）建立健全數據共享機制：由于計算生物學高度依賴于生物醫學大數據，因此需要健全的數據共享和開放機制，以促進全世界范圍的科研合作和技術進步，同時要重視數據安全和隱私保護，尤其是基因數據和病例數據。一個成熟的技術領域從基礎研究、技術開發、到應用推廣，涉及大量的數據流動，需要一個完整的數據保護機制來支持計算生物學的發展。上海在科學數據基礎設施領域已有所布局，還應進一步推動數據、算法、算力領域的協同創新，發起大科學計劃。

（5）注重計算生物學在其他領域的應用：計算生物學在基因組學、蛋白質組學等領域的研究成果已經開始應用于醫學診斷、治療和藥物研發，未來可以進一步將計算生物學成果應用于醫療、環保、農業甚至新能源等各個領域，通過發現并解決實際問題來推動技術進步創新，同時還能夠產生可觀的經濟價值和社會價值。上海研究基礎厚實，學科發展均衡，產業覆蓋也很全面，對于提升中國在全球計算生物學領域的科技水平排名和影響力至關重要，對于計算生物學在更廣闊領域應用也有一定的先天優勢，值得繼續關注和擴大投入。

（作者張軍玲系華東師范大學經濟與管理學院博士研究生，田競楠系華東師范大學經濟與管理學院碩士研究生，許鑫系華東師范大學經濟與管理學院教授、博士生導師，上海高校智庫主任，上咨集團創新工作室首席專家。許鑫教授持續關注新技術、新產業、新業態、新模式等新型經濟形態，關心新興技術治理，本專欄以“產業與治理”為主題，探討科技創新在經濟社會發展中的前瞻性問題。）