|
AI制药或将终结药物研发“双十定律
|
中国医药报 01版要闻2023年08月15日 付佳
近日，人工智能（AI）制药初创企业英矽智能科技（上海）有限公司宣布，通过生成式人工智能筛选靶点并设计的抗特发性肺纤维化小分子候选药物INS018_055已完成Ⅱ期临床试验首例患者给药。
消息一发出便引起了AI制药行业的广泛关注。事实上，2022年底，当ChatGPT引发的AI浪潮席卷全球时，AI制药就被推向了新的风口。
AI制药利用大数据、云计算等技术手段辅助药物发现、管理等环节。长期以来，药物研发领域流传着“双十定律”，即从新药研发开始到产品获批上市，平均耗时十年，投入成本约十亿美元。有专家认为，随着AI参与到药物研发环节，“双十定律”或将被打破。
企业竞相布局AI药物研发
AI制药并非近几年诞生的概念，早在2012年，Exscientia公司就将AI技术运用于药物研发。近年来，AI和计算机技术的爆发式突破，尤其是AlphaFold2和ChatGPT的出现，推动AI制药飞速发展。巨大的想象空间和无限的潜能吸引大批创业者、传统制药企业以及互联网企业布局AI药物研发领域。
2015年起，晶泰科技、亿药科技、星药科技、望石智慧、燧坤制药等AI制药初创企业如雨后春笋般涌现。同时，传统药企也不甘落后，纷纷通过战略合作、股权投资等方式切入AI制药赛道。例如，药明康德先后投资多家AI赋能药物研发的企业，恒瑞医药与专门从事人工智能新药设计平台开发的法国Iktos公司达成合作，引进AI新药研发平台。
此外，互联网大厂也力求在AI药物研发的蓝海市场中分一杯羹。
2020年，百度成立生物计算引擎驱动的创新药物研发平台“百图生科”，以及人工智能新药研发公司索智生物；腾讯推出AI驱动的药物发现平台“云深智药”；阿里巴巴与全球健康药物研发中心合作，开发了AI药物研发和大数据平台。华为、字节跳动等企业也基于自身AI算法等优势，打造药物研发平台。
值得注意的是，除了互联网大厂，还有一些与AI制药不直接相关的企业也加入了Al制药赛道。如2020年，中国平安保险成立AI药物研发团队。
资本对AI药物研发表现出浓厚兴趣。AI咨询机构Deep Pharma Intelligence统计显示，截至今年3月底，全球AI制药企业投资总额已达到593亿美元。利用AI技术进行药物研发成为医疗领域的热门赛道之一。
AI技术帮助缩短研发周期
“药物研发可以细分为先导化合物发现、靶点确认、药物合成路线设计、药物结构优化、毒理学研究等环节。AI对其中任何一个环节的革新，都会对药物研发产生深远影响。”浙江工业大学智能制药研究院院长段宏亮表示，AI在化合物发现方面表现突出。
据介绍，在传统药物研发中，筛选可能成药的化合物主要靠人工实验，不仅效率较低，且筛选的顺序往往基于研发者个人经验，不确定性较高。段宏亮认为，AI强大的数据分析和深度学习能力可以快速处理和解析大量生物化学信息，帮助筛选出合适的化合物，设计优化药物分子结构，从而缩短研发周期，节约研发成本。
Tech Emergence研究报告预测，AI在化合物合成和筛选方面可节约40%~50%的时间，每年将为制药行业节约260亿美元的化合物筛选成本。
北京亿药科技有限公司创始人谢正伟介绍，该企业的AI制药平台（灵素系统）可根据基因表达谱进行药效预测，发现有效的化合物，然后倒推靶点，帮助解决靶点不明或者机制复杂难题。该系统已筛选发现了治疗肥胖、高尿酸血症、非酒精性脂肪肝炎和衰老相关疾病的先导化合物。
此外，AI还可参与小分子药物自动合成路线设计、药物晶型预测、辅助病理生物学研究以及药物临床试验设计等。全球首款获批上市的口服小分子新冠病毒治疗药PAXLOVI D，其研发过程中应用了AI技术，与实验验证相结合，帮助科研人员仅用6周时间就完成了药物固态研发。
微信公众号“智药局”统计显示，截至2022年底，全球获批临床试验的AI药物研发管线共80条，其中41条推进到Ⅰ期临床试验、29条推进到Ⅱ期临床试验。
AI药物研发仍处于早期阶段
AI药物研发热度高涨，是否意味着AI会颠覆现有药物研发模式，甚至取代药物学家工作？
有业内人士认为，至今尚未有一款完全基于AI技术发现和设计的新药获批上市，AI药物研发仍处于探索和早期发展阶段。
普米斯生物研发总监缪小牛认为，AI药物研发尚“年轻”，发展成熟甚至带来颠覆性改变还需要很长一段时间。
AI技术对数据的“量”和“质”的要求非常高。段宏亮将数据形象地比喻为AI技术的“粮食”。他认为，只有拥有足够多的数据，AI才能更好地发挥在数据分析、整合、筛选等方面的作用。“目前，较容易取得突破的是具有海量数据的蛋白质结构预测、药物合成路线设计等环节。”段宏亮举例说，在AI药物合成路线设计方面，科学家已拥有的化学反应数据量多达四五千万条，经过系统地开发训练，AI有可能在药物合成路线设计方面超越有机合成化学家。但是对于一些数据积累不足的环节，段宏亮坦言，AI还有很长一段路要走。在这一过程中，药物学家通过实验积累的药物研发数据至关重要。
此外，数据的质量也很关键。不同企业研发的针对同一靶点的产品，由于生物测试条件不同，产生的数据可能存在差异。“对于药物学家而言，这种差异可能是在误差允许范围内的。但对于精准计算的AI来说，可能就是完全不同的两套数据。如何将数据标准化、规范化，是AI药物研发领域急需解决的问题。”缪小牛说。
将AI应用于药物研发领域，需要研发人员既掌握AI技术，又具备医药知识。然而，现实中计算机专家往往不懂药物研究，药物学家不懂计算机技术，培养高端复合型人才需要较长时间。
“短期内，AI药物研发还不能完全跳脱或颠覆传统药物研发的范式，更不会取代药物学家在新药研发中的作用。”段宏亮认为，从长远看，随着药物研发相关数据的不断积累以及AI技术的不断更新，AI有可能颠覆现有药物研发范式，从本质上推动制药行业快速发展。
|
| 首页 | 上一页 | 下一页 | 末页
第 1 页
共 1 页
|
|
|
|
|
|
|
