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,其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。
(相关资料图)
消息一经发出,便引起了AI制药行业的广泛关注。事实上,2022年底,当ChatGPT引发的人工智能浪潮席卷全球时,AI制药就被推向了新的风口。
所谓AI制药即利用大数据、云计算等人工智能技术手段辅助药物发现、药物管理等药物研发的多个环节。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最终获批上市需要平均耗时十年,投入成本约十亿美元。专家认为,随着AI参与到药物研发环节,“双十定律”或将打破。
AI制药方兴未艾
事实上,AI制药并非近几年才诞生的新概念,早在2012年,Exscientia公司就将AI用于药物研发。而近年来,随着人工智能和计算机技术的爆发式增长,尤其是AlphaFold2以及ChatGPT的出现,AI制药也迎来了飞速发展。巨大的想象空间和无限的潜能吸引着大批创业者、传统制药企业以及互联网企业在AI制药研发领域布局。
从2015年开始,晶泰科技、亿药科技、星药科技、望石智慧、燧坤制药等一众AI制药初创企业如雨后春笋般涌现。
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。如药明康德先后投资了多家AI赋能药物研发的公司;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。
除此之外,互联网大厂也力求在AI制药研发的蓝海市场中分一杯羹。
2020年,百度成立了生物计算引擎驱动的创新药物研发平台百图生科和人工智能新药研发公司索智生物;同年,腾讯推出首个AI驱动的药物发现平台云深智药;阿里巴巴也在这一年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。此外,华为、字节跳动等其他互联网公司也都先后基于自身AI算法等优势打造了药物研发平台。
值得注意的是,除了互联网大厂们,还有一些与AI制药不太直接相关的企业切入到Al制药的赛道进行布局,如中国平安保险也于2020年成立了AI药物研发团队。
不仅如此,资本对AI制药研发也表现出浓厚的兴趣。据AI咨询机构Deep Pharma Intelligence统计,截至2023年3月末,全球AI制药企业的投资总额已达到593亿美元。
毫无疑问,利用AI技术进行药物研发已成为医疗领域的热门赛道之一。
助力药物研发
“药物研发可以细分为先导化合物的发现、靶点的确认、药物合成路线设计、药物结构优化、毒理学研究等众多环节。AI对其中任何一个小的环节的革新,都会对药物研发领域产生深远的意义。”浙江工业大学智能制药研究院院长段宏亮表示。最典型的是表现在药物发现方面。
据介绍,在传统药物研发中寻找可能成药的化合物主要是靠人工试验筛选,效率低下,且筛选的先后顺序往往是基于研发者个人的经验,不确定性很高。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的生物化学信息,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。
根据Tech Emergence研究报告预测,AI在化合物合成和筛选方面可节约40%至50%的时间,每年可为制药行业节约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,该公司AI制药平台(灵素系统)可根据基因表达谱进行药效预测,从而发现有效化合物,然后倒推靶点,进而克服靶点不明或者机制复杂的难题。据悉,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等的先导化合物。
除了药物发现外,AI在小分子药物自动合成路线的设计、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方面都有参与。以全球首款获上市的新冠小分子口服药Paxlovid为例,其研发过程中也应用了AI技术,并与实验验证相结合,帮助科研人员仅用6个星期就完成了药物固态研发,缩短了新冠口服药Paxlovid的研发周期。而在此之前,行业内的临床前研究平均需要4~7年时间。
据智药局统计,截至2022年年底,全球获批临床的AI药物管线有80条,其中有41条管线推进到Ⅰ期,29条管线推进到Ⅱ期。
机遇与挑战并存
AI制药热度高涨,是否意味着AI会颠覆现有制药研发模式甚至取代药物药学家?
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制药研发仍处于探索和早期发展阶段。
缪小牛是普米斯生物研发总监。在他看来,AI制药研发尚且“年轻”,发展成熟甚至带来颠覆性发展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”,他认为只有有了足够多的数据,AI才能更好地发挥出其在数据分析、整合、筛选等方面的作用。
“就目前而言,比较容易取得突破的就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。”段宏亮说,以AI药物合成路线设计为例,目前科学家已拥有的化学反应数据量多达四五千万,这样的数据量对于AI来说已经足够了。如果经过系统的开发训练,AI是有可能在药物合成路线设计超越有机合成化学家的。
但是对于其他一些数据积累较为匮乏的环节,段宏亮坦言,AI还有很长一段路要走。而在这一过程中药物学家通过湿实验积累的药物研发数据至关重要。
此外,数据的质量也是关键。不同企业研发的产品即便是针对同一靶点,但由于其生物测试条件不完全相同,产生的数据可能也会存在差异。“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,有可能就是完全不同的两套数据。如何将数据标准化、规范化也是AI制药急需解决的问题。”缪小牛说。
与此同时,将AI应用于制药研发领域,需要研发人员既懂AI技术又了解医药相关知识。然而现实生活中往往是计算机专家不懂药物研究,药物学家不懂计算机技术。而高端复合型人才的培养也需要时间。
“短期内,AI制药研发还并不能完全跳脱与颠覆传统药物研发的范式,更不太会取代药物学家在新药研发中的作用。”段宏亮表示,但从长远看,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完全有可能颠覆现有的药物研发范式,从本质上推动制药行业的发展。
来源/ 中国食品药品网
文/ 付佳