AI制药 资本狂欢还是行业巨变?
发布时间：
2022-04-25 00:00
编者荐语：AI制药是一个多学科交叉的领域，也是典型的HPC+AI的应用场景。目前，不少药企和AI科技公司纷纷加入这个赛道，但大都处于试水阶段。AI或计算是否可以真正替代一部分的实验，成为新药发现的必要手段?还面临着哪些挑战?听听国内从事AI新药发现的科技公司和科研机构对该领域的分析和预测。
近来，AI制药圈接连发生了几件大事。赛诺菲与英国新药研发AI技术服务提供商Exscientia达成了一笔价值331亿元的AI制药天价大单。英矽智能半年内两次宣布发现新药，并率先进入临床试验新阶段。阿斯利康、默克、辉瑞、梯瓦等制药巨头联合建立的AI新药研发实验室AION Labs宣布正式启动。多位业内专家认为，AI制药重新定义制药流程，给整个制药行业带来了一场极大的变革。
AI如何制药?
新药发现的过程需要先确定好某疾病的靶点，而靶点相当于“锁”，研究人员需要在众多药物分子可能性中，设计和筛选最合适的分子作为“钥匙”去解锁。
AI技术的出现，让传统实验不再是仅有的选项，以数据为中心的新药发现逐渐走上舞台。AI在其中的主要作用是对候选药物分子、化合物、蛋白质的结合以及基因的作用完成机理上的模拟和计算，典型的应用场景包括虚拟药物筛选、蛋白质结构预测等。这里面涉及分子动力学、量子化学、量子色动力学等大量传统的高性能计算应用，在利用已有的蛋白质结构进行学习、预测的过程中也引入了机器学习的算法。基本上是一个典型的HPC(高性能计算)+AI的应用场景。
赛道上都有谁?
据粗略统计，2021年，全球AI制药领域共发生77起融资事件，累计融资额达45.64亿美元(约290.73亿元)，同比增长152%。国内发生融资事件34起，总金额超过80亿元。晶泰科技、英矽智能、深势科技等年轻公司成为资本的宠儿。
成立于2015年的晶泰科技现已完成将近8亿美元(约50.96亿元)的融资，刷新了全球AI制药领域融资金额纪录，总估值超过130亿元。 成立于2018年的深势科技创造了“多尺度建模+机器学习+高性能计算”新范式，在短短18个月内完成4轮融资。团队核心成员获得2020年全球计算机高性能计算应用领域的重要奖项“戈登贝尔奖”。“深势科技在新药设计领域提供的是‘软件+联合研发’的商业模式，目前平台软件已经与国内外数十家学术界、产业界客户达成了长期商业合作，在联合研发方面也有十余条管线处于临床前开发阶段。”深势科技创始人、CEO孙伟杰表示。
成立于2021年的英矽智能全球率先利用AI发现了一种全新机制的用于治疗特发性肺纤维化(IPF)的临床前候选化合物，整个研发过程只花了不到18个月的时间和大约200万美元，刷新了新药研发的速度和低成本纪录，目前也完成了6轮融资，累积金额超3亿美元。
与此同时，传统药企和互联网巨头纷纷发力，要么投资合作，要么自己上场。例如，复星医药牵手英矽智能，在全球范围内共同推进针对多个靶点的AI新药研发。英矽智能获得了1300万美元的首付款及里程碑付款，这是迄今为止国内AI制药企业收到的相当大额的预付款。尽管像复星医药和英矽智能这样的大单在国内还不多见，但愿意拿出部分研发方向给AI制药公司试水的药企越来越多，合作金额也在逐年上升。
另外，阿里云与全球健康药物研发中心GHDDI合作开发的人工智能药物研发和大数据平台、腾讯发布的人工智能新药发现平台“云深智药”、百度推出的螺旋桨PaddleHelix生物计算开源工具集、华为成立的医疗智能体“EIHealth”......这些巨头的高歌猛进在很大程度上推动了整个赛道快速向着纵深方向迈进。
行业春天将至
AI技术在生物制药中发挥的作用，已从初期的计算机辅助新药设计，发展到如今的AI新药研发，甚至有望贯穿从药物靶点发现到进入临床实验的早期新药发现全过程。未来，AI是否能够从一个辅助工具变成主导，甚至独立担负起新药研发的重任?尽管想象空间很大，但在全球范围内，AI制药都处在较早期的阶段，距离技术成熟、真正走向市场还很远。数据、算力、算法以及人才等都是赛道选手们不得不面对的“拦路虎”。
孙伟杰坦言：“一方面，市面上大部分AI制药依然停留在以数据驱动的AI模型辅助药物分子发现的阶段，目前主要面临的是数据总量稀疏和数据标准差的问题，对应比较典型的有ADME/T性质预测和分子生成等相关挑战;另一方面，我们认为AI制药还有另一种范式，即从物理模型驱动的AI对传统CADD(计算辅助新药发现)模式进行创新，富于挑战的地方在于计算效率和计算精度无法兼顾的问题，比如传统的分子动力学模拟在应对复杂的蛋白体系以及蛋白动态构象采样方面的还是力不从心。”
“未来一段时间，AI制药依然会在数据驱动和模型驱动两种范式下持续突破和演进。”孙伟杰说道：“无论哪种范式的发展，本质上都要看AI或计算是否可以真正替代一部分的实验，从而带来效率的提高。我们相信未来三五年内强调的不会是AI制药，而是AI成为新药发现必要的手段、成为标配。到那个时候，大家不会再刻意强调AI制药，而是会将其作为普遍使用的一种方法。”
生物制药领域目前是一个蓬勃发展的‘老树新芽’，对于计算的挑战来自基础算法的复杂度和规模、算法的创新等多个方面，因此使用大规模的高性能并行集群和GPU加速成为一种通用的选择。
此外，对于AI制药这一多学科交叉的高壁垒行业来说，人才的短缺或许是更为根本的痛点。中科院上海药物研究所药物博士段宏亮直言：“对制药和AI都理解深刻，才会知道制药环节中哪些关键问题是AI擅长解决的，找到两者的契合点，才能发现适合的业务场景。” 在他看来，AI制药发展虽然看似火热，但也只是刚刚拉开了序幕，重量级的选手还一直处于试水阶段。随着药物数据的逐渐积累，AI制药将会迎来一个数据驱动的2.0时代。
本文来源：中国电子报
相关新闻
暂无数据
