首页 > 智能网

AI是新药研发“温和的改良者”,还是真正的“颠覆者”?

来源:智能网
时间:2021-01-28 16:04:42
热度:121

AI是新药研发“温和的改良者”,还是真正的“颠覆者”?10年时间,10亿美金。“双十”一直是制药界常提及的概念——一款新药研发成功需要耗时十年,耗资十亿美金。而现在10亿已经远远不

10年时间,10亿美金。

“双十”一直是制药界常提及的概念——一款新药研发成功需要耗时十年,耗资十亿美金。而现在10亿已经远远不够,根据Tufts Center的统计报告,开发一款成功上市的新药平均需要投入26亿美元。

即便投入加大,新药的综合成功率却一路下滑,2018年这一数字下降到11.4%。业内甚至表示,研发新药几百亿打水漂也是常态。

「周期长、成本高、成功率低」越来越成为药物研发路上的“拦路虎”。对于药企而言,尤其是提升成本效率是当前发展的重要议题。

伴随AI技术的加速发展、药物研发数据的高速累积和数字化转型,AI在药物研发上的潜力逐渐释放,比如对靶点、化合物结构、基础生理机制和基因等数据进行快速分析,处理海量医学数据,从而提高研发效率、缩短研发时间。

值得注意的是,去年该领域出现了近年来为数不多的技术大突破:Google旗下DeepMind的AlphaFold通过蛋白质的氨基酸序列高精度地确定其3D结构。而精准预测蛋白质折叠的精准预测是药物靶标研究的重要一环。

自去年以来新冠疫情的爆发,利用AI加快药物研发变得尤为迫切。AI新药研发的想象空间进一步被激发,该领域的投融资情况迅速“升温”。

在全球范围内,据不完全统计,截至2020年11月,该领域去年的总融资规模达到近18.4亿美元,比2015年-2017年的总和还要多。它与2014年相比,增长了约7.4倍;与去年相比增长了23%。

WechatIMG202.jpeg.jpeg

此外,去年有四家AI药物研发的相关企业密集上市——Schr?dinger、Relay Therapeutics、Berkeley Lights、Lantern Pharma。其中Schr?dinger的市值已超过45亿美元,而未上市企业中已有三家估值达10亿美元,分别是BenevolentAI、Recursion Pharmaceuticals和晶泰科技。晶泰科技于2020年9月获得3.18亿美元C轮融资,这也是全球AI药物研发领域的最高融资额。

以晶泰科技为代表的国内AI药物研发企业,也迎来了融资“丰收年”。据统计,去年共有9家国内企业获得融资,融资总金额至少4亿美元。

WechatIMG198.jpeg.jpeg

AI新药研发主要由三方主力组成:AI初创企业、制药企业和AI技术服务商。其中,目前全球AI新药研发初创企业共有约240家,而国内企业还不足20家。该领域的迅速“升温”离不开药企巨头们对该领域的态度转变——从「试水尝试」转向「重点战略布局」。

“药神”的潜质—AI药物研发的应用场景

百舸争流之下,众多药企巨头和技术巨头到底看中了AI研发药物的哪些潜力?

通过利用自然语言处理、深度学习、机器学习和图像识别等AI技术,目前人工智能辅助药物研发主要应用在药物发现阶段和临床前研究阶段,包括靶点发现、化合物筛选、化合物合成、晶型预测等几大场景。其中靶点发现是AI+药物研发最热门的领域。

AI在这几大场景中的具体应用如下:

一、靶点发现

靶点是指药物在体内的作用结合位点,包括基因位点、受体、酶、离子通道和核酸等生物大分子。靶点研究需要整合大量多样化数据源找到相关模式,再通过高通量技术确定合适靶点。一直以来,这项工作往往基于药学专家的理论和经验,大约耗时两年以上,另外还存在一些偏差。

相比之下,AI利用NLP技术检索分析海量文献、专利和临床试验报告非结构化数据库,找出潜在的、被忽视的通路、蛋白和机制等与疾病的相关性,以发现新机制和新靶点。

二、化合物合成

利用机器学习(或深度学习)技术学习海量化学知识,建立高效模型,快速过滤“低质量”化合物,富集潜在有效分子。此外,它或者还能通过云计算帮助化学家在多种合成路径当中筛选出简洁高效的最优方法。

三、化合物筛选

化合物筛选,是指通过规范化的实验手段,从大量化合物或者新化合物中选择对某一特定作用靶点具有较高活性的化合物的过程。在药物研发过程中,进入药物研发管道的5000至10000个先导化合物中,平均只有250个能够进入临床。从数以万计的化合物分子中筛选出符合活性指标的化合物,其筛选成本达到数百亿美元。

AI可以通过深度学习技术,从药化、生物学的大量数据中挖掘有效信息筛选化合物,并准确预测它们的理化性质、成药性质和毒性风险。基于机器学习算法和算力的提升,AI技术能够开发出新型虚拟筛选方法,提升筛选效率。另外,AI图像识别技术同时可应用于高通量筛选之中,助力化合物的筛选优化。

四、晶型预测

晶型变化会改变固体化合物的物理及化学性质(如溶解度、稳定性、熔点等),导致药物在临床治疗、毒副作用、安全性方面的差异。单纯依赖人工获得稳定性强且溶解度好的晶型,需要耗费大量时间并且成功率很低。而通过深度学习能力和认知计算能力,AI可以实现高效动态配置药物的晶型,更快更精准地找到良好的晶型。

AI药物研发趋势和挑战

亿欧大健康经过梳理发现,未来AI药物研发领域正呈现以下几大趋势:

一、制药巨头加快建立内部相关研究部门或加强与AI初创企业/AI技术服务商的合作,其中合作的频次和广度将进一步提升。可以预见,多方合作将有助于拓展药物管线,并推动出现重大研究突破。截至目前,拜耳、诺华在AI药物研发领域的合作数量最多,均达成了8项;辉瑞、阿斯利康、GSK(葛兰素史克)、罗氏分别累计有7、6、4项合作。此外,默沙东、罗氏、赛诺菲、BI(勃林格殷格翰)均达成了3项相关合作。

二、AI初创企业初步形成头部效应。从全球融资情况看,已有小部分企业的融资体量遥遥领先,预计2021-2022年会有一批企业率先上市。

三、科技巨头几乎均已入局,抢先一步获得研究突破将及早建立竞争壁垒,比如已经在蛋白折叠预测领域有所突破的谷歌。以国内为例,阿里云与GHDDI(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;腾讯成立了推出了首个由AI驱动的药物研发平台“云深智药”;百度成立了“百图生科”公司,以AI技术加快新药和诊断产品的研发速度;华为与字节跳动都在招揽AI制药领域人才。

资本涌入,巨头加持,AI新药研发领域似乎走到了自己的“高光”舞台。但实际上,目前该领域的产业化成果和突破性研究很少,大部分项目仍处在临床阶段。此外它还面临着一些不小的挑战,比如AI新药研发人才匮乏、优质数据稀缺等。

作者:秘丛丛    

Baidu
map