如果用AI辅助药物研发,first-in-class还远吗?

我爱免费

作者：微信文章


探索



“AI+药物研发”

“十年、十亿美金”是医药行业所熟知的研发一个创新药所需的时间成本和资金成本。

在新药研发领域，“高成本、高投入、高风险”早已成为行业的普遍共识，而如今，整个行业正面临更多的挑战——

据德勤报告



新药开发的投资回报率已从2010年的10.1%降至2019年的1.8%，而上市一款新药的成本则从2010年的11.88亿美元增长至2019年的19.81亿美元。

由于小分子靶向药研发的技术瓶颈导致易成药靶点几乎被开发殆尽，未成药靶点中难以攻克的“硬骨头”越来越多，赛道颇为拥挤，剩下难度很高或传统意义上难以成药的靶点，或将成为小分子领域的下一片“蓝海”。

因此，针对难成药靶点进行药物开发是必然选择，而新技术的发展与应用为以靶向药为代表的药物理性设计带来了越来越强大的工具，海量数据的积累、算法的演进使得人工智能（AI）技术在新药研发中的应用日益增多。

张江作为中国科研创新高地，同时拥有张江创新药产业基地与张江人工智能集聚区，在AI新药研发赛道上有何突破？让我们一探究竟——

张江：布局“AI+药物研发”赛道

目前，“AI+药物研发”市场多为以下三类企业：制药巨头、IT巨头和“AI+药物研发”创新企业。

Accutar Biotechnology（冰洲石生物科技）就是典型的以技术优势切入一个或多个应用场景的“AI+药物研发”企业。AccutarBio成立于2015年，通过深度学习和物理建模的方式在海量数据上进行训练得到的计算模型来替代生物学和化学实验，以此来显著加速创新药研发。据了解，AccutarBio在美国纽约和上海张江同时布局了AI计算实验室、生物实验室、结构实验室和化学实验室。

通过数年累积与沉淀，AccutarBio搭建了全链路AI制药平台，打通了小分子药物临床前研发的各个环节，包括虚拟筛选、药物属性预测、化学逆合成、药物优化、老药新用等。AccutarBio能够基于研发平台，有效缩短药物发现所需的临床前研究工作时间。

此外，AccutarBio还建立了一条共计超过10个生物新药的产品管线，涵盖first-in-class 和best-in-class药物靶点。其中，2个管线（乳腺癌和前列腺癌）预计于2021年下半年在美国进入临床实验，另外2个管线将于2022年初进行美国临床申报。

近日，AccutarBio宣布完成由云锋基金、Coatue、3W Healthcare Fund 参与的数千万美元的新一轮融资。据AccutarBio方面透露，公司预计至2022年底还将有多个新药产品进入临床研究阶段。

在科研机构方面



位于张江的中国科学院上海药物研究所（以下简称“中科院上药所”）也在“AI+药物研发”领域有所涉猎：基于深度学习辅助药物设计策略，设计发现了高选择性、有效的p300/CBP组蛋白小分子抑制剂；与华为等公司展开深度合作,协助开展新冠肺炎疫情期间计算机辅助药物筛选等工作。

中科院上药所成员、中科院院士蒋华良深耕“AI+药物研发”领域多年，他发掘了一系列靶标发现和药物设计新方法，被国际同行高度重视和应用，推动我国该领域研究水平进入国际前沿。他强调，药物分子设计与创新药物研究是计算机科学、信息技术以及数理科学的重要应用领域，而人工智能已经成为新药研发的核心技术。

当前，蒋院士团队在反向分子对接方法TarFisDock、反向药效团匹配方法PharmMapper以及基于序列的蛋白质-蛋白质相互作用预测方法和药物-靶标结合动力学参数理论计算方法等研究方面，已是硕果累累。

传统药企：不断加快在“AI+药物研发”领域的探索

如果说“AI+药物研发”企业多以技术优势切入一个或多个应用场景，传统药企则以组建自有技术团队或与AI技术公司合作的方式，布局“AI+药物研发”。

“AI+新药研发”目前正处于成熟的起步阶段——在张江，除了AccutarBio、中科院上药所等“AI+药物研发”企业与科研机构，包括将全球大研发中心落地张江的诺华、将亚太及中国总部设立在张江的阿斯利康以及去年7月在张江揭幕其全球最大的生命科学技术与培训合作中心的默克等跨国制药巨头也在积极布局AI在新药领域的应用——

阿斯利康曾与阿里巴巴达成合作，将包括人工智能在内的技术应用于患者诊疗。2019年，阿斯利康与计算药物发现公司Schrodinger共同建立一个平台，利用基于物理的建模和机器学习来预测分子与蛋白质结合的潜力；

诺华是麻省理工学院（MIT）药物发现和合成机器学习联盟的成员，曾与英特尔强强联合，将AI应用于高内涵筛选，此后又与微软进行合作，创建AI创新实验室，专注于针对黄斑变性的个性化疗法、细胞和基因疗法以及药物设计；

早在2012年，默克就与Numerate达成合作，合作的重点是为未命名的心血管疾病靶标生成新型小分子药物先导物。2018年，默克宣布与Cyclica合作，利用其人工智能增强的蛋白质组学筛选平台阐明作用机制，评估安全性特征，并探索用于研究小分子的其他应用。

2019年，默克在张江举办“默克杯逆合成反应预测大赛”，旨在挖掘中国优秀的数据人才和新一代数据企业。

此外，罗氏、辉瑞和葛兰素史克也纷纷加注AI技术，用以新药研发——

罗氏收购了专注于肿瘤领域的电子健康记录公司——Flatiron Health，用Flatiron海量的肿瘤数据为其提供了海量的机器学习资产；辉瑞与XtalPi（晶泰科技）合作，结合量子力学和机器学习预测药物的性质；葛兰素史克与斯特拉斯克莱德大学和诺丁汉大学的研究人员进行了合作，专注于将AI应用于合成化学……

由于“AI+药物研发”赛道上，创新公司缺少药物研发的相关数据、成熟的研发管线以及资深的药物专家，而这恰好是传统制药巨头所具备的优势。因此，大型药企和“AI+药物研发”的技术公司联合是目前主要的业务模式。

随着AI技术在医疗领域的应用价值不断得到验证，近年来，运用AI技术提升新药研发的效率已成为行业新方向。在2020年，有超过10家相关企业宣布融资，多家一线投资机构都参与其中。同时，百度、华为、字节跳动等科技巨头也相继宣布进入AI新药研发领域。

目前，AI主要应用于药物发现阶段和临床前研究阶段，其中，靶点发现是“AI+药物研发”最热门的领域，按照应用场景的发展速度来看，未来药物合成或将成自动化程度最高的方向，而来自张江的药企和AI创新企业已小步快跑，积极探索AI和药物研发相融合的无限可能。