Nature reviews Drug Discovery 2015年1月的文章,講Eli1新藥研發模式在新藥研發中的經驗。Chorus: 是Eli Lily下的機構,屬于10年前各大藥企希望提高研發成功率的創新舉措下的產物。
有幾個數據:
1.Chorus10年終總共有15-17個項目開發,這些項目都來自Lily,而且大多數是Lilly不看好的項目,所謂"below the radar“或者“deprioritzied assets“。十年中,總共有23%的項目進入了臨床III期,這個數據已經比行業平均成功率高(粗略估算行業平均數據,傳統研發歷經同樣的階段后,大約只有16%的項目能進入臨床III期)。考慮到這些項目本身不算優質,這個成功率就很好看了。
2.時間:經歷同樣階段的研發,行業平均數據需要48個月,4200萬美元;Chorus只需要2個月,630萬美元。而根據文中提供的數據,一個新藥每晚1年上市,會造成10億美元的收入損失。因此Chorus模型不僅在研發效率和成本上遠遠高于傳統研發,還為公司創造了額外的收益。
那么為何Chorus模式能區別于傳統研發?
1. 集中研發計劃,盡快解決最關鍵的不確定性(killerexperiment),比如在藥代有缺陷的分子和結果未能達標的分子(原文舉例說明);原文也提到臨床前研發結果有時候看起來很好,但是如果未經統計學驗證其有效性,在后續研發中多半要吃癟;如果動物模型無效,那人身上多半無效。另外,原文也提到他們從lily接手項目前,希望Lily能提供足夠的POM(Proof of Mechanism)數據: apparent windowbetween target engagement, safety limits, practical dose regimen, manageabledegree of PK/PD variablity. 雖然在進入這個階段前,研發數據可能不全面,但是有問題的分子應該中止研發,如輝瑞所提出的存活三要素:fundamental PK/PD principles of exposure at the site of action,target bindling and expression of functional pharmacological activity. 這些要素決定了項目能否最終通過臨床試驗。引入可比藥物PD數據對比,也有助于判斷項目是否繼續。總之將風險和判斷都前移。而POC的研究結果,數據必須提供足夠的有效性和安全性以決定項目的進程。
2. 保持項目研發的公正性(所謂truthseeking)。對此我的理解是,大藥企也是人所組成,也有部門的利益糾葛,再加上當項目的研發進展牽扯到公司市值管理和資本市場預期后,就會出現II期結果不好的項目仍然強上III期,最后慘敗的結局(AZ和Lily這幾年都有III期項目終結的例子,而那幾個項目照我的理解是因為對靶點的機制理解仍然不夠,現有假說有缺陷)。此外文中還提到Chorus模式下,并不急于在早期就確定適應癥和靶點人群,而是驗證靶點機制的清晰有效,至于靶點的人群和適應癥,是Chorus和Lily談判討論決定。
3.對驗證臨床假說無直接相關的研發,推遲進行(限制所謂的平行進展),直到關鍵風險釋放后。以避免不必要的開支。
4. 人員組成小而富有經驗:整個Chorus模式下,只有40人。并且整個組織扁平化,避免層次匯報造成的拖延和官僚扯皮,避免管理上的遺漏。盡可能外包不關鍵的研發。研發工作設立標準流程(SOP)。允許人員在采購和外包上有獨立簽署合同的權利。
Chorus的團隊構成:
團隊人員都具有豐富經驗,并涵蓋了多個專業方向。在組織結構上做到單一層級匯報并由此人統一向Lily匯報。單個項目由一個兩人小組負責,兩人小組里一人負責科學層面,有早期藥物研發和設計臨床試驗的背景;另一人負責臨床試驗管理,供應商管理。此二人負責時間、預算、并與別的組員合作。此二人小組同時負責3個項目的進展。并且得到別的成員的支持;另外Chorus模式會從外部尋求包括療效和功能方面的人員的支持,甚至包括藥物的合成,也是外包完成。
有趣的是,Chorus模式如此富有成效,此模式的創建者和曾經的直接負責人Steven M Paul卻在2-3年前離開Lily,據說是公司政治的結果。而Chorus模式最初的40人里,有20人已經離開,自己成了一個bio-tech 的基金。
所以難怪此文的作者會在學術期刊里寫出下列文字:Chorus model .....provide clear evidence to refute the decade-longmyth that the chorus....creates value in short term ....only destroyvalue...... 并且在原文中直接指出,大型機構本身是反創新的,實際上讀完此文。我的粗淺體會:
1. 藥物開發必須尊重客觀規律,尊重科學事實,對靶點不清晰,機制不明確的藥物就應該盡早中止。
2. 大型藥物公司的傳統模式里,人員組織層級的臃腫是藥物研發進程緩慢的主要原因,公司政治更加惡化了這一局勢。如果這一點不改變,藥物研發高成本的趨勢不會好轉。
反過來,不知道是否可以把今日如日中天的celgene的商業模式,看成是強化放大版的Chorus?
各大模型開發企業,各有關單位:為深入貫徹落實自治區黨委、政府關于“人工智能+”行動的決策部署,積極推進人工智能賦能千行百業發展,廣西科技廳聚焦特色優勢產業,圍繞行業龍頭企業亟待解決的關鍵技術難題,遴選......
國家知識產權局辦公室關于印發《知識產權數據使用手冊及開放目錄》的通知國知辦函服字〔2025〕153號各省、自治區、直轄市和新疆生產建設兵團知識產權局,各地方有關中心:為促進知識產權數據開發利用,提高知......
2月23日,記者從海南醫科大學獲悉,該校熱帶醫學院楊國靜教授團隊近日在國際醫學期刊《英國醫學雜志》在線發表論文《中國被忽視熱帶病負擔估計的差異:真實世界數據與GBD2021的比較研究(2004—202......
關于2025年度湖南省自然科學基金項目立項的通知各市州科技局、財政局,省直管試點縣市科技行政主管部門、財政局,省直有關部門,湘江新區管委會,國家高新區管委會,中央駐湘高校和科研院所,省屬本科院校和科研......
人工智能(AI)初創公司xAI創始人埃隆·馬斯克近日表示:“在AI訓練中,我們現在基本上耗盡了人類知識的累積總和。”之前研究也表明,人類生成的真實數據將在2到8年內消耗殆盡。鑒于真實數據日益稀缺,為滿......
12月28日,由人民數據開發的“數融平臺”正式上線試運營。平臺整體依托區塊鏈、人工智能和企業經營相關數據要素,實現鏈上信息全透明、全上鏈,實現數據資產情況全穿透,實時追蹤一手風控數據,對潛......
隨著新一輪科技革命和產業變革深入發展,數據作為關鍵生產要素的價值日益凸顯。五部門:制定數據產業發展促進政策近日,國家數據局聯合中央網信辦、工業和信息化部、公安部、國務院國資委印發了《關于促進企業數據資......
2024年12月3日,自然科學基金委管理科學部、信息科學部在北京召開專項項目“數據市場制度設計與關鍵技術”評審會議。自然科學基金委黨組成員、副主任江松院士出席會議并講話。國家數據局政策與規劃司副司長欒......
2024年度國家自然科學基金指南引導類原創探索計劃項目“數據流通市場的基礎理論與治理方法”項目指南以數據要素為核心引擎推動數字經濟深化發展,有利于構建新發展格局、建設現代化經濟體系、構筑國家競爭新優勢......
設立創新聯合體產學研聯合基金、實施重點規上工業企業研發獎補、提高科技貸損失補償比例、實行惠企經費直撥制度……日前,省科技廳聯合省財政廳等部門共同印發《科技助企惠企政策新十條(試行)》(以下簡稱《新十條......