生成式AI驅動新藥研發助力難成藥靶點開發是關鍵

《科創板日報》5月18日訊（記者 朱潔琰） 2023年以來，AI醫療的場子特別熱！ChatGPT的火爆將AI技術、生成式技術與其他行業的融合推向了新的討論及實踐高度。其中，醫藥行業是與這些革命性技術結合的重要方向，企業家、投資人在行業會議里樂此不疲地談論著。

AI醫療相關概念在資本市場上亦持續發酵，從今年年初至今，智能醫療板塊已累計上漲超15%。

事實上，AI醫療已經不是第一次爆火，這一次有什么不一樣？現在行業發展到了哪一步？還面臨哪些挑戰？這些都是市場關注的問題。

《科創板日報》記者今年以來就AI醫療領域參加了多場行業論壇，本篇文章將把記者獲取到的最新資訊以及對明星創業者、專家學者、投資人的采訪進行整理，以更有針對性的回答上述問題。

▌AI或打開創新藥研發想象空間

2021年7月，DeepMind公司與歐洲生物信息研究所（EMBL-EBI）合作開發的AI系統AlphaFold2，榮登Science雜志公布2021年度科學突破榜單榜首。其能夠預測出超過100萬個物種的2.14億個蛋白質結構，幾乎涵蓋了地球上所有已知蛋白質，在制藥界引起很大轟動。

與AlphaFold2針對已知蛋白質序列預測蛋白質結構不同，生成式AI模型可以生成全新的蛋白序列或結構。

有市場觀點認為，AI+醫藥真正的魅力體現在使不可能發現的靶點及成藥機制成為可能，拓展用于藥物研發的初始蛋白結構庫，創造新的藥物方向及增量市場。

“AI是一個持續在增長、且泛化能力更強的技術，所以我們有理由相信只要去擁抱它，可能醫療真的會變得不一樣。只是我們需要先找到問題在哪里，然后再看怎么用技術去解決這樣的問題。”啟明創投執行董事毛碩在第七屆未來醫療100強大會生成式AI與醫療健康論壇上說。

在英矽智能聯合首席執行官、首席科學官任峰看來，傳統藥物研發面臨著研發費用高、成功率低、周期長等問題。“這主要是因為目前有三方面的問題還沒有得到解決，一是沒有找到好的靶點，二是如何生成好的分子，三是如何設計好的臨床試驗方案。而這也正是AI可以起到作用的地方。”

英矽智能是全球率先將生成式AI應用于藥物發現領域的公司，已經成功賦能多款抗腫瘤候選藥物的發現和設計。

“英矽智能的AI平臺建立在生成式AI的基礎上，包括靶點發現平臺PandaOmics，分子生成平臺Chemistry42和臨床試驗結果預測平臺inClinico。另外，我們有2款已經推進到臨床階段的藥物，也均出自生成式人工智能平臺，包括一款全新機制用于治療特發性肺纖維化的候選藥物，還有一款靶向主蛋白酶的口服新冠小分子。”任峰說。

比如，英矽智能的多模態生成式強化學習平臺Chemistry42，就是建立在多年對大型生物、化學和文本數據集建模和訓練的基礎上，包括42個生成式AI模型和超過500個用于評分的預測模型，幫助研究人員通過基于結構的藥物設計（SBDD）和基于配體的藥物設計（LBDD）思路，利用尖端深度學習技術從頭開始生成具有所需特性的分子。

據任峰介紹，這42種生成式AI模型包含了生成式對抗網絡（GANs）、自注意力機制為基礎（Transformer-based）的知識圖譜、大型自然語言模型等多種可生成虛擬分子結構的算法；而預測模型可以判斷每種模型所生成的候選分子是否達到所需特性，包括分子的成藥性、穩定性、靶點選擇新、是否有晶型鹽型等等。

“我們還會利用強化學習對生成未達標分子結構的生成算法進行懲罰，反之進行獎勵，通過這種過濾機制去掉不準確的分子。這與ChatGPT的強化學習（RLHF）模型是一樣的道理。”任峰說。

深勢科技聯合創始人兼CEO孫偉杰也認為，AI可以幫助新藥研發做到過去做不了的事。深勢科技是AI for Science的標桿企業，該公司曾在18個月內連續完成四輪融資。深勢科技開創性地提出了「多尺度建模+機器學習+高性能計算」的革命性科學研究新范式，并推出了Bohrium?微尺度科學計算云平臺、Hermite?藥物計算設計平臺、RiDYMO?強化動力學平臺及電池材料計算設計平臺等微尺度工業設計基礎設施，顛覆了現有研發模式，打造“計算引導實驗、實驗優化設計”的全新范式。

AI for Science 簡單來說就是用 AI 去學習一系列事物底層運作的科學規律。

孫偉杰表示：“ AI for Science 也已經進入到預訓練模型時代了，那 AI for Science 所處的行業階段差不多相當于 LLM 在 2018 年左右的時候個階段。因為我們可以發現 AI for Science 的預訓練模型，它的能力要遠遠超過我們任何一個細分的科學問題上的小模型，那說明整個領域的發展正在變成由預訓練模型來驅動的。”

“比如一些難成藥的靶點，現在可以開發了。以深勢科技RiDYMO?平臺為例，就可以對蛋白動態構象進行充分采樣，探索全新的隱藏/別構口袋，誘導形成可藥口袋，助力難成藥靶點的理性開發。其實這本質上是把一個生命科學的問題，轉化成了計算工程的問題。”孫偉杰說。

孫偉杰表示：如果說 GPT 是一個通識的文科生， AI for Science 就是一個硬核的理科生，它可以求解一系列復雜的物理方程，可以去推演在微觀層面電子、原子分子的運動和變化，來幫助我們做藥物研發等各種場景。所以說，AI for Science 可以說是我們研究我們的客觀世界一個基礎的 AI 的預訓練模型。

▌合作生態逐步成熟

近年來，AI制藥行業定位更多元化，越來越垂直和深入到細分領域中解決實際問題，思考也在迭代。企業也開始更清楚AI在各環節可以發揮的作用和自身戰略定位。

在2020年后，可以看到藥企對AI制藥的態度從謹慎轉變到更大規模的合作。

進入2022年，晶泰科技與正大天晴等傳統藥企陸續達成合作，將共同研發新一代抗腫瘤藥物；英矽智能則與復星醫藥建立了管線共同開發的合作；深勢科技也與翰森制藥達成合作，共同推動后者小分子的藥物研發工作，并于近日與上海交通大學藥學院、晶泰科技等達成戰略合作共同推進AI for Science 在藥物設計中的實踐。

圖|國內2021-2022年藥企+AI合作一覽，資料來源：智藥局，浙商證券研究所

此外，多家CXO上市公司也先后披露了AI布局情況。CXO公司紛紛通過自建及合作、投資等方式豐富了自身的AI+服務平臺，相關公司包括成都先導、藥石科技、泓博醫藥、藥明康德、美迪西、皓元醫藥等。

一位CXO企業負責人對《科創板日報》記者表示，現在他們對于AI對新藥的發現及生產的幫助是絕對肯定的，“我們公司也引入了AI，并且會向客戶做介紹。”但同時他也認為，AI是一種技術和手段，可以擁抱，但完全依賴于這個技術不太可能。

▌還有哪些挑戰？

當然，AI技術與醫藥行業的結合，目前仍有很多挑戰和問題需要克服。

啟明創投執行董事毛碩指出，這其中就包括數據安全、數據共享、患者隱私、倫理等一系列問題，相關的法律基礎、社會制度及政策都亟待發展。

“比如，AI導致的錯誤或風險怎么辦，我們如何讓監管層放心企業使用AI技術。這是談AI技術與醫藥行業融合要關注的一個重要問題。如果這些方面沒有實質性進展，AI技術在醫藥行業的普及是要受到挑戰的。”毛碩說。

另在置身于產業中的孫偉杰看來，AI for Science基礎設施建設需要的要素也還不夠成熟。

首先是跨學科人才的緊缺，AI方面的人才、科學計算的人才、大規模工程建設的人才、基礎學科領域的研究人員等，他們得緊密地配合，才能完成基礎設施建設。

其次是硬件上的挑戰，如果要達到大規模工程化體系，相應對于芯片、網絡、存儲等方面的需求也要跟上。

最后落到應用端上，即要找到適合用AI求解的問題。這即需要在底層算法上進行持續創新，也需要和制藥企業一道對 AI for Science 新范式下的藥物研發流程進行重新思考和實踐驗證。