近日,，據(jù)媒體報道,，美國華盛頓大學(xué)戴維·貝克教授團(tuán)隊在《細(xì)胞》雜志上發(fā)表論文，利用人工智能（AI）技術(shù)平臺精準(zhǔn)地從頭設(shè)計出能夠穿過細(xì)胞膜的大環(huán)多肽分子,，開辟了設(shè)計全新口服藥物的新途徑,。

近年來，AI加速助力新藥研發(fā),，幾乎參與了從藥物靶點發(fā)現(xiàn)到臨床試驗的全流程,。在新冠肺炎疫情期間，多款藥物問世背后也都有AI的身影,，全球AI制藥產(chǎn)業(yè)實現(xiàn)加速跑,。

AI融入藥物研發(fā)各個環(huán)節(jié)

“AI一詞是約翰·麥卡錫在1956年達(dá)特茅斯會議上提出的，用來描述‘制造智能機(jī)器的科學(xué)和工程’,。AI差不多也是在這個時候被引入到藥物研發(fā)領(lǐng)域的,。”南開大學(xué)藥學(xué)院教授林建平介紹,，1964年,，定量構(gòu)效關(guān)系建模領(lǐng)域的建立成為AI開始用于藥物研發(fā)的標(biāo)志。

如今,，AI在藥物研發(fā)中發(fā)揮著越來越重要的作用,，并與藥物研發(fā)的各個環(huán)節(jié)緊密結(jié)合。

一款藥物從無到有，要歷經(jīng)漫長且坎坷的過程,。其中主要包括4個研發(fā)階段,，即靶標(biāo)選擇和驗證、化合物篩選和先導(dǎo)優(yōu)化,、臨床前研究以及臨床試驗,。而每一個階段又涉及到許多具體環(huán)節(jié)。

林建平舉例說,，比如在靶標(biāo)選擇和驗證階段,，需要確定疾病相關(guān)的靶標(biāo)。根據(jù)傳統(tǒng)實驗去確定靶標(biāo),，既費(fèi)時成本又高,，而使用AI技術(shù)并結(jié)合已有的組學(xué)大數(shù)據(jù)，根據(jù)已知的以及新產(chǎn)生的實驗數(shù)據(jù),，就可以快速分析出潛在候選靶標(biāo),，節(jié)約時間和成本；或在已知先導(dǎo)化合物的功效,，但是缺少明確靶標(biāo)而導(dǎo)致具體作用機(jī)制和副作用不明確時,，AI可以大范圍預(yù)測靶標(biāo)，縮小候選靶標(biāo)的范圍,，最后結(jié)合實驗手段快速定位真正的靶標(biāo),。“AI幫助藥物研發(fā)者快速找到靶標(biāo),，加快先導(dǎo)化合物向藥物轉(zhuǎn)化的進(jìn)程,。”林建平介紹,。

對于已有的藥物,，AI同樣可以通過靶標(biāo)預(yù)測，發(fā)現(xiàn)新的靶標(biāo),，從而發(fā)現(xiàn)新的藥物適應(yīng)癥,，這也是一個非常熱門的領(lǐng)域——藥物重定位。

在最重要的臨床試驗階段,，AI的應(yīng)用也起到了事半功倍的效果,。“在這一階段,，需要在患者身上評價藥物的安全性和有效性,，AI可以參與到患者的招募、臨床試驗設(shè)計以及試驗結(jié)果數(shù)據(jù)分析等,?！绷纸ㄆ脚e例,，比如可以通過AI技術(shù)從過去的臨床患者中，提取患者的個人特征,、癥狀,、治療效果等數(shù)據(jù)，找到最匹配當(dāng)前試驗的患者,；試驗設(shè)計上,，AI可以預(yù)測合適的藥物劑量、治療方案等,；而試驗數(shù)據(jù)上,，可以采用AI技術(shù)跟蹤和管理患者的實時情況，預(yù)測患者預(yù)后情況等,。

AI大大縮減藥物研發(fā)成本

一個新藥的誕生，通常需投入10億甚至數(shù)10億美元,，研發(fā)周期一般超過10年,，成功率卻低于10%。而由于AI的加入,，如今的藥物研發(fā)成本減少了上億美元,，同時也大大縮短了研發(fā)時間，一般來說可以縮短一半以上,。例如,，AI將臨床前候選化合物的研發(fā)時間從平均4年半縮短至約13.7個月，縮短了近75%,。

此外,，AI還提高了藥物研發(fā)的成功率?！巴ㄋ字v,，藥物研發(fā)實際上是一個試錯的過程，AI可以幫助我們排除大量錯誤,，最后留給我們的就是更大的成功機(jī)會,。”林建平說,。

正是由于AI制藥具有對傳統(tǒng)制藥碾壓式的優(yōu)勢,，使得AI制藥產(chǎn)業(yè)在全球發(fā)展壯大。目前,，AI制藥產(chǎn)業(yè)發(fā)展可概括為三大階段：第一個階段,，AI制藥公司初步形成，主要針對某個階段的藥物研發(fā)提供AI技術(shù)服務(wù),；第二個階段,，AI制藥公司開發(fā)了成熟的研發(fā)管線，并且開發(fā)的藥物進(jìn)入臨床驗證，這一階段將吸引大量資本和初創(chuàng)企業(yè)加入,；而第三階段,，則進(jìn)入到關(guān)鍵的臨床Ⅱ期藥效性實驗，真正證明AI研發(fā)藥物的有效性,。

“目前全球AI制藥產(chǎn)業(yè)已步入第三個發(fā)展階段,。”林建平說,。

我國AI制藥起步較晚,，尚處于第二個階段?！暗菄鴥?nèi)的AI制藥產(chǎn)業(yè)發(fā)展速度非?？欤鞔蠡ヂ?lián)網(wǎng)巨頭以及一些大型藥企均開始布局AI制藥賽道,，當(dāng)然還包括一些初創(chuàng)公司,。”林建平表示,。

據(jù)統(tǒng)計,，目前國內(nèi)已有超過60家AI制藥公司，去年我國AI制藥融資規(guī)模達(dá)12.36億美元,，同比增長163.54%,。

AI制藥存在諸多挑戰(zhàn)

可以說，AI已經(jīng)滲透到藥物研發(fā)領(lǐng)域的各個環(huán)節(jié),，促進(jìn)了醫(yī)藥產(chǎn)業(yè)的升級,，在未來極有可能帶來制藥產(chǎn)業(yè)的變革。隨著目前AI制藥產(chǎn)業(yè)的發(fā)展,，在不久的將來,，我們可能很快會迎來第一款A(yù)I技術(shù)研發(fā)的創(chuàng)新藥物。在期盼之余,，很多人也對AI研發(fā)的藥物是否具有風(fēng)險心存疑慮,。

“目前來說，我們利用AI研發(fā)的藥物的風(fēng)險與傳統(tǒng)的藥物研發(fā)風(fēng)險是一樣的,，包括藥物的副作用,、毒性、耐受性等,?！绷纸ㄆ浇忉屨f，由于目前AI在藥物研發(fā)中大多起著輔助作用,，最后仍舊需要經(jīng)過真實的試驗去驗證其安全性和有效性,，需要專家去做評定,，所以在風(fēng)險性上與傳統(tǒng)研發(fā)藥物相同。但是這樣做也帶來了另一個問題,，制藥行業(yè)仍以專家經(jīng)驗為基礎(chǔ),，成為制約AI制藥發(fā)展的最大阻礙?！爸猿霈F(xiàn)這種現(xiàn)象,，主要是由于對AI技術(shù)助力制藥的不信任?！绷纸ㄆ秸J(rèn)為,，隨著接下來幾年AI藥物的成功上市，這個問題必將得到解決,；另一方面,，目前AI在藥物研發(fā)全流程中，仍然扮演著輔助工具的角色,，沒有占據(jù)主導(dǎo)地位,，這也就決定了AI制藥產(chǎn)業(yè)難以獲得飛躍式發(fā)展。

而且,，AI技術(shù)仍在發(fā)展中，數(shù)據(jù),、算法,、算力上的突破也需要一定的時間。如數(shù)據(jù)量不足,、數(shù)據(jù)質(zhì)量參差不齊,，算法精度不高、算法無法滿足需求等,，都為AI在藥物研發(fā)和應(yīng)用上帶來了困難,。

此外，AI制藥還面臨許多其他挑戰(zhàn),。比如生命領(lǐng)域的基礎(chǔ)理論研究還有很多沒有解決的問題,；再比如復(fù)合型人才的缺少，“懂計算的不懂制藥,，懂制藥的不懂計算”,，如何更好地把生物問題轉(zhuǎn)化為計算問題，然后用數(shù)字手段去解決,，這需要大量復(fù)合型人才的參與,，而這一類人才的培養(yǎng)也是極其耗時的。

相關(guān)鏈接

超算驅(qū)動現(xiàn)代藥物研發(fā)產(chǎn)業(yè)發(fā)展

隨著AI技術(shù)的不斷發(fā)展,，AI藥物研發(fā)的進(jìn)程也在“提速”,。

此外,，超級計算平臺在現(xiàn)代藥物研發(fā)中也發(fā)揮著日益強(qiáng)勁的驅(qū)動作用，特別是伴隨著“天河”等新一代超級計算機(jī)的研制成功,，百億級虛擬藥物篩選,、大規(guī)模全原子分子動力學(xué)模擬、大規(guī)模AI預(yù)訓(xùn)練模型等計算和智能技術(shù)為現(xiàn)代藥物研發(fā)創(chuàng)新帶來新機(jī)遇,、新發(fā)展,。

目前天河超級計算平臺支撐了數(shù)十家機(jī)構(gòu)、上百個研發(fā)團(tuán)隊開展高性能計算支撐的虛擬藥物研發(fā)工作,，取得了良好的成效,。國家超級計算天津中心高性能計算部部長康波表示，超算團(tuán)隊將基于天河新一代超級計算機(jī),，研發(fā)物理生化模型與人工智能結(jié)合的藥物設(shè)計新方法,，構(gòu)建計算機(jī)輔助藥物設(shè)計研發(fā)核心鏈條聚合機(jī)制，探索算數(shù)融合,、藥工結(jié)合,、研用協(xié)同的信創(chuàng)數(shù)字?jǐn)?shù)值裝置模式，研制面向創(chuàng)新藥物發(fā)現(xiàn)的虛擬實驗室,，實現(xiàn)超算驅(qū)動現(xiàn)代藥物創(chuàng)新發(fā)展的綜合支撐能力,。

（編輯：月兒）