本期发布:
疫情之下全球AI制药实现加速跑
近年来，人工智能（AI）加速助力新药研发，几乎参与了从药物靶点发现到临床试验全流程。在新冠肺炎疫情期间，多款药物问世背后也都有AI“身影”，全球“AI制药”实现加速跑。
疫情成“AI制药”试验场
新冠肺炎疫情为“AI制药”提供更多试验机会。疫情期间，AI技术被用于加速新冠小分子药物、抗体药和疫苗的研发进程，满足了大流行对药物的急迫需要。
今年5月，总部位于中国香港的AI创新药研发公司英矽智能利用其AI药物研发平台发现了靶向新冠病毒主蛋白酶（3CL）的口服抑制剂。此外，首个获美国食品和药物管理局批准的新冠口服药——辉瑞公司的奈玛特韦/利托那韦组合，也是在“MareNostrum4”超级计算机的AI算法帮助下发现的。
除发现新药，AI也加速了“老药新用”。2020年英国善心人工智能公司就宣布通过其AI平台，发现美国一款风湿药巴瑞替尼可用于治疗新冠。
“在疫情初期无药可医的困境下，AI对现有药物的再利用缓解了危机，也为新冠疫苗和药物的研发起到了缓冲。”英矽智能联合首席执行官任峰对记者说。
AI还有助优化疫苗研发。德国生物新技术公司正与AI初创公司InstaDeep合作，预测下一个新冠病毒高风险变异株，以使其mRNA疫苗平台能进行预判。有关算法已提前识别出包括奥密克戎在内的多种受关注变异株。
助力突破“反摩尔定律”
目前，AI可谓掌握“十八般武艺”，已可赋能药物研发不同阶段，涵盖靶点发现、老药新用、化合物筛选、分子设计及优化、临床前实验结果预测、患者招募分组等。
近年来，由于药物获批上市难度越来越大、制药成本高涨、同质化竞争等因素影响，传统制药方式深陷“反摩尔定律”，即尽管制药公司几十年来不断增加投资，但投资10亿美元得到的上市新药数目每9年就减少一半。任峰说，AI可帮助突破“反摩尔定律”，加速药物研发的关键步骤，如靶点发现、化合物设计与生成、临床试验设计与结果预测等，从而缩短研发周期、降低研发成本，提高成功率。
药物研发通常周期长（需10年到15年）、投入高（大于10亿到20亿美元）、成功率低（小于10%），需要先对数万个小分子进行测试筛选，最后只有少数几个能推进到临床研究，AI则可大大加快这一进程。据英国AI制药公司埃克赛恩希亚公司的数据，AI将项目立项推进到临床前候选化合物的时间，从平均4年半缩短至约13.7个月。
主攻智能药物设计平台的公司圆壹智慧创始人兼首席执行官潘麓蓉认为，AI通过对分子、细胞、器官、动物、临床等不同层面数据的整合、分析，不仅可提升研发流程效率，更可促进整体行业认知水平和方法论的提升。
“新旧融合”的挑战与风险
当下，传统跨国药企、大型科技公司和生物科技初创企业均加速布局“AI制药”，多个由AI发现和设计的药物分子已进入临床试验。但一些传统药企对拥抱数字化有抵触，而AI领域却强调
“开放”，二者结合
仍需长期磨合。
西湖欧米（杭州）生物科技有限公司创始人郭天南说，制药是保守领域，目前巨头制药公司改变框架较难，传统药企做创新成本很高，反而新创建的公司会崭露头角，行业面临重新洗牌。
据“AI制药”智库“智药局”统计，截至6月20日，全球共有26家企业的51个由AI辅助进入临床Ⅰ期的药物管线。其中，美国企业占多数，有英矽智能、未知君、冰洲石生物3家中国企业上榜。
日本制药企业武田亚太研发中心负责人王璘对记者说，中国发展“AI制药”有得天独厚优势。一方面，中国人口基数庞大，医院规模可观，更利于搜集用于训练AI的大数据。其次，中国大量的医药研发合同外包服务机构便于药企平行开展多项试验，方便AI学习比对不同结果。
王璘说，部分中国企业发展出自有专利的开发平台，甚至开始探索在全球尚未有企业涉足的前沿领域，如小分子晶体结构预测、原发药物设计等。
（据新华社）
疫情成“AI制药”试验场
新冠肺炎疫情为“AI制药”提供更多试验机会。疫情期间，AI技术被用于加速新冠小分子药物、抗体药和疫苗的研发进程，满足了大流行对药物的急迫需要。
今年5月，总部位于中国香港的AI创新药研发公司英矽智能利用其AI药物研发平台发现了靶向新冠病毒主蛋白酶（3CL）的口服抑制剂。此外，首个获美国食品和药物管理局批准的新冠口服药——辉瑞公司的奈玛特韦/利托那韦组合，也是在“MareNostrum4”超级计算机的AI算法帮助下发现的。
除发现新药，AI也加速了“老药新用”。2020年英国善心人工智能公司就宣布通过其AI平台，发现美国一款风湿药巴瑞替尼可用于治疗新冠。
“在疫情初期无药可医的困境下，AI对现有药物的再利用缓解了危机，也为新冠疫苗和药物的研发起到了缓冲。”英矽智能联合首席执行官任峰对记者说。
AI还有助优化疫苗研发。德国生物新技术公司正与AI初创公司InstaDeep合作，预测下一个新冠病毒高风险变异株，以使其mRNA疫苗平台能进行预判。有关算法已提前识别出包括奥密克戎在内的多种受关注变异株。
助力突破“反摩尔定律”
目前，AI可谓掌握“十八般武艺”，已可赋能药物研发不同阶段，涵盖靶点发现、老药新用、化合物筛选、分子设计及优化、临床前实验结果预测、患者招募分组等。
近年来，由于药物获批上市难度越来越大、制药成本高涨、同质化竞争等因素影响，传统制药方式深陷“反摩尔定律”，即尽管制药公司几十年来不断增加投资，但投资10亿美元得到的上市新药数目每9年就减少一半。任峰说，AI可帮助突破“反摩尔定律”，加速药物研发的关键步骤，如靶点发现、化合物设计与生成、临床试验设计与结果预测等，从而缩短研发周期、降低研发成本，提高成功率。
药物研发通常周期长（需10年到15年）、投入高（大于10亿到20亿美元）、成功率低（小于10%），需要先对数万个小分子进行测试筛选，最后只有少数几个能推进到临床研究，AI则可大大加快这一进程。据英国AI制药公司埃克赛恩希亚公司的数据，AI将项目立项推进到临床前候选化合物的时间，从平均4年半缩短至约13.7个月。
主攻智能药物设计平台的公司圆壹智慧创始人兼首席执行官潘麓蓉认为，AI通过对分子、细胞、器官、动物、临床等不同层面数据的整合、分析，不仅可提升研发流程效率，更可促进整体行业认知水平和方法论的提升。
“新旧融合”的挑战与风险
当下，传统跨国药企、大型科技公司和生物科技初创企业均加速布局“AI制药”，多个由AI发现和设计的药物分子已进入临床试验。但一些传统药企对拥抱数字化有抵触，而AI领域却强调
“开放”，二者结合
仍需长期磨合。
西湖欧米（杭州）生物科技有限公司创始人郭天南说，制药是保守领域，目前巨头制药公司改变框架较难，传统药企做创新成本很高，反而新创建的公司会崭露头角，行业面临重新洗牌。
据“AI制药”智库“智药局”统计，截至6月20日，全球共有26家企业的51个由AI辅助进入临床Ⅰ期的药物管线。其中，美国企业占多数，有英矽智能、未知君、冰洲石生物3家中国企业上榜。
日本制药企业武田亚太研发中心负责人王璘对记者说，中国发展“AI制药”有得天独厚优势。一方面，中国人口基数庞大，医院规模可观，更利于搜集用于训练AI的大数据。其次，中国大量的医药研发合同外包服务机构便于药企平行开展多项试验，方便AI学习比对不同结果。
王璘说，部分中国企业发展出自有专利的开发平台，甚至开始探索在全球尚未有企业涉足的前沿领域，如小分子晶体结构预测、原发药物设计等。
（据新华社）