AI制药公司英矽智能宣布或将新药成本「降低380倍」

未来十年，中国将成为全球药物创新的重要力量，中国将成为初级药物创新的引领者和推动者。

你能想象医药行业的法律与十年十亿美元有一天会把这两个数字缩短到十八个月和260万美元？

这件事，在AI技术的帮助下，真的成真了。

近日，AI制药公司赢驷智能宣布，将利用人工智能技术发现特发性肺纤维化药物的新机制，这是全球具有里程碑意义的事件。

硅智首席科学官任峰博士表示，我们通过人工智能找到了适应证广泛的创新治疗靶点；同时通过人工智能产生了一种全新的小分子化合物，并将这种化合物推向临床候选化合物。

据雷锋网报道。com，目前该化合物已通过体外试验和体内试验，即将进入临床研究阶段。目标是在今年年底将临床候选化合物推向临床。

3月2日，祁鸣创投、创新工场、赢驷智能联合举办线上高端对话3354 from AI+医疗数字化医疗：机遇与挑战。

祁鸣创投管理合伙人梁佳玉女士、创新工场董事长兼首席执行官李开复博士、silicon Intelligence创始人兼首席执行官Alex Zhavoronkov博士、首席科学官任峰博士共同探讨了silicon Intelligence与医药行业的前景。

制药行业普及的困难

新药的研发是人类发展中最复杂、风险最大、耗时最长的技术研究领域之一。

要发现一种药物，需要很多高智商、高技能的生物、化学、医学方面的专家。整个过程耗时数十年，耗资数十亿，失败率超过90%。

2020年，FDA共批准了53种新药，其中35种是小分子药物，是历史上批准新药数量最多的一年。

而且这类药物很多都是针对已知的分子靶点，能在广泛的适应症范围内发现新的分子作用于新的靶点是极其罕见的。

Silicon Intelligence首席科学官任峰博士表示，制药行业面临几个常见的痛点：

一、如何找到合适的靶点或全新的靶点来治疗某种疾病？

二是找到靶点后，如何发现或发明全新的化合物，从而推向临床。

再次，如何设计一个好的临床方案，减少临床不可预测性？

药物研究效率低主要是因为生物系统的巨大复杂性和对人性的认识有限。这些客观因素决定了药物研发是一个壁垒极高的行业。

然而，药物研发的另一个重要因素。D 烧钱是次优R & amp研发过程。

大型制药公司复杂繁琐的工作流程，以及药物研发过程不同阶段之间明显的脱节。

传统流程中，生物研究由一家公司完成，化学研究由另一个部门甚至另一家公司牵头，后续的临床研究由另一个部门或机构进行。

Si Intelligent表示，在这些阶段的过渡中，例如从目标验证到发现新兴化合物的过渡，可能会失去许多好的想法和巨额投资。

AI为什么能在医药行业有所作为？

这是因为当前人工智能的发展依赖于数据，尤其是高质量的大数据集。药物发现过程的每一步都会产生大量的数据，这些数据为现代人工智能技术的发展奠定了基础。

尤其是在疾病假设和目标识别阶段。

深度学习模型和自然语言处理技术在大型复杂多维数据集建模中的作用，如基因组学、蛋白质组学、临床数据、目标结构数据和非结构化文本(研究论文、专利、研究基金等。)已经被大多数研究者证明是有用的。

去年12月，DeepMind的子公司AlphaFold2破解了蛋白质折叠预测问题，这可以算是新型人工智能药物。

这个困扰了生物学50多年的重大问题正在被AI解决，AlphaFold 会改变一切。

因此，自去年以来，多家AI制药公司相继获得大规模融资，其技术也被许多制药和生物技术公司广泛采用，用于虚拟筛选或数据分析等特定任务。

不过，在网上的对话中，李开复也表示，AlphaFold在非常困难的蛋白质折叠问题上有超越人的能力。但是，坦率地说，那就是在某一点上超越人。新药研究和开发的整个过程仍然是一系列连接不良的阶段，没有从错误中学习的全面有效的反向传播要素。"

他提到的是脱节研发问题；前面提到的d流程。

李开复补充道，只有将人工智能应用于药物发现的各个阶段，构建从假设到临床前和临床阶段的一体化体系，才能实现真正颠覆性的转变。"

英国硅智能的人工智能故事

回到这一次的成就英国硅智能公司。

在疾病的选择上，英汉智能的切入点比较好：特发性肺纤维化(IPF)。这是一种普遍的疾病，局限于肺部，常见于中老年人。随着疾病的发展，病人他的健康状况逐渐恶化，这可能危及他的生命。

目前特发性肺纤维化的治疗非常有限，目前的药物为吡非尼酮和尼达尼。

第一年，这两种化合物可以减缓用力肺活量的下降，但对血氧饱和度无明显改善，药物存在明显缺陷。

尽管如此，这两种药物的销售额在2019年也达到了30多亿美元。

自2016年以来，赢驷智能在药物设计中开发了生成对抗网络(GAN)技术。

从实现的过程来看，赢驷智能利用深度神经网络基于年龄和不同类型的纤维化进行训练，找到了新的生物靶点，生成了一种新的小分子，可以作用于特发性肺纤维化(IPF)这种非常难治的疾病。

据《医健AI掘金志》介绍，英硅智能的人工智能系统包括生物问题求解引擎PandaOmics和复合生成引擎Chemistry42。

两个系统相互配合，集成了数百个人工智能模型，每个模型负责一项特定的任务。

PandaOmics被用来寻找一个可以作用于广泛适应症的新靶点。基于这一新发现的靶点，Chemistry42 platform设计了一类新的小分子抑制剂。

此外，AI平台还包括一个临床试验结果预测引擎InClinico，用于预测临床研究的成功率，指导正确的临床研究计划。

为了成功获得临床前候选药物，Insilico设计合成了不超过80个分子，其中有几个达到了临床前候选药物的水平，这是迄今为止前所未有的命中率。

而且，整个R & ampd的过程只需要18个月，而R & ampd造价相当于同类工程的十分之一。

这样的成就已经相当惊人了。

其实早在两年前，英国硅智的AI技术就已经显示出了巨大的潜力。

2018年，赢驷智能发表研究，公开了首个由纠缠条件自动编码器(ECA AE)纠缠条件自动编码器产生的JAK3抑制剂，并进行了实验验证。

当时，赢驷智能的引擎已经能够对G蛋白偶联受体和其他目标类别实现合理的命中率。

2019年，赢驷智能仅用21天就预测出了一个众所周知的纤维化疾病的靶分子，并成功在体外和体内验证了该预测。

研究成果发表在《自然-生物技术》期刊上，得到了资深新药发现专家和研究人员的反馈。

艾药业的中国创新

2019年，赢驷智能完成B轮融资3700万美元，由祁鸣创投领投，投资方包括Stowe Capital、F-Prime Capital、Lilly Asia Fund、创新工场、百度创投、兰亭投资、BOLD Capital Partners等投资方(含A轮投资方)。

自成立以来，Insilico Medicine已经发表了150多篇论文，并在100多个会议上公开分享了多项成果。

在成立之初，赢驷情报局也曾受到质疑。

例如，早期的模型用于生成不够多样的分子，或者不容易合成的分子，并且目标为公众所熟知，或者容易被已知的新兴化合物优化。

不过几年后，随着深度学习模型的丰富，这样的问题也在逐渐解决。

在对外合作方面，Silicone Intelligence还赢得了许多大制药公司的名单，包括默克公司、辉瑞公司、勃林格殷格翰公司、阿斯利康让桑制药公司、强生公司的子公司；强生制药等。

2020年11月，赢驷智能将Chemistry42生成化学人工智能平台整合到默克公司的高性能计算基础设施，实现快速高效的药物设计。

祁鸣创投管理合伙人梁玉玉表示，AI在医疗领域最早大规模应用的是AI图像，这也得益于AI图像识别技术的成熟。

但是还有很多领域没有涉及到AI，很多问题更复杂，需要更长的时间和更系统的解决方案。药物研发领域是未来的黄金赛道。

在梁佳玉在美国看来，中国将成为全球药物创新的重要力量，中国将成为初级药物创新的领导者和推动者。

那这就是为什么在2019年，赢驷情报局将总部从美国马里兰州的约翰霍普金斯大学迁至香港。

扎沃龙科夫表示，未来五年，中国的创新型医药企业将迎来大爆发，中国将成为世界美国医药创新中心。

其中一个主要原因是：中国政府正在创造一个良好的环境，要求国内制药公司进行创新。"

原标题：或者降低新药成本380倍。为什么这个AI药企要靠它？

来源：【微信微信官方账号：物联网技术评论】欢迎添加关注！请注明文章出处。