新藥研發(fā)平均成本26億美元、耗費10年，成功上市不足1/10
AI入局能讓藥企告別“豪賭”嗎
不久的將來，技術(shù)革新將這樣改變我們的生活：人工智能極大地加快新型藥物、材料的研發(fā)速度；新型診斷工具打造更先進的個性化醫(yī)療；增強現(xiàn)實變得隨處可見，現(xiàn)實世界被大量信息和動畫所覆蓋……
這些足以改變世界的想法與其他新興技術(shù)，近期一起入圍由《科學(xué)美國人》和世界經(jīng)濟論壇發(fā)布的2018年全球十大新興技術(shù)。其中，人工智能輔助化學(xué)分子設(shè)計—機器學(xué)習算法加速新型藥物和材料的研發(fā)，尤為引人關(guān)注。
目前，全球有近100家初創(chuàng)企業(yè)已在探索用于研發(fā)新藥的人工智能方法。“人工智能在材料合成的自動建模、高速匹配和假設(shè)檢驗等環(huán)節(jié)可以發(fā)揮重要作用，其性能比人類高出多個數(shù)量級。”新一代人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟秘書長、北京大學(xué)計算科學(xué)技術(shù)系主任黃鐵軍說，一旦材料和藥物的模型庫比較完備，人工智能就會極大加速新型材料和藥物的研發(fā)進程。
助力化合物合成 簡單直接有效
無論是設(shè)計新型太陽能材料、抗癌藥物還是用于農(nóng)作物的抗病毒化合物，有兩個難題待解：找到所需的正確化學(xué)結(jié)構(gòu)，并確定哪些化學(xué)反應(yīng)能讓正確的原子與所需的分子連接。如果使用傳統(tǒng)方法，上述問題的答案往往來自于復(fù)雜的猜測和意外的發(fā)現(xiàn)。
常規(guī)的新藥研發(fā)模式是，隨著一個潛在的藥靶被發(fā)現(xiàn)，新藥研發(fā)工作者通常利用高通量篩選的方式來發(fā)現(xiàn)苗頭化合物。對數(shù)以百萬計的化合物進行篩選，過程十分緩慢且產(chǎn)生的有效結(jié)果較少，并且要經(jīng)歷許多次失敗、痛苦的嘗試。
顯然，人類做這樣的工作力不從心。“人工智能的助力，正在提高設(shè)計和合成化學(xué)分子的效率。”北京大學(xué)前沿交叉學(xué)科研究院特聘研究員裴劍鋒說，機器學(xué)習算法通過分析已知的所有實驗，設(shè)計新分子的合成步驟，可極大提高分子合成的成功率。
值得注意的是，有機合成的概念在19世紀就已產(chǎn)生，但人類在近100年后才真正開始對合成路徑設(shè)計的模式進行探究總結(jié)。
“20世紀中期，化學(xué)家開始用計算機進行化合物合成路徑輔助預(yù)測。近年來，人工智能算法被廣泛地應(yīng)用到合成設(shè)計領(lǐng)域。”裴劍鋒告訴科技日報記者，化學(xué)家們也在創(chuàng)造和發(fā)展一種叫做自動合成機器人的設(shè)備，用于自動合成特定的目標化合物或者多個不同類型的化合物分子。機器學(xué)習和人工智能算法的引入，讓合成機器人得以更加自動高效的工作，并能發(fā)現(xiàn)新的化學(xué)反應(yīng)。
今年4月，一則“化學(xué)界‘Alphago’問世”的消息讓人印象深刻，科學(xué)家們在《Nature》上發(fā)文證明，AI能以前所未有的速率進行逆向合成反應(yīng)。上海大學(xué)教授馬克·沃勒等人使用類似Alphago算法的三種神經(jīng)網(wǎng)絡(luò)+蒙特卡洛樹搜索的方法，實現(xiàn)了逆合成分析和路徑預(yù)測。該方法在雙盲測試中表現(xiàn)優(yōu)異，有機化學(xué)領(lǐng)域的專家們認為AI的合成預(yù)測結(jié)果并不遜于人類專家。評論稱，這將加速合成人類所需的化合物。
提速藥物研發(fā) 更快更經(jīng)濟
最近，大名鼎鼎的英國Benevolent AI公司籌集了1.15億美元，準備將其人工智能技術(shù)應(yīng)用于運動神經(jīng)元疾病、帕金森病和其他難治疾病的藥物研發(fā)。
業(yè)界專家表示，人工智能可應(yīng)用在藥物開發(fā)的不同環(huán)節(jié)，包括虛擬篩選苗頭化合物、新藥合成路線設(shè)計、藥物有效性及安全性預(yù)測、藥物分子設(shè)計等。通過有效運用人工智能技術(shù)，基于已有的化學(xué)、生物學(xué)數(shù)據(jù)和知識建立有效的數(shù)據(jù)模型，來預(yù)測藥品研發(fā)過程中的安全性、有效性、副作用等，從而有望實現(xiàn)減少人力、時間、物力等投入，降低藥品研發(fā)成本。
人工智能技術(shù)在藥物研發(fā)中已然嶄露頭角，顯示出光明前景。比如，Benevolent AI公司使用人工智能助力新藥開發(fā)，自2013年以來，Benevolent AI共開發(fā)出24個候選藥物，且已有藥物進入臨床二期試驗階段。
“北京大學(xué)化學(xué)與分子工程學(xué)院/前沿交叉學(xué)科研究院分子設(shè)計實驗室已初步完成1個人工智能化合物酶促合成路徑輔助分析系統(tǒng)，用于節(jié)省合成生物學(xué)家大量的人工設(shè)計工作。”在裴劍鋒看來，藥物設(shè)計已成為創(chuàng)新藥物研發(fā)的核心技術(shù)之一。目前，各發(fā)達國家都有一批著名科學(xué)家領(lǐng)導(dǎo)的研究組從事藥物設(shè)計方法和應(yīng)用研究，各大跨國制藥企業(yè)的研發(fā)中心都設(shè)有與化學(xué)合成和生物測試部門并列的藥物設(shè)計部門，其中，不乏通過計算機輔助藥物設(shè)計而成功上市的藥物。
而裴劍鋒所在的北京大學(xué)分子設(shè)計實驗室，在國際上較早、國內(nèi)率先開展人工智能藥物設(shè)計的研究，所發(fā)展的藥物設(shè)計方法在國際上有較大影響，相關(guān)軟件在國內(nèi)外擁有上萬用戶，包括輝瑞、諾華、默克和強生等國際大型醫(yī)藥公司等商業(yè)用戶。
市場表現(xiàn)可期 時間將給出答案
業(yè)界評價，人工智能技術(shù)的加持，讓新藥研發(fā)開始提速換擋。能否解決新藥研發(fā)投入越來越大、時間越來越長的痛點，人工智能的介入才只是開始。
據(jù)《Nature》報道，新藥研發(fā)的平均成本約為26億美元，大約耗費10年時間。它包括了漫長的小分子化合物研發(fā)階段、三期臨床試驗、以及注冊審批的過程。然而，能夠通過這重重考驗并成功上市的藥物，僅有不到1/10。
“藥物信息研究中常面臨大量的非結(jié)構(gòu)數(shù)據(jù)、數(shù)據(jù)集數(shù)據(jù)較少、負樣本數(shù)據(jù)不足、數(shù)據(jù)不平衡等問題，人工智能技術(shù)也有助于解決這類藥物設(shè)計中的難題。”在裴劍鋒看來，人工智能技術(shù)不僅有望破解藥物信息雜亂和難以利用的問題，實現(xiàn)針對特定疾病、靶標和化合物分子自動進行藥物研發(fā)評估和自動新藥發(fā)現(xiàn)的系統(tǒng)。同時，還能顯著提高藥物研發(fā)流程中各種計算預(yù)測模型的準確性，促進新型藥物設(shè)計技術(shù)的產(chǎn)生，使得基于文獻信息數(shù)據(jù)的新藥研發(fā)等新方向變得真正可行。
“可以預(yù)計，人工智能技術(shù)對傳統(tǒng)技術(shù)的改進以及由其引發(fā)產(chǎn)生的新型藥物研發(fā)技術(shù)，將極大縮短新藥研發(fā)周期、降低研發(fā)成本，顯著提高藥物研發(fā)的成功率。”裴劍鋒坦言，新藥研發(fā)是個長周期的過程(10年—15年)，人工智能藥物研發(fā)技術(shù)還處于起始和發(fā)展期，其影響還需要用一段時間的積累來證明。
與藥物設(shè)計類似的是，材料設(shè)計中的典型應(yīng)用如新能源、電池和高性能合金材料等，也將會通過新一代分子模擬的方法被大力推動。裴劍鋒說，基于機器學(xué)習和大數(shù)據(jù)的材料設(shè)計所面臨的挑戰(zhàn)是，實現(xiàn)高效精準的高通量計算，這勢必需要在分子模擬層面有質(zhì)的突破。
對此，黃鐵軍表示認同，“人工智能提高了合成的效率，基礎(chǔ)有賴于高精度的材料和藥物模型，這方面需要長期的試驗積累。”(本報記者 劉 垠)
轉(zhuǎn)自：科技日報
版權(quán)及免責聲明：凡本網(wǎng)所屬版權(quán)作品，轉(zhuǎn)載時須獲得授權(quán)并注明來源“中國產(chǎn)業(yè)經(jīng)濟信息網(wǎng)”，違者本網(wǎng)將保留追究其相關(guān)法律責任的權(quán)力。凡轉(zhuǎn)載文章，不代表本網(wǎng)觀點和立場。版權(quán)事宜請聯(lián)系：010-65363056。
延伸閱讀
9月中國物流業(yè)景氣指數(shù)升至53.1%
