近来，AI制药圈接连发生了几件大事。赛诺菲与英国药物研发AI技术服务提供商Exscientia达成了一笔价值亿元的AI制药天价大单。英矽智能半年内两次宣布发现新药，并率先进入临床试验新阶段。阿斯利康、默克、辉瑞、梯瓦等制药巨头联合建立的AI药物研发实验室AIONLabs宣布正式启动。
如果说年是AI制药爆发元年，实现了从“0”到“1”的突破，那么经过两年的持续升温，这个赛道已经以突飞猛进之势走进了从“1”到“10”的新阶段。多位业内专家认为，AI制药重新定义了制药流程，给整个制药行业带来了一场巨大变革。
AI如何制药？
对于大多数普通民众而言，生物制药是一个陌生的领域。电影《我不是药神》中抗癌群体面对天价药的无助感让观众感同身受，催泪无数。通过这部电影，向来鲜为人知的制药、产药、售药的产业链现状逐渐浮现出来，让大众得以窥见其中的一些“难言之隐”。
一位从事医药行业的人士表示：“作为临床医生，我们也很无奈，药价太贵，现在还有很多病人在吃代购药，甚至吃原料药粉。”而对于制药厂商而言，新药贵，贵在研发。“双十定律”是压在他们头上的一座“大山”，即10年时间、10亿美元，才可能成功研发出一款新药。即使如此，大约只有10%的新药能被批准进入临床期，最终只有更小比例的新药可以上市。
庞大的研发成本、漫长的研发周期、难以预估的失败率，让新药研发变成一件吃力不讨好的事情。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，这一现象被称作“反摩尔定律”。
通常来说，新药物发现的过程需要先确定好某疾病的靶点，而靶点相当于“锁”，研究人员需要在众多药物分子可能性中，设计和筛选最合适的分子作为“钥匙”去解锁。以《我不是药神》中的神药“格列卫”为例，其靶点就是一个融合蛋白，通过药物小分子去抑制融合蛋白，达到控制慢性髓性白血病的发展。谁更“懂”蛋白质，谁就能找到那把破解重大疾病、研发新药的“钥匙”。
“传统的蛋白质组学分析技术和方法，并不完全适合用来研究蛋白质系统，它所缺乏的是对蛋白质进行定量数据积累的过程，而且它没有一个合适的算法。”西湖大学特聘研究员、西湖欧米创始人郭天南说。
AI技术的出现，让传统实验不再是唯一的选项，以数据为中心的药物发现逐渐走上舞台。“AI在其中的主要作用是对候选药物分子、化合物、蛋白质的结合以及基因的作用完成机理上的模拟和计算，典型的应用场景包括虚拟药物筛选、蛋白质结构预测等。”阿里云高性能计算负责人何万青在接受《中国电子报》记者采访时表示，“这里面涉及分子动力学、量子化学、量子色动力学等大量传统的高性能计算应用，在利用已有的蛋白质结构进行学习、预测的过程中也引入了机器学习的算法。基本上是一个典型的HPC(高性能计算)+AI的应用场景。”
简而言之，以数据为基础的人工智能医药研发范式本质上是通过机器自主学习数据、挖掘数据，总结归纳出专家经验之外的药物研发规律，从而优化药物研发全流程的各个环节。它不仅大大提升了药物研发效率与成功率，还有效降低了研发费用和试错成本，让制药行业看到了摆脱“反摩尔定律”困境的曙光。
赛道上都有谁？
新冠肺炎疫情驱动市场对生物医药行业给予了前所未有的
晶泰科技、英矽智能、深势科技等“年轻”公司的步伐很快，成为了资本的“宠儿”。成立于年的晶泰科技现已完成将近8亿美元(折合人民币约50.96亿元)的融资，刷新了全球AI制药领域融资金额纪录，总估值超过亿元。
成立于年的深势科技，首创“多尺度建模+机器学习+高性能计算”新范式，在短短18个月内完成4轮融资。团队核心成员获得年全球计算机高性能计算领域的最高奖项“戈登贝尔奖”，相关工作当选年中国十大科技进展和全球AI领域十大技术突破。
成立于年的英矽智能，在全球首次利用AI发现了一种全新机制的用于治疗特发性肺纤维化(IPF)的临床前候选化合物，整个研发过程只花了不到18个月的时间和大约万美元，刷新了新药研发的速度和最低成本记录，目前也完成了6轮融资，累积金额超3亿美元。
与此同时，传统药企和互联网巨头纷纷发力，要么投资合作，要么亲自上场。例如，复星医药牵手英矽智能，在全球范围内共同推进针对多个靶点的AI药物研发。英矽智能获得了0万美元的首付款及里程碑付款。这是国内迄今为止AI制药企业收到的最大金额预付款。
据业内人士透露，目前药企和AI制药公司多在试水阶段，从早期研究到临床阶段的周期越来越短，药企对于AI作用的认知越来越清晰。尽管像复星医药和英矽智能这样的大单在国内还不多见，但愿意拿出部分研发方向给AI制药公司试水的药企越来越多，合作金额也在逐年上升。
再看阿里云与全球健康药物研发中心GHDDI合作开发的人工智能药物研发和大数据平台、腾讯发布的人工智能药物发现平台“云深智药”、百度推出的螺旋桨PaddleHelix生物计算开源工具集、华为成立的医疗智能体EIHealth……这些巨头的高歌猛进在很大程度上推动了整个赛道快速向着纵深方向迈进。
“阿里云高性能计算通过和生物制药企业、研发机构以及服务药物设计领域的科技公司进行合作，例如全球健康药物研发中心GHDDI、深势科技、晶泰科技等，通过搭建基于云超算的E-HPC弹性高性能计算平台的全链路生命科学应用解决方案，将生命科学HPC应用和AI应用在E-HPC平台上并行部署，实现高通量并行计算和AI算法的融合。”何万青表示。
“深势科技目前聚焦在药物设计和材料设计两大垂直领域。其中在药物设计领域，我们提供的是‘软件+联合研发’的商业模式，目前平台软件已经与国内外数十家学界、业界客户达成了长期商业合作，在联合研发方面也有十余条管线处于临床前开发阶段。”深势科技创始人、CEO孙伟杰对《中国电子报》记者说道。
据悉，这二者之间也达成了战略合作关系。“互联网巨头最大的优势在于算力、算法和雄厚的资本，传统药企的‘底牌’是成熟的药研体系与庞大的数据池，初创企业则更勇于探索试错，能带来全新视角和创新思维。各方之间既有竞争，也在相互成就，整体来看，AI制药的商业模式正在逐渐清晰，生态体系也在迈向良性循环。”专家分析称。
行业春天将至？
古有神农尝百草，今有AI技术开启制药行业新篇章。从概念提出到发展至今，人工智能技术在生物制药中发挥的作用，已从初期的计算机辅助药物设计，发展到如今的人工智能药物研发，甚至有望贯穿从药物靶点发现到进入临床实验的早期药物发现全过程。大胆想象，未来会不会有一天，AI能够从一个辅助工具变成主导，甚至独立担负起药物研发的重任？
尽管想象空间巨大，但前方也并非一片坦途。在全球范围内，AI制药都处在较早期的阶段，距离技术成熟、真正走向市场还很远。数据、算力、算法以及人才等都是赛道选手们不得不面对的“拦路虎”。
孙伟杰坦言：“一方面，市面上大部分AI制药依然停留在以数据驱动的AI模型辅助药物分子发现的阶段，目前主要面临的是数据总量稀疏和数据标准差的问题，对应比较典型的有ADME/T性质预测和分子生成等相关挑战；另一方面，我们认为AI制药还有另一种范式，即从物理模型驱动的AI对传统CADD(计算辅助药物发现)模式进行创新，最大的挑战在于计算效率和计算精度无法兼顾的问题，比如传统的分子动力学模拟在应对复杂的蛋白体系以及蛋白动态构象采样方面还是力不从心。”
“未来一段时间，AI制药依然会在数据驱动和模型驱动两种范式下持续突破和演进。”孙伟杰说道，“无论哪种范式的发展，本质上都要看AI或计算是否可以真正替代一部分实验，从而带来效率的提升。我们相信未来三五年内强调的不会是AI制药，而是AI成为药物发现的必要手段、成为标配。到那个时候，大家不会再刻意强调AI制药，而是会将其作为普遍使用的一种方法。”
与此同时，何万青指出：“生物制药领域目前是一个蓬勃发展的‘老树新芽’，对于计算的挑战来自基础算法的复杂度和规模、算法的创新等多个方面，因此使用大规模的高性能计算并行集群和GPU加速成为一种通用的首选。”
他认为，生物制药面临的是对整个人类医疗知识的综合，因此云计算所特有的连通性和弹性，能够帮助打破研发孤岛，促进数据成果的复用和创新。
此外，对于AI制药这一多学科交叉的高壁垒行业来说，人才的稀缺或许是更为根本的痛点。中科院上海药物研究所药物博士段宏亮直言：“对制药和AI都理解深刻，才会知道制药环节中哪些关键问题是AI擅长解决的，找到两者的契合点，才能发现适合的业务场景。”
在他看来，AI制药发展虽然看似火热，但也只是刚刚拉开了序幕，重量级的选手还一直处于试水阶段。随着药物数据的逐渐积累，AI制药将会迎来一个数据驱动的2.0时代。届时，随着大家逐渐消除疑虑，深度拥抱AI制药，行业的春天也将真正到来。
（文章来源：中国电子报）