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(lái)，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(jìn)的個(gè)性化醫療；增強現實(shí)變得隨處可見(jiàn)，現實(shí)世界被大量信息和動(dòng)畫(huà)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�！叭斯ぶ悄茉诓牧虾铣傻淖詣�(dòng)建模、高速匹配和假設檢驗等環(huán)節可以發(fā)揮重要作用，其性能比人類(lèi)高出多個(gè)數量級�！毙乱淮�人工智能產(chǎn)業(yè)技術(shù)創(chuàng )新戰略聯(lián)盟秘書(shū)長(cháng)、北京大學(xué)計算科學(xué)技術(shù)系主任黃鐵軍說(shuō)，一旦材料和藥物的模型庫比較完備，人工智能就會(huì )極大加速新型材料和藥物的研發(fā)進(jìn)程。

　　助力化合物合成 簡(jiǎn)單直接有效

　　無(wú)論是設計新型太陽(yáng)能材料、抗癌藥物還是用于農作物的抗病毒化合物，有兩個(gè)難題待解：找到所需的正確化學(xué)結構，并確定哪些化學(xué)反應能讓正確的原子與所需的分子連接。如果使用傳統方法，上述問(wèn)題的答案往往來(lái)自于復雜的猜測和意外的發(fā)現。

　　常規的新藥研發(fā)模式是，隨著(zhù)一個(gè)潛在的藥靶被發(fā)現，新藥研發(fā)工作者通常利用高通量篩選的方式來(lái)發(fā)現苗頭化合物。對數以百萬(wàn)計的化合物進(jìn)行篩選，過(guò)程十分緩慢且產(chǎn)生的有效結果較少，并且要經(jīng)歷許多次失敗、痛苦的嘗試。

　　顯然，人類(lèi)做這樣的工作力不從心�！叭斯ぶ悄艿闹�力，正在提高設計和合成化學(xué)分子的效率�！北本┐髮W(xué)前沿交叉學(xué)科研究院特聘研究員裴劍鋒說(shuō)，機器學(xué)習算法通過(guò)分析已知的所有實(shí)驗，設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(lèi)在近100年后才真正開(kāi)始對合成路徑設計的模式進(jìn)行探究總結。

　　“20世紀中期，化學(xué)家開(kāi)始用計算機進(jìn)行化合物合成路徑輔助預測。近年來(lái)，人工智能算法被廣泛地應用到合成設計領(lǐng)域�！迸釀︿h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(dòng)合成機器人的設備，用于自動(dòng)合成特定的目標化合物或者多個(gè)不同類(lèi)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(dòng)高效的工作，并能發(fā)現新的化學(xué)反應。

　　今年4月，一則“化學(xué)界‘Alphago’問(wèn)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(jìn)行逆向合成反應。上海大學(xué)教授馬克·沃勒等人使用類(lèi)似Alphago算法的三種神經(jīng)網(wǎng)絡(luò )+蒙特卡洛樹(shù)搜索的方法，實(shí)現了逆合成分析和路徑預測。該方法在雙盲測試中表現優(yōu)異，有機化學(xué)領(lǐng)域的專(zhuān)家們認為AI的合成預測結果并不遜于人類(lèi)專(zhuān)家。評論稱(chēng)，這將加速合成人類(lèi)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B(niǎo)enevolent AI公司籌集了1.15億美元，準備將其人工智能技術(shù)應用于運動(dòng)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(zhuān)家表示，人工智能可應用在藥物開(kāi)發(fā)的不同環(huán)節，包括虛擬篩選苗頭化合物、新藥合成路線(xiàn)設計、藥物有效性及安全性預測、藥物分子設計等。通過(guò)有效運用人工智能技術(shù)，基于已有的化學(xué)、生物學(xué)數據和知識建立有效的數據模型，來(lái)預測藥品研發(fā)過(guò)程中的安全性、有效性、副作用等，從而有望實(shí)現減少人力、時(shí)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(kāi)發(fā)，自2013年以來(lái)，Benevolent AI共開(kāi)發(fā)出24個(gè)候選藥物，且已有藥物進(jìn)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)科研究院分子設計實(shí)驗室已初步完成1個(gè)人工智能化合物酶促合成路徑輔助分析系統，用于節省合成生物學(xué)家大量的人工設計工作�！痹谂釀︿h看來(lái)，藥物設計已成為創(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(zhù)名科學(xué)家領(lǐng)導的研究組從事藥物設計方法和應用研究，各大跨國制藥企業(yè)的研發(fā)中心都設有與化學(xué)合成和生物測試部門(mén)并列的藥物設計部門(mén)，其中，不乏通過(guò)計算機輔助藥物設計而成功上市的藥物。

　　而裴劍鋒所在的北京大學(xué)分子設計實(shí)驗室，在國際上較早、國內率先開(kāi)展人工智能藥物設計的研究，所發(fā)展的藥物設計方法在國際上有較大影響，相關(guān)軟件在國內外擁有上萬(wàn)用戶(hù)，包括輝瑞、諾華、默克和強生等國際大型醫藥公司等商業(yè)用戶(hù)。

　　市場(chǎng)表現可期 時(shí)間將給出答案

　　業(yè)界評價(jià)，人工智能技術(shù)的加持，讓新藥研發(fā)開(kāi)始提速換擋。能否解決新藥研發(fā)投入越來(lái)越大、時(shí)間越來(lái)越長(cháng)的痛點(diǎn)，人工智能的介入才只是開(kāi)始。

　　據《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(shí)間。它包括了漫長(cháng)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(guò)程。然而，能夠通過(guò)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構數據、數據集數據較少、負樣本數據不足、數據不平衡等問(wèn)題，人工智能技術(shù)也有助于解決這類(lèi)藥物設計中的難題�！痹谂釀︿h看來(lái)，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(wèn)題，實(shí)現針對特定疾病、靶標和化合物分子自動(dòng)進(jìn)行藥物研發(fā)評估和自動(dòng)新藥發(fā)現的系統。同時(shí)，還能顯著(zhù)提高藥物研發(fā)流程中各種計算預測模型的準確性，促進(jìn)新型藥物設計技術(shù)的產(chǎn)生，使得基于文獻信息數據的新藥研發(fā)等新方向變得真正可行。

　　“可以預計，人工智能技術(shù)對傳統技術(shù)的改進(jìn)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(zhù)提高藥物研發(fā)的成功率�！迸釀︿h坦言，新藥研發(fā)是個(gè)長(cháng)周期的過(guò)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(shí)間的積累來(lái)證明。

　　與藥物設計類(lèi)似的是，材料設計中的典型應用如新能源、電池和高性能合金材料等，也將會(huì )通過(guò)新一代分子模擬的方法被大力推動(dòng)。裴劍鋒說(shuō)，基于機器學(xué)習和大數據的材料設計所面臨的挑戰是，實(shí)現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，基礎有賴(lài)于高精度的材料和藥物模型，這方面需要長(cháng)期的試驗積累�！�(本報記者 劉 垠)