從自動(dòng)駕駛到疾病診斷，人工智能正在重構(gòu)一個(gè)又一個(gè)行業(yè)。
“倒摩爾定律”中，醫(yī)藥研發(fā)的成功率每況愈下。而將AI技術(shù)引入新藥研發(fā)后，似乎開辟了全新的洞天。
早在1981年，美國(guó)《財(cái)富》雜志就對(duì)計(jì)算機(jī)輔助的藥物發(fā)現(xiàn)進(jìn)行了專題報(bào)道。到了2021年，AlphaFold已可以預(yù)測(cè)完整的人類蛋白質(zhì)組結(jié)構(gòu)，AI正在儲(chǔ)備著顛覆整個(gè)生命科學(xué)行業(yè)的力量。
從2012年最早與AI公司達(dá)成合作的默沙東，到2017年與Numerate合作的武田以及與Exscientia合作的賽諾菲，再到2019年與BenevolentAI合作的阿斯利康和宣布成立AI創(chuàng)新實(shí)驗(yàn)室的諾華。縱觀制藥巨頭與AI公司的合作情況可以發(fā)現(xiàn)，AI+新藥研發(fā)已可為“藥物發(fā)現(xiàn)和臨床前研究階段”及“臨床研究階段”各節(jié)約50%左右的研發(fā)周期，也因此為全球每年的新藥發(fā)現(xiàn)節(jié)約了30%左右的成本。
在此過程中，AI研發(fā)的落地場(chǎng)景也日趨多元，除了在藥物靶點(diǎn)的化合物匹配中能夠提高尋找藥物分子的效率之外，在化合物的優(yōu)化過程和臨床研究后期數(shù)據(jù)的積累，甚至在臨床試驗(yàn)患者招募的過程中，也都發(fā)揮著非常重要的作用。
2015年，中國(guó)誕生了第一家人工智能藥物研發(fā)科技公司晶泰科技。此后，在資本的強(qiáng)力驅(qū)動(dòng)之下，中國(guó)的AI制藥業(yè)也拉開了自己的歷史大幕。如今，從MNCs和藥明康德等藥企，到云深智藥、百圖生科等互聯(lián)網(wǎng)巨頭背景的企業(yè)，再到后勁十足的AI創(chuàng)企新秀們，百花齊放中，企業(yè)們正努力用技術(shù)和資源構(gòu)建自己的護(hù)城河。
不過需要承認(rèn)的是，中國(guó)的AI制藥公司雖然享受到了資本和技術(shù)的紅利，但并沒有享受到市場(chǎng)的紅利。他們?nèi)砸?jīng)歷從起初只需要用獨(dú)有的技術(shù)解決很小的問題，到持續(xù)性交付能力的挑戰(zhàn);經(jīng)歷從起初只需要通過大量計(jì)算模擬來獲得更多虛擬數(shù)據(jù)，到后期必須構(gòu)建自上而下的數(shù)據(jù)獲取能力和商業(yè)模式的挑戰(zhàn)。
01 突破降臨
2021年，人工智能向生物界投下了一枚核彈。
7月，谷歌旗下的Deepmind宣布，AlphaFold2已預(yù)測(cè)出35萬種蛋白質(zhì)結(jié)構(gòu)，涵蓋了98.5%的人類蛋白質(zhì)組以及20種生物的蛋白質(zhì)，并開源了它的數(shù)據(jù)庫。
“長(zhǎng)久以來，蛋白折疊都是一個(gè)重要的科學(xué)命題，被稱為第二半的遺傳密碼。第一半是由DNA到氨基酸序列，而由氨基酸到蛋白質(zhì)構(gòu)象目前則還沒有一個(gè)相應(yīng)的解。純化蛋白質(zhì)、形成晶體、X射線衍射和解析結(jié)構(gòu)也需要多年的工作才能完成。”健新原力CEO李玉玲對(duì)E藥經(jīng)理人表示。
這一次，AlphaFold無疑為研究者們叩開了新世界的大門。
和鉑醫(yī)藥董事長(zhǎng)王勁松就用“人類從石器時(shí)代向鐵器時(shí)代的邁進(jìn)”，來形容AlphaFold的蛋白結(jié)構(gòu)預(yù)測(cè)技術(shù)帶來的劃時(shí)代意義。這也讓他在研發(fā)藥物、戰(zhàn)勝疾病的道路上倍感任重而道遠(yuǎn)。
截至目前，F(xiàn)DA每年獲批的First-in-class新藥數(shù)量在20款左右，靶點(diǎn)發(fā)現(xiàn)和候選藥物開發(fā)已然成為制藥行業(yè)發(fā)展的瓶頸。AlphaFold2的開源，有望給各大藥企提供一個(gè)彎道超車的機(jī)會(huì)。
“如果在AlphaFold的幫助下，能夠全面準(zhǔn)確地掌握蛋白質(zhì)結(jié)構(gòu)，每年獲批的新藥將可能達(dá)到現(xiàn)在的2倍甚至更多，這將讓更多患者受益。”臻格生物CEO陳建新表示。
根據(jù)他的推測(cè)，Deepmind把它的數(shù)據(jù)庫開源后，算法精度和執(zhí)行速度會(huì)得到更好提升，也許很快就能迭代出一批AlphaFold++，并在未來誕生一個(gè)“金標(biāo)準(zhǔn)”，用此算法來測(cè)定人類的蛋白質(zhì)結(jié)構(gòu)。
盡管AlphaFold對(duì)生命科學(xué)和生物醫(yī)藥領(lǐng)域的影響深遠(yuǎn)，但需要直面的是，目前它僅對(duì)人類蛋白質(zhì)組中30%~40%的蛋白質(zhì)結(jié)構(gòu)完成了比較準(zhǔn)確的預(yù)測(cè)，在這一部分，它確實(shí)能夠幫助科學(xué)家更快更好地完成藥物發(fā)現(xiàn)和篩選，但對(duì)于剩下的60~70%的蛋白質(zhì)結(jié)構(gòu)，AlphaFold的幫助還比較有限。
“比如對(duì)于抗體的結(jié)構(gòu)預(yù)測(cè)，AlphaFold的精度就遠(yuǎn)不能達(dá)到預(yù)期。人類免疫系統(tǒng)可以產(chǎn)生1012的不同抗體。這些需要通過Deepmind和整個(gè)學(xué)術(shù)界、產(chǎn)業(yè)界以及開源社區(qū)來共同努力，優(yōu)化迭代。”陳建新表示。
在開拓藥業(yè)創(chuàng)始人、董事長(zhǎng)兼CEO童友之看來，AlphaFold的應(yīng)用目前會(huì)受到兩個(gè)因素的限制:
一是想要確認(rèn)這個(gè)計(jì)算模型解析出來的結(jié)構(gòu)預(yù)測(cè)是否準(zhǔn)確，還需要試驗(yàn)來驗(yàn)證;
二是它只能提供蛋白質(zhì)的三維結(jié)構(gòu)，但還不能告訴我們這個(gè)蛋白質(zhì)在細(xì)胞中的功能性注解。
“未來的場(chǎng)景應(yīng)該是，AlphaFold等計(jì)算軟件在算出大致蛋白質(zhì)結(jié)構(gòu)基礎(chǔ)上，再通過其他實(shí)驗(yàn)技術(shù)手段，更精確地了解蛋白質(zhì)的作用機(jī)理和調(diào)控機(jī)制。”童友之表示。
康寧杰瑞董事長(zhǎng)徐霆也認(rèn)為，現(xiàn)在AI在藥物，特別是小分子藥物的開發(fā)過程中，對(duì)于蛋白質(zhì)結(jié)構(gòu)的依賴性還不是特別強(qiáng)。但未來5~10年內(nèi)，會(huì)看到整個(gè)行業(yè)由此發(fā)生的深刻變化。
“目前，新靶點(diǎn)、新機(jī)制還有候選藥物的開發(fā)，主要瓶頸還是在于我們對(duì)復(fù)雜疾病的了解及干預(yù)方式有限。此外，大量三維結(jié)構(gòu)的運(yùn)用所需的算力以及對(duì)研發(fā)人員的要求都非常高。”
根據(jù)徐霆的分析，Alphafold短期內(nèi)對(duì)行業(yè)的推動(dòng)主要體現(xiàn)在四個(gè)方面:
一是由于蛋白質(zhì)結(jié)構(gòu)相對(duì)精準(zhǔn)的預(yù)測(cè)，我們可以獲得大量同源蛋白的結(jié)構(gòu)信息，對(duì)于蛋白質(zhì)結(jié)構(gòu)功能的進(jìn)化和深入理解提供很大幫助;
二是可以在短時(shí)間內(nèi)對(duì)于蛋白質(zhì)突變做出結(jié)構(gòu)模型，對(duì)于致病的突變可以找出或者快速定向篩選出小分子或者單抗藥物;
三是對(duì)于AI輔助的蛋白質(zhì)的定向進(jìn)化和合成生物學(xué)起到極大推動(dòng)作用;
四是對(duì)于蛋白質(zhì)和抗體的Denovodesign(全新設(shè)計(jì))提供指引，為AI輔助蛋白質(zhì)設(shè)計(jì)提供基礎(chǔ)和Trainingset(訓(xùn)練樣本)。
“有這個(gè)數(shù)據(jù)庫和開源為基礎(chǔ)，蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)會(huì)更加精準(zhǔn)，特別是對(duì)于單個(gè)蛋白的結(jié)構(gòu)解析。但是傳統(tǒng)的結(jié)構(gòu)生物學(xué)，比如晶體衍射、冷凍電鏡等不會(huì)很快退出舞臺(tái)，而是會(huì)演變進(jìn)化到蛋白質(zhì)修飾、復(fù)合物、弱相互作用。新的技術(shù)也會(huì)出現(xiàn)，用來獲得蛋白質(zhì)在完成其功能的過程中的動(dòng)態(tài)變化。”徐霆說。
李玉玲也表示，基于靶點(diǎn)結(jié)構(gòu)的藥物設(shè)計(jì)在理論上是一項(xiàng)可行的舉措，但在真實(shí)應(yīng)用中取得的成功有限。未來治療疾病的靶向治療藥物會(huì)越來越多，那些很難表達(dá)和純化的靶點(diǎn)，可能會(huì)通過AlphaFold來解決這個(gè)結(jié)構(gòu)。
“我認(rèn)為，新藥研發(fā)最終仍然需要依靠人的能動(dòng)性和創(chuàng)造性。”勁方醫(yī)藥董事長(zhǎng)呂強(qiáng)指出，人工智能深入藥物設(shè)計(jì)領(lǐng)域，已大大提升研發(fā)效率和化合物成藥性。但業(yè)界更期待重磅的跨界技術(shù)成果和真實(shí)世界數(shù)據(jù)，能證明AI靶標(biāo)篩選及分子設(shè)計(jì)可以溝通早期發(fā)現(xiàn)和轉(zhuǎn)化科學(xué)，甚至超越傳統(tǒng)開發(fā)模式的療效和安全性。
02 “最終是沒有AI”
Alphafold打開了AI在生物醫(yī)藥產(chǎn)業(yè)的想象空間。但I(xiàn)T與BT的結(jié)合之路上，“欲善其事”只“利其器”是不夠的，“悟其道”更加重要。
晶泰科技CEO馬健曾經(jīng)說，一個(gè)外援性技術(shù)進(jìn)入一個(gè)行業(yè)，它的增長(zhǎng)曲線不是單純的一條，而是好幾條曲線推進(jìn)，可能天花板很低，要不斷提升。
而AI藥物研發(fā)面對(duì)的周期是很長(zhǎng)的，AI在藥物研發(fā)中究竟該如何落地，如何產(chǎn)生對(duì)應(yīng)的價(jià)值，對(duì)AI制藥企業(yè)來說至關(guān)重要。
“AI最終應(yīng)該變得沒有AI，這才是未來的發(fā)展方向。”說這話的是未知君創(chuàng)始人譚驗(yàn)。
在譚驗(yàn)看來，生命科學(xué)過去一直被認(rèn)為是實(shí)驗(yàn)科學(xué)，是一種單一實(shí)驗(yàn)的做法，會(huì)因?yàn)椴煌僮髡叨霈F(xiàn)不同的結(jié)果。而未來，整個(gè)制藥行業(yè)一定會(huì)走向更標(biāo)準(zhǔn)化的實(shí)驗(yàn)，或者自動(dòng)化、標(biāo)準(zhǔn)化的實(shí)驗(yàn)流程，通量也會(huì)極大地提高。從中得到的數(shù)據(jù)，可以更好的去闡釋生物學(xué)的原理。
“未來這種模式可能不能僅僅稱作AI制藥，而是要發(fā)展成依靠數(shù)據(jù)和高通量實(shí)驗(yàn)本身，來驅(qū)動(dòng)生命科學(xué)的發(fā)展，也就是‘沒有AI’的境界。”
譚驗(yàn)2015年獲得美國(guó)波士頓大學(xué)生物信息與計(jì)算生物學(xué)博士學(xué)位，2017年，回國(guó)后的他創(chuàng)辦了專注于腸道微生態(tài)治療的AI制藥公司未知君。
去年，未知君因連續(xù)兩輪獲得數(shù)千萬美元的融資，而受到市場(chǎng)廣泛關(guān)注。最近，公司也獲得美國(guó)FDA對(duì)于其FMT(腸道菌群移植)藥物IND申請(qǐng)的正式批準(zhǔn)，這是中國(guó)微生態(tài)制藥企業(yè)首次獲美國(guó)FDA批準(zhǔn)的IND申請(qǐng)，未知君的發(fā)展也正式進(jìn)入臨床階段。
雖然是科學(xué)家出身，但譚驗(yàn)在創(chuàng)業(yè)之初就已明白，掌握了前沿技術(shù)，也不意味著就一定能做成公司，技術(shù)如何在國(guó)內(nèi)的商業(yè)環(huán)境下落地是更值得思考的問題。
最終，譚驗(yàn)決定從國(guó)內(nèi)尚屬空白的微生物藥物研發(fā)切入。這一選擇，注定了未知君在藥物研發(fā)上與AI密不可分的關(guān)系。
人的腸道里有500~1000種菌，隨著認(rèn)識(shí)的深入，這一數(shù)量還在增加。如果按傳統(tǒng)篩藥物的方法，一個(gè)一個(gè)菌株去篩選，幾乎是做不到的，這也是益生菌用了上百年，卻依然只有幾組菌在用的原因。
“現(xiàn)在我們有了測(cè)序的方法，可以先不用培養(yǎng)，就能從數(shù)據(jù)端知道人的腸道里有哪些菌，然后通過機(jī)器學(xué)習(xí)的建模方法去推測(cè)，看哪些菌或菌的組合是跟某種疾病相關(guān)的，最后再去進(jìn)行篩選。這時(shí)AI在里邊就起到了一個(gè)很強(qiáng)的驅(qū)動(dòng)性作用。”譚驗(yàn)表示。
如今在AI端，未知君積累了兩種能力，一是多組學(xué)的數(shù)據(jù)分析能力;二是圍繞序列進(jìn)行的功能預(yù)測(cè)的能力。這些能力也可以遷移至現(xiàn)在一些很新的技術(shù)平臺(tái)，所以公司對(duì)自己的定位，就是用AI去賦能新的療法。
在此過程中，數(shù)據(jù)的獲取變得很重要。
譚驗(yàn)承認(rèn)，數(shù)據(jù)對(duì)整個(gè)AI制藥行業(yè)都是一個(gè)痛點(diǎn)，但長(zhǎng)期看，它可能又會(huì)是一個(gè)增長(zhǎng)點(diǎn)。他自己的體會(huì)是，從創(chuàng)業(yè)之初到現(xiàn)在，隨著數(shù)據(jù)增加，很多計(jì)算越來越精準(zhǔn)，越來越有生物學(xué)意義。
未知君目前獲取數(shù)據(jù)的做法是以公共數(shù)據(jù)集為基礎(chǔ)，通過與醫(yī)院的合作收集自有數(shù)據(jù)，包括病人腸道菌群移植前后的臨床表現(xiàn)數(shù)據(jù)等;同時(shí)，通過數(shù)據(jù)分析的方法去縮小搜索的范圍，推測(cè)哪些代謝產(chǎn)物具有治療性的作用，然后進(jìn)行藥物研發(fā)。
“我們通過與醫(yī)院的合作采集到的自有數(shù)據(jù)，主要是反映人的腸道微生物與它疾病相對(duì)應(yīng)的情況，特別是在腫瘤病人接受PD-1的治療上，我們?cè)诙鄠€(gè)項(xiàng)目中與第三方合作，合計(jì)收集了上千個(gè)樣本，這應(yīng)該是全球范圍內(nèi)體量名列前茅的數(shù)據(jù)集之一。如果加上公用數(shù)據(jù)集，體量應(yīng)該是幾十萬條，目前還在不斷增大。”譚驗(yàn)稱。
03 源頭創(chuàng)新
最早的AI藥物研發(fā)大多集中在小分子領(lǐng)域，它也是目前發(fā)展最為成熟的領(lǐng)域。而隨著對(duì)大分子藥物的研發(fā)逐漸增多，AI正在給制藥行業(yè)帶來新的想象力。目前，AI已全面進(jìn)入RNA、免疫、基因治療等細(xì)分領(lǐng)域。
煥一生物就是國(guó)內(nèi)首家AI+系統(tǒng)免疫公司。6月，公司獲得天使+輪投資，目前累計(jì)融資近千萬美元。
雖然公司起步不久，但創(chuàng)始人文雯卻對(duì)煥一的發(fā)展有著清醒的認(rèn)識(shí)。“我本身是醫(yī)療和TMT投資以及互聯(lián)網(wǎng)的跨界背景，團(tuán)隊(duì)有很多臨床背景的同事，所以對(duì)于AI制藥，我們有兩個(gè)層面的目標(biāo):一是解決底層的醫(yī)學(xué)問題，滿足未被滿足的臨床需求;二是在整個(gè)商業(yè)鏈條里，去解決最有價(jià)值的問題。”
文雯是AI制藥領(lǐng)域?yàn)閿?shù)不多的女性創(chuàng)始人，行業(yè)投資人的經(jīng)歷也給了她看待產(chǎn)業(yè)不同的視角。文雯認(rèn)為，目前中國(guó)生命科學(xué)研發(fā)最大的痛點(diǎn)，是缺乏原始創(chuàng)新的生態(tài)。
“很多公司希望做差異化的管線研發(fā)，可如果在靶點(diǎn)和機(jī)制層面沒有創(chuàng)新的話，還是要跟著熱門靶點(diǎn)去做分子設(shè)計(jì)，很難真正做到差異化。”
在她看來，新藥研發(fā)中，最大的難點(diǎn)是對(duì)于復(fù)雜生物調(diào)控網(wǎng)絡(luò)的理解，對(duì)于適應(yīng)證或者精準(zhǔn)用藥人群與靶點(diǎn)的匹配。傳統(tǒng)單靶點(diǎn)，從體外實(shí)驗(yàn)到動(dòng)物實(shí)驗(yàn)這樣的研發(fā)模式使藥物研發(fā)人員在藥物進(jìn)入臨床階段之前無法判斷它進(jìn)入人體會(huì)有什么樣的系統(tǒng)性反應(yīng)，需要投入大量的時(shí)間和金錢去反復(fù)試錯(cuò)，成功率非常低。所以適應(yīng)證與靶點(diǎn)的匹配性是最需要解決的問題。
“這一問題的解決將對(duì)藥物的臨床成功產(chǎn)生關(guān)鍵影響，并從源頭上解決目前制藥同質(zhì)化的問題。結(jié)合中國(guó)的臨床患者、數(shù)據(jù)優(yōu)勢(shì)及最前沿的AI及生物計(jì)算技術(shù)，我們有信心在源頭創(chuàng)新獲得突破。”文雯表示。
她為煥一選定的賽道是利用AI+多組學(xué)解碼免疫，從生物標(biāo)志物和靶點(diǎn)發(fā)現(xiàn)切入。
免疫是一個(gè)龐大的調(diào)控網(wǎng)絡(luò)，與大多數(shù)疾病都有著緊密的聯(lián)系。但免疫又是異常復(fù)雜的，無法單純憑借人為的建模去模擬整個(gè)免疫系統(tǒng)與疾病和藥物的互作機(jī)制。
“人做不到的事情，AI可以做到。這種數(shù)字化的趨勢(shì)在航天、半導(dǎo)體等行業(yè)已經(jīng)相當(dāng)成熟，但在生物醫(yī)藥領(lǐng)域的應(yīng)用還不完全。相對(duì)于在動(dòng)物身上做實(shí)驗(yàn)，一個(gè)利用AI模擬人體數(shù)據(jù)建立數(shù)字化模型做出來的假設(shè)，經(jīng)過驗(yàn)證進(jìn)入臨床階段，效率上勢(shì)必會(huì)有一個(gè)顯著提升。目前，傳統(tǒng)研發(fā)模式中，從IND到臨床試驗(yàn)到新藥獲批的轉(zhuǎn)化率是5%~8%。如果利用數(shù)字化模型賦能的研發(fā)模式加快假設(shè)的生成與驗(yàn)證，將有機(jī)會(huì)大大提升臨床階段的成功率。”文雯指出。
最近五年，數(shù)據(jù)可及性的提高讓AI解碼免疫成為可能。結(jié)合基因組、代謝組、蛋白質(zhì)組、脂質(zhì)組的多組學(xué)技術(shù)能夠獲取到更多維的數(shù)據(jù)，為數(shù)字化人體細(xì)胞的胞內(nèi)調(diào)控打好基礎(chǔ)。“系統(tǒng)性地理解某個(gè)系統(tǒng)的調(diào)控通路也不再只是一個(gè)概念，AI+多組學(xué)技術(shù)可以幫助我們建立更為精準(zhǔn)的模型去探索免疫。”
而對(duì)于商業(yè)模式的探索，文雯表示，她們目前仍以科研服務(wù)和產(chǎn)品的聯(lián)合研發(fā)為主。其中一項(xiàng)合作中，用AI計(jì)算出來的一組聯(lián)合療法靶點(diǎn)對(duì)腫瘤殺傷性的排序在體外實(shí)驗(yàn)和動(dòng)物實(shí)驗(yàn)均得到了驗(yàn)證。
6月底，煥一生物和劑泰醫(yī)藥宣布達(dá)成戰(zhàn)略合作，在自體免疫疾病領(lǐng)域開展差異化藥物的聯(lián)合研發(fā)，希望推出全球最快AI驅(qū)動(dòng)研發(fā)的新形態(tài)藥物。
“煥一生物來篩選靶點(diǎn)，劑泰進(jìn)行藥物遞送，雙方聯(lián)手實(shí)現(xiàn)老藥新用，是一個(gè)非常理想的合作方式，也會(huì)開發(fā)出全新的商業(yè)價(jià)值。”
04 數(shù)據(jù)之痛
需要承認(rèn)的是，到目前為止，全球還沒有一款真正意義上通過AI技術(shù)設(shè)計(jì)出的藥物。大家都在期待，AI與藥物研發(fā)的結(jié)合究竟能帶來哪些顛覆性價(jià)值。
“AI未來需要在海量數(shù)據(jù)之下，發(fā)現(xiàn)隱藏于臨床前研發(fā)和臨床階段研究之中的規(guī)律。”呂強(qiáng)指出。
數(shù)據(jù)是AI建模的基礎(chǔ)，可在AI藥物研發(fā)領(lǐng)域，數(shù)據(jù)亦是最大的挑戰(zhàn)。
從上世紀(jì)80年代起，醫(yī)藥行業(yè)就開始呼喚AI，但直到今天仍處在探索階段，數(shù)據(jù)就是其中重要的“卡脖子”因素。新藥研發(fā)領(lǐng)域的數(shù)據(jù)基本掌握在藥企手里，有高壁壘、高成本、高機(jī)密的特性，獲取的成本十分昂貴，這也成為AI藥物研發(fā)發(fā)展的一大障礙。
王勁松就指出，AI的三大核心—算法、算力和數(shù)據(jù)中，數(shù)據(jù)是相對(duì)更難解決的問題，這涉及了每家藥企的核心機(jī)密、專利技術(shù)、患者隱私等一系列問題，無法輕易共享。企業(yè)間也在利用合作尋求各種解決方案。
“我們今年5月與百圖生科達(dá)成了戰(zhàn)略合作協(xié)議，目的就是開拓AI技術(shù)與研發(fā)平臺(tái)的深度融合。但在此之外，我們更期待頂層設(shè)計(jì)的介入，以及后來者的智慧，共同解決這一難題。”王勁松表示。
陳建新也直言，目前解決這一問題的有效方法并不多，這不僅有企業(yè)之間的博弈，也有各國(guó)政府之間的合作與抗衡問題。
“一個(gè)思路是藥企和AI-tech公司深度合作，通過投資人或者直接收購(gòu)、合資等方式解決數(shù)據(jù)歸屬問題，這相當(dāng)于是變相地購(gòu)買了數(shù)據(jù)。另一個(gè)思路是嘗試通過算法的優(yōu)化和突破來減少對(duì)有效數(shù)據(jù)量的依賴，達(dá)到小量有效數(shù)據(jù)也能得到高質(zhì)量的結(jié)果。不管哪種辦法，都不容易，需要長(zhǎng)時(shí)間的探索。國(guó)外的一種做法是成立聯(lián)盟，大家共同貢獻(xiàn)數(shù)據(jù)，分享結(jié)果。”陳建新建議。
童友之也認(rèn)同通過建立聯(lián)盟的方式來共享數(shù)據(jù)，打破數(shù)據(jù)孤島的現(xiàn)象。“現(xiàn)在有很多藥企已在各自組建或者加入一些聯(lián)盟，在藥企之間共享數(shù)據(jù)，從而促進(jìn)整個(gè)行業(yè)的發(fā)展。”
徐霆提出，應(yīng)該排除零和博弈，通過社區(qū)學(xué)習(xí)，加密計(jì)算和正向的獎(jiǎng)勵(lì)機(jī)制來鼓勵(lì)數(shù)據(jù)分享。除此以外，還應(yīng)實(shí)現(xiàn)數(shù)據(jù)采集模式和質(zhì)量標(biāo)準(zhǔn)的統(tǒng)一。
徐霆口中的數(shù)據(jù)標(biāo)準(zhǔn)，目前正在被大家所正視。事實(shí)上，AI藥物研發(fā)落地的過程，也是一個(gè)長(zhǎng)期的數(shù)據(jù)能力建設(shè)的過程，這種研發(fā)數(shù)據(jù)體系的完善，的確需要某種標(biāo)準(zhǔn)。
“AI只是新藥研發(fā)的一種技術(shù)策略，傳統(tǒng)新藥研發(fā)過程中對(duì)數(shù)據(jù)的標(biāo)準(zhǔn)不應(yīng)該被降低。”啟德醫(yī)藥CEO秦剛指出。
陳建新也認(rèn)為，制藥行業(yè)關(guān)乎生命。首先，一旦AI在藥物研發(fā)中發(fā)揮主導(dǎo)作用，必然需要在數(shù)據(jù)的質(zhì)量、管理、使用和追溯等方面建立標(biāo)準(zhǔn)，規(guī)范數(shù)據(jù)和AI算法的使用不造成不良后果。其次，類似GMP的標(biāo)準(zhǔn)，一般只在原則上規(guī)定什么需要做，什么不能做，而不會(huì)在實(shí)際操作上做具體的規(guī)范，這也意味著，各個(gè)企業(yè)不管是制藥公司還是AI技術(shù)公司，都要自己根據(jù)標(biāo)準(zhǔn)來制定切合自身實(shí)際可操作的規(guī)范。
王勁松進(jìn)一步指出，不同的研發(fā)公司數(shù)據(jù)格式、種類、分類等都不盡相同，只有以統(tǒng)一的標(biāo)準(zhǔn)來建立并完善數(shù)據(jù)體系，才能實(shí)現(xiàn)企業(yè)間的數(shù)據(jù)互通、互聯(lián)及整合。
“一些龍頭企業(yè)應(yīng)該率先擔(dān)起責(zé)任，牽頭建立好行業(yè)標(biāo)準(zhǔn)，促進(jìn)整個(gè)行業(yè)更健康、更有序地發(fā)展。”童友之說。
然而數(shù)據(jù)標(biāo)準(zhǔn)的制定，也需要頂層設(shè)計(jì)。
翰森生物執(zhí)行副總謝岳峻就認(rèn)為，這一工作需要由跨國(guó)GMO組織，如WHO或者WTO來協(xié)調(diào)，可以從資料庫的數(shù)據(jù)結(jié)構(gòu)規(guī)劃開始。
呂強(qiáng)也同意數(shù)據(jù)應(yīng)有標(biāo)準(zhǔn)，但他同時(shí)認(rèn)為，AI藥物研發(fā)才剛剛開始發(fā)展，標(biāo)準(zhǔn)究竟該如何設(shè)置尚需要仔細(xì)考量，還是應(yīng)以發(fā)現(xiàn)新分子實(shí)體、探索適應(yīng)證的結(jié)果為導(dǎo)向，鼓勵(lì)更多創(chuàng)新、防止壟斷。
05 打破“黑箱”
隨著AI研發(fā)技術(shù)的不斷發(fā)展，如何理解AI制藥結(jié)果的確定性，正成為判斷AI制藥公司成長(zhǎng)潛力的關(guān)鍵部分。而這除了要追蹤其前期模型產(chǎn)出環(huán)節(jié)的精準(zhǔn)度，也要對(duì)后期決策證據(jù)的可靠性和結(jié)果的確定性進(jìn)行驗(yàn)證。
可一個(gè)矛盾是，生物醫(yī)藥是一個(gè)高度嚴(yán)謹(jǐn)，且需要確定性的行業(yè)，而AI技術(shù)的很多細(xì)節(jié)則很難解釋，更像一個(gè)黑箱。如何讓這一對(duì)矛盾體更加和諧地發(fā)揮作用，真正地提高創(chuàng)新效率，成為擺在AI制藥企業(yè)面前的一大難題。
對(duì)此，童友之認(rèn)為，一方面可以通過將關(guān)鍵決策過程中使用的AI算法開源，增加透明性;另一方面則通過行業(yè)的倫理規(guī)范和標(biāo)準(zhǔn)、政府的鼓勵(lì)和支持、適當(dāng)?shù)姆韶?zé)任分配以及監(jiān)管機(jī)制等多種途徑，來推動(dòng)AI藥物研發(fā)行業(yè)的健康發(fā)展。
星亢原創(chuàng)始人陳航則以自己的公司舉例稱，他們的理念就是AI+生物物理+高通量實(shí)驗(yàn)，將這三者有機(jī)地結(jié)合起來，在頂層設(shè)計(jì)上構(gòu)建一個(gè)創(chuàng)新藥研發(fā)平臺(tái)，然后隨著藥物研發(fā)實(shí)戰(zhàn)的經(jīng)驗(yàn)積累，不斷激發(fā)平臺(tái)的創(chuàng)新力。
“生物物理提供了第一性原理的認(rèn)知，高通量實(shí)驗(yàn)不僅僅為AI提供了更多維的數(shù)據(jù)，也暗含了大自然生物的力量。我們的AI+噬菌體展示這一大分子篩選平臺(tái)，就實(shí)現(xiàn)了抗體的定向進(jìn)化。”陳航說。
目前，AI制藥賽道已愈發(fā)火熱，各路資本和科技巨頭紛紛跑步進(jìn)場(chǎng)。自2020年3月以來，已有十幾家AI制藥公司完成了1億美元以上的融資。
其中英矽智能今年6月獲得2.55億美元的C輪融資，晶泰科技則在8月初完成了4億美元的D輪融資，企業(yè)們正不斷地刷新著AI制藥領(lǐng)域的融資紀(jì)錄。除了美國(guó)之外，中國(guó)也正成為該領(lǐng)域第二大融資交易地區(qū)。
可另一個(gè)現(xiàn)實(shí)是，目前在國(guó)內(nèi)，除了少數(shù)頭部公司，大部分AI制藥企業(yè)距離商業(yè)化仍有距離，短期內(nèi)想有大規(guī)模收入幾乎不現(xiàn)實(shí)。他們每天仍需面對(duì)一種抉擇——是做最懂AI的Biotech，還是做最懂Biotech的AI，是自己開發(fā)藥，還是做CRO？
徐霆認(rèn)為，從歷史上看，Genomic、Combichem、基因治療、CAR-T的投資幾乎都與AI制藥有著類似的投資路徑。行業(yè)外，光伏產(chǎn)業(yè)也有同樣情況。投資人對(duì)新技術(shù)有一個(gè)“學(xué)習(xí)曲線”，這種學(xué)習(xí)有時(shí)還可能是滯后的。“但滯后對(duì)于產(chǎn)業(yè)發(fā)展往往不是壞事，對(duì)于AI制藥這一行業(yè)，資本可以多些謹(jǐn)慎，也多些耐心。”
而對(duì)于商業(yè)模式問題，譚驗(yàn)則認(rèn)為，這應(yīng)該是一件“水到渠成”的事。AI制藥是一個(gè)新領(lǐng)域，從第一性原理去思考，要去加快藥物的發(fā)現(xiàn)，就需要更好、更多的數(shù)據(jù)和更好的算法，而企業(yè)先在這兩端去打基礎(chǔ)肯定是沒錯(cuò)的。這兩端做好了，商業(yè)模式自然就會(huì)出來。
“你有好的分子、好的藥物，總會(huì)有人支付。License-out是很好的出路，在資本的支持下也可以自己做管線。但是企業(yè)首先解決的還是活下來的問題，所以很多公司目前必須要更多地去提供服務(wù)，然后在摸索中建立自己的管線，真正地去加強(qiáng)自己的能力。這方面我還比較樂觀。”譚驗(yàn)說。
在這個(gè)新興賽道上，除了商業(yè)模式，人才問題亦是一大瓶頸。AI制藥需要更多既懂科技又懂制藥的跨界人才，但目前，這部分人才是稀缺的。
“AI和藥物研發(fā)都是專業(yè)性很強(qiáng)的領(lǐng)域，各具獨(dú)特的知識(shí)體系，行業(yè)壁壘極高，很難培養(yǎng)出AI+醫(yī)藥研發(fā)的復(fù)合型人才，目前的捷徑，還是人才合作。”王勁松建議。
“純粹的BT人才確實(shí)不能解決效率的問題，而目前行業(yè)里計(jì)算背景的人才，可能又普遍對(duì)實(shí)驗(yàn)的理解少些，還沒有建立統(tǒng)計(jì)學(xué)的思考邏輯。我們公司內(nèi)部也在積極促進(jìn)BT和IT人才的融合。”譚驗(yàn)表示。
謝岳峻也認(rèn)為，“斜杠人才”的培養(yǎng)，需要從產(chǎn)，學(xué)，研，甚至于政府層面介入著手解決。
不過在徐霆眼中，人才問題并無必要太悲觀。“AI藥物研發(fā)現(xiàn)在看起來需要很多跨界人才。但是很快，隨著AI的普及以及各種工具包的開發(fā)，AI藥物研發(fā)會(huì)平民化。DavidBaker的Rosseta就是很好的例子。”
AI制藥人才瓶頸如何如破？如何理解AI制藥結(jié)果的確定性？AI與藥物研發(fā)的結(jié)合究竟能帶來哪些顛覆性價(jià)值？
