每經(jīng)記者｜孫嘉夏    每經(jīng)實習記者｜許立波    每經(jīng)編輯｜魏官紅    

近年來，隨著國內創(chuàng)新藥產業(yè)迅猛發(fā)展，在許多細分領域，國內藥企已經(jīng)完成了從追趕者到開拓者的轉變。但與此同時，創(chuàng)新藥企業(yè)也面臨著藥物研發(fā)難度陡增，研發(fā)成本水漲船高的窘境。如何平衡研發(fā)投入與成果產出？AI賦能藥物研發(fā)或許將成為一條解決路徑。

9月25日，第六屆中國醫(yī)藥創(chuàng)新與投資大會在蘇州國際博覽中心召開。會上，中國科學院院士、中國科學院上海藥物研究所研究員蔣華良圍繞“AI助力藥物研發(fā)”這一主題進行了報告。

人工智能賦能藥物研發(fā)

蔣華良首先對谷歌旗下人工智能公司Deep Mind所開發(fā)的人工智能系統(tǒng)AlphaFold進行了高度評價，他認為AlphaFold是人工智能在藥物研發(fā)領域的里程碑。據(jù)Deep Mind發(fā)布在《自然》雜志上的論文，AlphaFold已經(jīng)能夠預測人類98.5%的蛋白結構。

著名結構生物學家施一公也曾表示，AlphaFold代表了目前全球最領先的人工智能蛋白機構預測系統(tǒng)，其對蛋白結構的精準預測，是本世紀取得的最重要的科學突破之一。

與許多跨時代的技術類似，AlphaFold也對傳統(tǒng)結構生物學界造成了沖擊，許多結構生物學家自嘲“馬上要失業(yè)了”。但蔣華良認為，人工智能的結構預測算法將會成為重要的輔助，將科研人員從諸如蛋白質樣品制備與結晶等繁瑣工作中解脫出來，投入藥物研發(fā)更為關鍵的節(jié)點中去。

據(jù)了解，藥物靶標是機體內與特定疾病發(fā)生發(fā)展過程有著內在聯(lián)系，并能被藥物作用而發(fā)揮治療作用的生物大分子或特定的生物分子結構。而在藥物研發(fā)中，作為藥物靶標的蛋白質的結構是相應藥物設計與改造的基礎，在目前的藥物研發(fā)鏈條中，人工智能技術已經(jīng)涵蓋包括靶標發(fā)現(xiàn)、靶標確證等多個環(huán)節(jié)。對此，施一公曾表示：“所有小分子藥物結合的藥物靶點蛋白的結構，幾乎都能被AlphaFold一網(wǎng)打盡。”

蔣華良在會上列舉了一組數(shù)據(jù)，目前FDA批準的1619個藥物中，1366個為小分子藥物，253個為大分子藥物，共涉及靶點893個，其中667個為人體靶點（其余為病原體靶點）。蔣華良著重強調，靶標枯竭已經(jīng)成為全球新藥研發(fā)共同面臨的問題，“現(xiàn)在做來做去還是那么幾個靶點，PD-1一出來就幾十個（企業(yè)）跟上，關鍵還是要找到（適合）自己的靶點。”

在靶標枯竭的背景下，如何縮短研發(fā)時間、節(jié)約研發(fā)經(jīng)費已成為橫亙在各大藥企面前不得不解決的問題，蔣華良認為，人工智能結合大數(shù)據(jù)是精準藥物研發(fā)的機遇，通過AI技術可以快速、低成本獲得新型藥物的治療方法。

AI尚難做到First-in-Class

在此次會議的圓桌討論環(huán)節(jié)，研發(fā)熱度與無序競爭導致創(chuàng)新藥賽道擁擠成為嘉賓熱切討論的議題，當被問及能否借助人工智能使企業(yè)能夠快速突破First-in-Class的研發(fā)時，蔣華良坦言：“AI現(xiàn)在很難做出First-in-Class，基本上還是me-too為主。不要對AI抱有過分高的希望，AI是賦能的技術。目前資本對于人工智能的追捧過熱了，要理性看待這項技術。”

“AlphaFold并沒有解決蛋白質科學所有的問題，比如說小分子和靶標蛋白的相互作用沒法預測、動態(tài)變化的就搞不定、蛋白質與蛋白質相互作用的也搞不定，這些問題的復雜性是目前AI無法解決的。”蔣華良表示。

據(jù)記者了解，即便是人工智能自身，目前也存在許多缺陷，首先是有偏的數(shù)據(jù)集，尤其是在生物醫(yī)藥領域，涉及患者隱私問題會對臨床數(shù)據(jù)的運用造成限制；其次是模型的偏差性，化合物與人體靶點反應過程非常復雜，數(shù)據(jù)穩(wěn)定性和可重復性差，從而影響到了AI建模。

因此，目前判斷人工智能是否能讓國內藥企突破First-in-Class、實現(xiàn)彎道超車為時尚早，只有對有價值的臨床數(shù)據(jù)進行持續(xù)的積累，進一步完善AI模型，人工智能技術才能為藥物研發(fā)帶來一個更加光明的未來。

封面圖片來源：攝圖網(wǎng)