新藥開發(fā)是一個漫長而高成本的過程

據(jù)麥姆斯咨詢介紹，新藥開發(fā)是一個漫長而高成本的過程。制藥和生物科技公司通常需要花費10~15年、投入超過10億美元來開發(fā)一種新藥并將其推向市場。不僅如此，由于安全和有效性等問題，藥物開發(fā)過程中還存在很高的風(fēng)險，高達(dá)90%的候選藥物最終會在開發(fā)過程中被淘汰，為開發(fā)商帶來巨大損失。因此，任何能夠解決這些藥物開發(fā)痛點的技術(shù)，都能夠迅速發(fā)展成價值數(shù)十億美元的新產(chǎn)業(yè)。

過去幾年來，人工智能（AI）技術(shù)在新藥開發(fā)領(lǐng)域逐漸興起，特別是利用機器學(xué)習(xí)（ML）和深度學(xué)習(xí)（DL）算法來改善藥物開發(fā)過程。在藥物開發(fā)的早期階段，在動物和人體臨床實驗之前，利用人工智能技術(shù)對候選化合物進(jìn)行鑒定和優(yōu)化，使其具有所需要的藥理學(xué)特性。

盡管利用計算機技術(shù)來協(xié)助藥物研發(fā)已經(jīng)有數(shù)十年歷史，甚至人工智能本身在新藥開發(fā)領(lǐng)域也已經(jīng)出現(xiàn)了10余年，但是直到近期這項技術(shù)的優(yōu)勢才得以真正展現(xiàn)。從融資角度來看，藥物研發(fā)應(yīng)用的人工智能企業(yè)80%的融資發(fā)生在過去三年里，盡管2020年意外發(fā)生了新冠病毒肺炎（COVID-19）大流行，但是2020年的融資額仍然超過了2018年和2019年的總和。

新藥開發(fā)應(yīng)用的人工智能方法

新藥開發(fā)為什么要應(yīng)用人工智能？

新藥開發(fā)人工智能技術(shù)開發(fā)商，以及利用人工智能開發(fā)的新藥已經(jīng)證明，利用人工智能算法可以將原本需要持續(xù)多年的開發(fā)過程縮短至僅需數(shù)月。開發(fā)時間的大幅縮短，以及因此所需合成化合物數(shù)量的減少，可以顯著降低開發(fā)成本，解決新藥研發(fā)的兩大痛點。

從實驗室到臨床，人工智能在虛擬篩選中的應(yīng)用

盡管在新藥開發(fā)成功率方面，人工智能新藥開發(fā)廠商的技術(shù)不一定比傳統(tǒng)方法更高，但是，更快的時間表和更低的成本已經(jīng)足以吸引全球制藥廠商競相投入，開發(fā)自己的人工智能技術(shù)，或與人工智能開發(fā)商達(dá)成合作或交易。

基于結(jié)構(gòu)的虛擬篩選可以預(yù)測與靶標(biāo)結(jié)構(gòu)結(jié)合的配體分子?；诮Y(jié)構(gòu)的虛擬篩選是人工智能在新藥開發(fā)應(yīng)用中的主要形式。

如何在新藥開發(fā)中應(yīng)用人工智能？

在本報告中，英國知名研究公司IDTechEx將基于結(jié)構(gòu)的虛擬篩選和全新藥物發(fā)現(xiàn)作為新藥開發(fā)的兩大塊進(jìn)行了重點研究，聚焦了這兩個方向的人工智能應(yīng)用。目前，基于結(jié)構(gòu)的虛擬篩選等具體應(yīng)用獲得了更高的關(guān)注，但是，對于這兩個主要方向，人工智能將在未來對哪個產(chǎn)生最大的影響尚不確定。

人工智能在全新藥物設(shè)計中的應(yīng)用（樣刊模糊化）

基于結(jié)構(gòu)的虛擬篩選是通過現(xiàn)有的結(jié)構(gòu)數(shù)據(jù)庫來實現(xiàn)的，這些結(jié)構(gòu)數(shù)據(jù)可以應(yīng)用人工智能算法，不過，由于生物系統(tǒng)的復(fù)雜性，化合物的結(jié)構(gòu)和適配性并不能完全反映化合物作為藥物的安全性和有效性。表型虛擬篩選和全新藥物發(fā)現(xiàn)等技術(shù)或能為一流新藥甚至多靶點藥物帶來更多希望，人工智能在化合物特性的預(yù)測和優(yōu)化方面可以提供全面支持。

新藥優(yōu)化中的人工智能應(yīng)用

化合物優(yōu)化過程中的人工智能應(yīng)用

一旦一種新的分子結(jié)構(gòu)被合成或一種靶點化合物被確定，研究人員就可以利用計算工具來預(yù)測該化合物的特性，然后根據(jù)目標(biāo)、靶點及其他因素對其特性進(jìn)行修飾。

利用包含數(shù)十億個分子結(jié)構(gòu)的數(shù)字化合物數(shù)據(jù)庫訓(xùn)練人工智能算法，以識別與某些類似藥物特性相對應(yīng)的化學(xué)結(jié)構(gòu)。通過人工智能模型能夠確定需要進(jìn)行哪些結(jié)構(gòu)修飾以實現(xiàn)所需要的特性。一旦這些特性被改變，就可以合成這些化合物，并在一系列體外實驗中進(jìn)行測試，分別驗證其特性。

實驗結(jié)果分析后，可以將數(shù)據(jù)反饋到人工智能算法。這一關(guān)鍵步驟使軟件能夠理解其預(yù)測的有效性，并在必要時從錯誤中修正，以便在未來生成更可行的預(yù)測。不斷重復(fù)循環(huán)，直到達(dá)到所需要的性能，最終優(yōu)化的化合物就可以準(zhǔn)備進(jìn)行臨床前試驗。

本報告覆蓋了新藥開發(fā)過程中的四個主要部分：

- 虛擬篩選，包括基于結(jié)構(gòu)的虛擬篩選、基于配體的虛擬篩選和基于表型的虛擬篩選；

- 全新藥物設(shè)計

- 先導(dǎo)化合物優(yōu)化（預(yù)測和優(yōu)化化合物性能）

- 化學(xué)合成規(guī)劃

新藥開發(fā)應(yīng)用的人工智能廠商研究包括：

- 主要廠商

- 資金來源（按應(yīng)用和藥物類型細(xì)分）

- 技術(shù)

- 公司簡介（包括訪談）

- 候選藥物進(jìn)展

- 軟件功能

- 技術(shù)完成度

責(zé)任編輯：lq