新藥研發是一項復雜而漫長的過程，高投入、高風險、高技術、長周期的“三高一長”典型特征讓這項工作嚴酷而險象環生。人工智能技術浪潮的勢如破竹、大模型在生物醫藥行業的率先落地，為新藥研發產業界帶來了新的機遇。
近日，由浦東投控集團戰略支持、星藥科技主辦的2023世界人工智能大會“AI for 藥物研發生態”論壇在張江科學會堂舉行。人工智能生物醫藥領域的研究學者、創業者、企業家、投資人齊聚一堂，深入探討前沿技術發展趨勢，積極探尋行業突破口和解決方案，努力推動AI在藥物研發領域的全新應用。
以關鍵政策為牽引，生物醫藥高歌猛進
多年以來，浦東持續深耕生物醫藥與人工智能領域的研究與應用，以“關鍵項目為牽引、破題跨界共性難點”為使命推動產業融合發展，圍繞基礎科研、技術創新、場景應用、制度供給、產業空間等維度進行了系統性的布局，致力于打造世界級產品，現已成為人工智能生物醫藥產業要素最集中、產業鏈最完整、創新資源最豐富的地區之一。生物醫藥產業也已成為上海重點發展的三大先導產業之一，并位列浦東六大硬核產業第二。生物醫藥與人工智能的交叉學科研究，不僅符合科學技術發展的趨勢，更是產學研一體化、科技成果產業化的新賽道，二者的交互碰撞將激發出絢麗的火花，有廣闊的發展前景。
浦東正全力打造國資創投體系，助力生物醫藥產業高質量發展，引領區產業發展基金、浦東科創母基金、浦東科技發展天使母基金等三大基金群已成型，多措并舉營造生態，已經成功搭建了CRO+AI、巨頭+AI、Biotech+AI的人工智能生物醫藥產業生態，孵化器、加速器等、研發辦公空間等各類生物醫藥產業空間的規模不斷擴展，技術平臺、產業聯盟、高水平論壇、AI制藥生態圈等日臻完善，產業“核爆點”蓄勢待發。
在AI for 藥物研發生態論壇現場，研究學者、行業專家等圍繞AI制藥創新發展新路徑展開討論，討論話題涉及AI在中風神經保護劑開發、藥物制劑開發等具體的AI應用實例，也包含投資界對AI制藥行業研究現狀和未來方向的深刻洞見，更有政府的政策牽引和規劃支持，經過激烈的思維碰撞，為AI制藥的快速發展共同謀定了新的破局思路和落地方案。
前沿技術成果發布，星藥實現方法論閉環
作為本次論壇的主辦方以及浦東新區“AI制藥”行業的代表企業，星藥科技發布了人工智能+生物醫藥的前沿產業技術成果：M1-AI驅動智能計算平臺和Galileo-高通量高內涵篩選平臺”。M1，Galileo，與星藥科技的人工智能藥物發現平臺Pyxir一起，構成了星藥科技獨有的AI賦能藥物研發的核心方法論，實現了計算與實驗相結合、技術與應用相輔助的高效閉環。
M1，結合了人工智能與經典物理學原理，可快速準確描述分子和蛋白間的相互作用，精確計算目標分子與蛋白間的結合自由能，突破經典計算模擬方法的局限，以提升藥物開發效率、降低研發成本。與頂尖商業軟件相比，GDock蛋白-分子相互作用模擬模塊的對接速度提升了近2000倍，預測精度提升了87%，并可同時識別正構位點和非正構位點，解決基于靶點的藥物設計中的關鍵問題。GFF是基于傳統計算化學框架和人工智能算法開發的專門針對小分子的新一代通用力場，使用圖神經網絡構建連續化的原子類型，具有極強的泛化能力和迭代適配能力。GDynamic是世界首創的蛋白-小分子動態對接模塊，突破了AlphaFold僅預測蛋白結構的極限，通過考慮蛋白構象變化在對接中發現隱藏口袋。
Galileo，通過對細胞進行培養和干預以建立疾病相關細胞系，通過觀察疾病相關細胞系在不同干預模態下的形態變化來評估干預對疾病的改善效果。Galileo可在短時間內高通量地產生信息量豐富的高內涵細胞圖像，通過AI模型對大規模數據進行學習，來評估候選藥物的下游機制及動物體內藥效、毒性甚至人體實驗的結果。Galileo生物平臺每周產量約為10T的高質量細胞圖像數據，大約64萬張圖像，通過AI技術的高通量、標準化的處理方式，我們可以像伽利略用望遠鏡探索宇宙一樣，借著AI的高速引擎，用熒光數字顯微鏡來探索疾病相關細胞系的廣袤。
以靶點選擇為起點，九十九死而未必生
“藥物研發過程艱難，多以失敗告終，原因之一就是藥物靶點不夠精準，因此需要更深入的創新性研究找到新的靶點。”加拿大皇家科學院院士、深理工生命健康學院首任院長王玉田在中風神經保護劑的開發項目中，由于認識到了針對NMDAR的傳統研發策略存在副作用大、起效時間長的痛點，于是重新調研改以2A亞基NMDAR的NTD胞外N端為作用靶點，采用AI輔助藥物篩選發現了變構激動劑，在變構增強NMDAR體激動的同時，不干擾突觸傳遞的時間準確性，從而減少了副作用。這是AI賦能藥物開發的典型案例。
又如星藥科技創始人&CEO李成濤博士分享的針對3CL蛋白酶設計的Paxlovid和針對KRAS蛋白開發的抗腫瘤藥物，以及聯仁健康醫療大數據CTO楊偉棟提到的每年有多個藥物獲批的PD-1抗體藥，以及當前競爭趨于白熱化的GLP-1減肥藥等，新藥發現的成功無一例外地始于靶點的選擇。有了好的起點，也就成功了一半。反之，Exscientia和Relay的DSP-1181和RLY-2608(PI3Kα抑制劑)的臨床折戟也為我們在靶點選擇上帶來了更多的反思。
新藥研發不易，臨床前的成功率只有10%，穿越臨床試驗成功的概率不足1%。面對荊棘密布的新藥研發，人工智能能否創造更多的機遇、發揮更大的助力?星藥科技在AI藥物研發領域通過長期實踐已經蹚出了一條新路。星藥科技以AI為核心技術，廣泛布局為醫藥產業帶來更多增益的差異化管線，尤其在未成藥、難成藥靶點領域。同時，星藥科技以AI驅動的研發管線”和“AI賦能的計算平臺”的雙循環理念，沉淀出了Pyxir+M1+Galileo三位一體的核心方法論，更加高效地賦能新藥研發、解決未被滿足的臨床需求。
AI新藥研發道阻且長，數據聯盟任重道遠
人工智能與生物醫藥的融合體現在多個維度，包括制劑開發、臨床試驗、老藥新用等。但是人工智能在藥物開發領域仍然面臨巨大挑戰，例如數據不足和安全問題。Pfizer、AstraZeneca經歷了數十年的積累，在AI技術的加持下，其研發成功率已從2010年的2%和4%提升至2020年的20%以上，實現了質的飛躍。國內數據共享和數據聯盟的建設起步較晚，無論從技術發展成熟度和數據標準化方面，AI制藥行業仍處于早期階段。
在AI for 新藥研發生態論壇的圓桌討論環節，來自高校、產業和資本等領域的嘉賓分享了AI制藥大數據平臺生態建設的價值及可行性，也對數據共享和數據聯盟的建設提出了一些設想和落地方案。數據的特征是復制成本極低，復制速度和傳播速度極快。數據一旦被“看見”，就可以被復制，而且可以被無限制地復制。對于這種特殊的生產要素，如何進行交易和定價?在關于數據交易和隱私計算的討論中，上海交通大學人工智能研究院總工程師、教授金耀輝認為隱私計算技術結合區塊鏈技術是從根本上來平衡數據安全和數據價值之間矛盾的方法。聯仁健康的首席數據觀李登高補充道，數據交易的標的并不是數據本身，而是基于數據分析、建模、計算得到的結果。
盡管生物醫藥行業的數據聯盟從落地到商業化依然還有很長的一段路要走，例如，需要解決數據安全和隱私保護的問題，以及數據格式和標準化的問題，甚至數據質量和可信度的問題，還要考慮商業模式和盈利模式的問題，等等。但是，由于新的行業范式尚未形成，中國人工智能生物醫藥行業極有可能實現彎道超車，以更大的能級助力創新藥的發展，為打造生物醫藥數據共享生態奠定基礎，為生物醫藥行業的創新發展提供有力的支持和推動。
毋庸置疑，人工智能將為生物醫藥界帶來重大的變革，人工智能技術正在從多方面滲透到生物醫藥領域，被應用于靶點、新藥發現和臨床試驗等各個環節。生物制藥與AI的深度融合將極大地促進創新藥的研發，推動生物醫藥產業的突破和創新。
在歷史的長河中，人類為了克服疾病的困擾已經開發出了舉世聞名的胰島素、青霉素、天花疫苗……每一款新藥的橫空出世都承載著人類的夢想和希冀。隨著人工智能與生物醫藥行業的深度融合，會有更多類似Donanemab的新藥相繼問世，狂犬病、漸凍癥、尿毒癥等今天人們談之色變的疾病，在不久的將來也會像糖尿病、細菌感染、天花一樣成為歷史記載的一個個詞條，人類卻早已不再為之所累。“讓世界遠離病痛，讓新藥觸手可及”也將在AI時代的更迭中慢慢可及。
