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，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的個性化醫(yī)療,；增強現(xiàn)實變得隨處可見,，現(xiàn)實世界被大量信息和動畫所覆蓋……

　　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,，人工智能輔助化學分子設(shè)計—機器學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咏���,、高速匹配和假設(shè)檢驗等環(huán)節(jié)可以發(fā)揮重要作用，其性能比人類高出多個數(shù)量級,�,！毙乱淮�人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟秘書長、北京大學計算科學技術(shù)系主任黃鐵軍說,，一旦材料和藥物的模型庫比較完備,，人工智能就會極大加速新型材料和藥物的研發(fā)進程。

　　助力化合物合成 簡單直接有效

　　無論是設(shè)計新型太陽能材料,、抗癌藥物還是用于農(nóng)作物的抗病毒化合物,，有兩個難題待解：找到所需的正確化學結(jié)構(gòu)，并確定哪些化學反應(yīng)能讓正確的原子與所需的分子連接,。如果使用傳統(tǒng)方法,，上述問題的答案往往來自于復(fù)雜的猜測和意外的發(fā)現(xiàn),。

　　常規(guī)的新藥研發(fā)模式是，隨著一個潛在的藥靶被發(fā)現(xiàn),，新藥研發(fā)工作者通常利用高通量篩選的方式來發(fā)現(xiàn)苗頭化合物,。對數(shù)以百萬計的化合物進行篩選，過程十分緩慢且產(chǎn)生的有效結(jié)果較少,，并且要經(jīng)歷許多次失敗,、痛苦的嘗試。

　　顯然,，人類做這樣的工作力不從心,。“人工智能的助力,，正在提高設(shè)計和合成化學分子的效率,。”北京大學前沿交叉學科研究院特聘研究員裴劍鋒說,，機器學習算法通過分析已知的所有實驗,，設(shè)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，但人類在近100年后才真正開始對合成路徑設(shè)計的模式進行探究總結(jié),。

　　“20世紀中期,，化學家開始用計算機進行化合物合成路徑輔助預(yù)測。近年來,，人工智能算法被廣泛地應(yīng)用到合成設(shè)計領(lǐng)域,。”裴劍鋒告訴科技日報記者,，化學家們也在創(chuàng)造和發(fā)展一種叫做自動合成機器人的設(shè)備,，用于自動合成特定的目標化合物或者多個不同類型的化合物分子。機器學習和人工智能算法的引入,，讓合成機器人得以更加自動高效的工作,，并能發(fā)現(xiàn)新的化學反應(yīng)。

　　今年4月,，一則“化學界‘Alphago’問世”的消息讓人印象深刻,，科學家們在《Nature》上發(fā)文證明，AI能以前所未有的速率進行逆向合成反應(yīng),。上海大學教授馬克·沃勒等人使用類似Alphago算法的三種神經(jīng)網(wǎng)絡(luò)+蒙特卡洛樹搜索的方法,，實現(xiàn)了逆合成分析和路徑預(yù)測。該方法在雙盲測試中表現(xiàn)優(yōu)異,，有機化學領(lǐng)域的專家們認為AI的合成預(yù)測結(jié)果并不遜于人類專家,。評論稱,，這將加速合成人類所需的化合物,。

　　提速藥物研發(fā) 更快更經(jīng)濟

　　最近,，大名鼎鼎的英國Benevolent AI公司籌集了1.15億美元,，準備將其人工智能技術(shù)應(yīng)用于運動神經(jīng)元疾病,、帕金森病和其他難治疾病的藥物研發(fā),。

　　業(yè)界專家表示,，人工智能可應(yīng)用在藥物開發(fā)的不同環(huán)節(jié),，包括虛擬篩選苗頭化合物,、新藥合成路線設(shè)計,、藥物有效性及安全性預(yù)測,、藥物分子設(shè)計等,。通過有效運用人工智能技術(shù),，基于已有的化學,、生物學數(shù)據(jù)和知識建立有效的數(shù)據(jù)模型,，來預(yù)測藥品研發(fā)過程中的安全性,、有效性,、副作用等，從而有望實現(xiàn)減少人力,、時間,、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發(fā),，自2013年以來，Benevolent AI共開發(fā)出24個候選藥物,，且已有藥物進入臨床二期試驗階段,。

　　“北京大學化學與分子工程學院/前沿交叉學科研究院分子設(shè)計實驗室已初步完成1個人工智能化合物酶促合成路徑輔助分析系統(tǒng)，用于節(jié)省合成生物學家大量的人工設(shè)計工作,。”在裴劍鋒看來,，藥物設(shè)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)達國家都有一批著名科學家領(lǐng)導(dǎo)的研究組從事藥物設(shè)計方法和應(yīng)用研究,，各大跨國制藥企業(yè)的研發(fā)中心都設(shè)有與化學合成和生物測試部門并列的藥物設(shè)計部門,，其中，不乏通過計算機輔助藥物設(shè)計而成功上市的藥物,。

　　而裴劍鋒所在的北京大學分子設(shè)計實驗室，在國際上較早,、國內(nèi)率先開展人工智能藥物設(shè)計的研究，所發(fā)展的藥物設(shè)計方法在國際上有較大影響,，相關(guān)軟件在國內(nèi)外擁有上萬用戶,，包括輝瑞,、諾華,、默克和強生等國際大型醫(yī)藥公司等商業(yè)用戶,。

　　市場表現(xiàn)可期 時間將給出答案

　　業(yè)界評價，人工智能技術(shù)的加持,，讓新藥研發(fā)開始提速換擋,。能否解決新藥研發(fā)投入越來越大,、時間越來越長的痛點,，人工智能的介入才只是開始。

　　據(jù)《Nature》報道,，新藥研發(fā)的平均成本約為26億美元，大約耗費10年時間,。它包括了漫長的小分子化合物研發(fā)階段、三期臨床試驗,、以及注冊審批的過程,。然而,，能夠通過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(jié)構(gòu)數(shù)據(jù),、數(shù)據(jù)集數(shù)據(jù)較少、負樣本數(shù)據(jù)不足、數(shù)據(jù)不平衡等問題,，人工智能技術(shù)也有助于解決這類藥物設(shè)計中的難題�,！痹谂釀︿h看來,，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題,，實現(xiàn)針對特定疾病,、靶標和化合物分子自動進行藥物研發(fā)評估和自動新藥發(fā)現(xiàn)的系統(tǒng)。同時,，還能顯著提高藥物研發(fā)流程中各種計算預(yù)測模型的準確性,，促進新型藥物設(shè)計技術(shù)的產(chǎn)生，使得基于文獻信息數(shù)據(jù)的新藥研發(fā)等新方向變得真正可行,。

　　“可以預(yù)計,，人工智能技術(shù)對傳統(tǒng)技術(shù)的改進以及由其引發(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,，顯著提高藥物研發(fā)的成功率�,！迸釀︿h坦言,，新藥研發(fā)是個長周期的過程(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間的積累來證明,。

　　與藥物設(shè)計類似的是，材料設(shè)計中的典型應(yīng)用如新能源,、電池和高性能合金材料等,，也將會通過新一代分子模擬的方法被大力推動,。裴劍鋒說，基于機器學習和大數(shù)據(jù)的材料設(shè)計所面臨的挑戰(zhàn)是，實現(xiàn)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(chǔ)有賴于高精度的材料和藥物模型,，這方面需要長期的試驗積累,�,！�(本報記者 劉 垠)