“新冠疫情全球大流行”“全球新冠肺炎確診病例超過 20 萬例”、“境外輸入病例數連續增長，后續我國仍面臨較大輸入性風險”……最近，一系列疫情相關消息一直警示著我們。盡管國內疫情防控趨好，但病毒在海外的大流行依舊不能掉以輕心。
同時，作為遏制疫情的重要手段，疫苗和特效藥的研發正在緊鑼密鼓地進行中。其中，AI 也被運用到藥物研發中，并發揮出重要的作用，受到廣泛的關注。
AI 加速藥物研發進程
目前，AI 早已被投入到新冠肺炎藥物的搜尋中。
由倫敦帝國大學和 BenevolentAI 人工智能新藥研發公司在柳葉刀 Lancet 發表的通訊文章稱，巴瑞替尼（Baricitinib）是新型冠狀病毒（2019-nCoV）感染的肺炎潛在治療藥物。對此，帝國理工學院癌癥醫學與腫瘤學教授 Justin Stebbing 表示：“我們使用 BenevolentAI 搜索可能有用的已批準藥物，重點是那些可能阻止病毒感染過程的藥物，我們找到了巴瑞替尼，它被預測會降低病毒感染肺細胞的能力。 ”
BenevolentAI 是一個大型結構化醫藥信息倉庫，包含了大量使用機器學習抽取出來的連接關系。研究者們根據新冠病毒的特點，使用該知識圖譜驗證可以用于治療的藥物，即能夠阻斷病毒感染進程的藥物。
大多病毒通過受體介導的內吞作用進入細胞，而目前了解到的主要 2019-nCoV 病毒受體是 ACE2，通過抑制內吞調節因子之一，AP2 關聯蛋白激酶 1（AAK1），就可能阻斷病毒向細胞的傳遞以及病毒顆粒的細胞內組裝。在 BenevolentAI 中，可搜索出 378 種 AAK1 抑制劑，已應用于臨床的有 47 種，其中 6 種能夠高效抑制 AAK1，然而可帶來嚴重副作用。而巴瑞替尼是 6 種高親和力 AAK1 結合藥物之一，且在常規治療時的血漿濃度足以抑制 AAK1，因此被認為是潛在的新冠肺炎治療藥物。
在國內，今年 1 月 20 日，國內藥物研發科技公司晶泰科技設立了新冠肺炎藥物的研究小組，在阿里云開放算力的幫助下，取得了出色的成效。
在老藥新篩方面，晶泰科技通過分子動力學模擬，發現病毒 Spike 蛋白與人體內 ACE2 受體蛋白可以穩定結合，且有較強的親和力，這意味著新冠病毒的傳播力較強。隨后，晶泰科技選擇了 3CLpro、PLpro 和 Rdrp 三個參與病毒復制與轉錄的重要蛋白靶點，進行化合物篩選。
在自主開發的 AI 藥物虛擬篩選平臺 ID4（Intelligent Digital Drug Discovery and Development）上，晶泰科技比較了已獲 FDA 批準的 2900 多個藥物分子和超過 10000 個中藥成分分子，初步獲得了 183 個候選分子，又進一步將候選分子范圍縮小到 38 個。該過程需要進行大量的高精度計算，但由于阿里云超算的超強算力，原本需要一個月才能完成的計算，在一周內就得以完成，節約了 75%的時間。
在新藥設計方面，晶泰科技以病毒上的 Spike 蛋白及其他關鍵蛋白作為關鍵靶點。該公司計算模擬了 S 蛋白和 ACE2 蛋白之間的相互作用，并進一步研究了 S 蛋白和 ACE2 的表位，也就是這兩個蛋白直接接觸的位點，來揭示關鍵的多肽片段和氨基酸殘基。同時還用自由能微擾方法預測評估了表位上的氨基酸如果發生突變，會對病毒的傳染性、致病性有怎樣的影響。在此基礎上，晶泰科技希望預判病毒可能的突變，并篩選出安全高效、能夠應對病毒耐藥性變異和具有潛在廣譜抗病毒性質的藥物。
AI 助力藥物研發常態化
為何在疫苗及特效藥的研究中，AI 藥物研發的出鏡率如此之高？
實際上，在全球范圍內，大型藥企都普遍意識到在研發中應用 AI 技術的重要性，并與與 AI 企業合作，或直接投資 AI 企業，以實現在該領域的布局。至今，全球十大跨國藥企均已全部入局 AI 制藥。
藥企巨頭與 AI 企業的合作事件統計如下：
我國傳統大型藥企也已加入了這一潮流。2018 年，正大制藥集團旗下正大天晴與阿里云合作采用 AI 制藥，獲得了全新的化合物篩選方法，與傳統計算機輔助藥物設計方法相比，這套新方法可提高篩選準確率 20%。
2019 年 9 月，江蘇豪森和 Atomwise 宣布，雙方將合作設計和發現多個治療領域中多達 11 種未公開靶蛋白的潛在候選藥物。根據雙方合作協議，此次合作對 Atomwise 的潛在總價值將超 15 億美元。
如今，AI 制藥不僅在世界范圍內得到了廣泛應用，更重要的是，其已經能夠被用于藥物開發的所有主要階段。
為何制藥業好看 AI？
為何藥企集體轉向 AI？
這必須由新藥研發的特征說起。
新藥研發周期長、成本高、成功率低，業內人士喜歡形象地用 3 個“10”來描述新藥從研發上市的過程：10 年時間、10 億美金、10%成功率。
例如，過去 20 年間，藥企 R&D 的投入大概翻了一番，而新批準的藥物數量卻沒有相應變化。來自德勤的數據顯示，自 2010 年以來，12 家主要制藥公司的獲批藥物開發成本已經增加了 33％，每年約 16 億美元。
不過，應用 AI 技術后，這一局面有所改善。
在研發效率上，晶泰科技 CEO 馬健曾說過：“通過計算，能夠幫助藥企優先選擇最容易成功的藥物化合物、晶型候選和研發路線，幫助這些藥物研發專家趨利避害，減少研發時間和試錯范圍，尤其是晶型研發周期，會從幾個月甚至一年縮短到幾周到幾個月。”
在成功率上，TechEmergence 的研究報告顯示，AI 可以將新藥研發的成功率從 12%提升至 14%。這 2%的增長看似數目不大，但在 AI 得到廣泛應用的情況下，其為生物制藥行業節省的資金將是數十億美元。
在風險率上，來自高盛的一份人工智能報告顯示，通過實施機器學習和 AI，在獲批藥物的平均年度開發成本為 16 億美元（包括與失敗藥物相關的成本），或者失敗藥物的年度成本為 300 億美元（這筆資金完全可以平均分配給獲批的藥物群）的情況下，人們有望將藥物開發與發現的相關風險減半。如此，到 2025 年，全球制藥行業每年即可節省約 260 億美元。
所以，擁有三大優勢的 AI，自然會成為全球藥企和科技公司共同看好的新領域。
什么在阻礙 AI 制藥業的發展？
與其他處于前沿科技一樣，，AI 制藥正面臨著行業標準和法規監管缺失的難題和痛點。
目前，尚無針對 AI 制藥的政策指導出臺，也未有直接與 AI 制藥相關的產品被批準發行。
因此，AI 在制藥行業中，仍處在輔助階段。
一直以來，制藥業都是一個強監管的行業，屬于政策驅動型。同時，由于藥物直接涉及生命健康，容錯率極低，AI 制藥行業真正走向普及和實際落地仍然還很遙遠。
但毋庸置疑的是，一旦需要相關標準和法規的確立，AI 勢必會更全面、更深入地向醫藥領域滲透。
除此之外，對 AI+制藥的認知度和生物復雜性的理解提升也有待提高。在決定 AI+藥物研發質量的數據問題中，如何建立研發數據標準體系完善數據，如何建立風險利益公擔的共享機制，也是未來 AI+制藥行業亟待解決問題之一。
內容及圖片均來源自網絡