入选《MIT科技评论》十大突破性技术，“AI药物分子设计”有望三五年内成熟

《麻省理工科技评论》的年度“十大突破性技术”新近出炉，榜单中，“AI药物分子发现”入选为年度突破性技术，认为该行业的成熟期为3-5年，并强调了Insilico Medicine与多伦多大学的研究。

榜单解释了药物分子发现的难度，因为在药物研发中，可能转化为药物的分子数量非常庞大，这个数量估计有10的60次方，比太阳系中所有原子的数量还要多，化学家们要从庞大的数量中找到有价值的分子，需要耗费很多的时间和成本。

AI药物分子发现的价值在于，通过机器学习，达成以更快的速度、更低的成本发现新的候选药物。

榜单重点强调了Insilico Medicine公司与多伦多大学的实验研究，认为其通过算法发现的几种候选药物，“如同用计算机在围棋比赛中战胜世界冠军”，是对AI制药行业的有效性的一个证明。

对于此项研究的着重强调，36氪获得了《麻省理工科技评论》总编辑David Rotman的回应：“深度学习和其他人工智能工具，能够发现理想的新分子，这种技术将改变药物研发过程。它有望使新药开发更快、更有效，是寻找更优药物的重要新工具。Insilico Medicine公司在使用人工智能工具中，具备一些令人兴奋的技术（如GANs），它在药物发现方面一直处于领先地位。最新的研究结果证明，GANs是一种发现有潜力分子的有效的新工具。”

Insilico Medicine自2015年开始在AI制药领域开展工作，并掌握关键的知识产权。该公司在2016年发表了该领域的第一篇同行评议论文，在2017年发表了多篇理论论文，第一个里程碑式实验预计将于2020年发表。近期，该公司还发表了几篇验证JAK3和DDR1激酶的概念的实验结果。另外，该公司最近设计出了一系列针对COVID-19蛋白酶的药物分子，这些分子是在4天内生成的。

在《麻省理工科技评论》“十大突破性技术”榜单出炉的同一天，Insilico Medicine宣布启动其脑癌科研的“企业家计划”，并将在今年8月之前具体化落实。该项目将由制药专家、资深研发科学家George Okafo博士主导。

“我记得在2016年初举行的第一届人工智能和药物发现会议上，我们首次提出了AI药物分子设计的理论，即使用对抗性自编码（AAE）来生成有潜力的药物分子结构。我不得不花很多时间用图片来解释原理，然而，当时的深度学习的专家对化学部分并不熟悉，而化学家们对数学部分并不熟悉，要求进行实验验证，几乎没人当真。现在，大多数制药公司都成立了内部的化学结构生成小组。”Insilico Medicine联合创始人兼首席执行官Alex Zhavoronkov博士说道。

Insilico Medicine的联合创始人和总裁Alex Aliper博士表示：“药物发现是一个特殊的行业，在这个行业中，公司更倾向于保密，多数研发进展不能公开。与之相比，AI药物分子生成是一个不同的状态，研发进展可以积极地去发表，大众可以从发表的文章中判断出AI平台的能力，因为研发的难度都在平台内部。”