像辉瑞等国际顶级生物制药公司,每年至少需花费数十亿美金,经历10年左右的时间,才能成功研发并上市一款新药。在国内,大概有6000家药企,2016年上半年投入超过1亿的药企有20家,国内单家药企的研发经费最可高达10亿元以上。
事实上,新药研发的风险大、周期长、成本高,这在国内国外都是极大的痛点。随着人工智能的兴起,相关领域的技术创新正在推动药物研发行业向前推进。
整个药物研发的全流程如下:
药物靶点的确认 → 化合物的生成 → 活性化合物的筛选
临床1 → 临床2 → 临床3
新药申请 → 上市
人工智能在这3个环节中都会得到一定的应用,其中临床前研究是整个药物研发中最具提升空间的环节。传统药企的做法是通过“海选”战术,生成几千种结构相近的候选化合物,通过高通量实验进行层层筛选、优化,并在这个过程中依靠专家的个人经验进行关键决策,带有明显的盲目性和效率上的瓶颈。
事实上,通过临床前研究到临床研究的化合物结构会有几百种,但最终能够走到药物上市的只有1种甚至全部不合格,原因可能是药物稳定性不够,或者是结晶结构不理想,或者是溶解度不理想。
所以人工智能的介入将根本改变整个药物研发的成本结构。
36氪近期了解到,晶泰科技在化合物的生成与活性化合物的筛选方面在国内已经走到了前列。
晶泰科技于2014年在麻省理工校园内成立并于2015年9月正式落地深圳。起初利用计算物理、量子化学、量子物理与云端智能算法与算力,实现了高精度的药物固相预测,缩短了药物设计、晶型筛选与药物制剂开发的时间。
晶泰科技联合创始人赖力鹏提到,量化计算的引入是我们对行业的第一项革新,人工智能与量化计算的融合则是对平台算法、效率的进一步的升级。
传统的药物研发中,许多关键环节极大地依赖实验试错,带有相当的偶然性,也无法避免纰漏的发生。过去需要数月、数年时间,经过上千、上万次实验进行的药物固相筛选和研究,以晶泰科技的技术,现在只要几天甚至几小时就能预测出准确结果,再以此指导有针对性的实验验证,从而显著减少金钱与时间投入,并提高成功率。
至于如何实现高精度的药物固相预测和筛选,力鹏提到,优化预测流程和选择预测方法比单纯的调参更重要。这是一个复杂的系统工程,需要将多种优化算法与量子物理相结合,并通过云平台上海量的计算任务来支撑。
36氪也了解到,量化计算是不需要底层数据的支撑 ,但深度学习是以数据为基础的。晶泰科技的数据主要源自于公共数据库、自有计算产生的高质量数据积累,以及业界、学界合作方的数据支持。
赖力鹏透露,公司仍在不断深化技术壁垒,已从最初的药物晶体结构分析算法,拓展到可以对更加复杂的药物固相(晶型、水合物、盐、共晶等)进行精准快速的筛选和设计,并通过深度神经网络,对药物分子的关键特性进行有效预测。
晶泰科技的药物固相设计与筛选平台已经服务于世界顶级药企的新药研发,而人工智能预测分子物理化学性质的平台AtomPai,也已初步向科研人员开放功能测试,其中对溶解度预测的误差比行业同类解决方案降低50%。
团队方面,晶泰科技于2014年成立于麻省理工校园,核心团队由量子物理学家与医药行业资深专家组成。创始人温书豪曾在中国科学院、美国加州大学、麻省理工学院从事学习与研究工作达11年。联合创始人马健本科、博士均毕业于浙江大学。联合创始人赖力鹏获北大物理、数学双学位后,在芝加哥大学完成博士学位。
目前晶泰科技的团队在北京、深圳、波士顿三地共有40人。研发队伍中既有物理学家、化学家、药物学家、药企研发高管,也有人工智能、云计算等领域人才。
晶泰科技于15年年底获得腾讯数千万人民币A轮投资,16年年初真格和峰瑞资本投资数百万参与A轮的跟投。总计融资金额为3200万人民币。
竞品方面,硅谷的Atomwise是利用超级计算机分析已有数据库,并用独家算法模拟药品研发的过程,分析化合物的构效关系,于研发早期评估新药风险,大幅降低药物研发的成本。Atomwise借助IBM的蓝色基因超级计算机,强大的计算能力使得他们可以完成很多任务,例如评估820万种化合物,并在几天之内找到多发性硬化症可能的治疗方法。2015年,公司宣布在寻找埃博拉病毒治疗方案方面有一些进展, 在已有药物中,有两种或许能用来抗击埃博拉病毒,找到这两种药物用时仅一周。
国内,AccutarBio(冰洲石生物科技)利用人工智能针对生物药进行药物筛选,现阶段Accutarbio先从药品研发开始,同时也在打造算法和平台能力,希望将用于癌症药物研发的这套人工智能算法工具开放出来。团队向36氪透露。过去一年,AccutarBio已经利用该平台进行了药物设计,其中一款药物针对乳腺癌,适用于使用乳腺癌常用药物Tamoxifen3-5年后复发的患者,已经经过了细胞验证和初步小鼠动物实验,正在美国申请相关专利,并在计划推进新药临床研究申请。