AI赋能药物研发得到专家高度评价但尚难依靠AI实现First-in-Cl

近年来，随着国内创新药产业的快速发展，国内制药公司在多个细分领域完成了从追赶者到开拓者的转变。但与此同时，创新型制药企业也面临着药物研发难度急剧增加、研发成本上升的困境。如何平衡RD的投入和产出？人工智能支持的药物研发可能会成为一种解决方案。

9月25日，第六届中国医药创新与投资大会在苏州国际博览中心举行。会上，中国科学院院士、中国科学院上海药物研究所研究员姜华良作了主题为“ai助力药物研发”的报告。

人工智能赋能药物研发。

姜华良首先高度评价了由谷歌旗下人工智能公司Deep Mind开发的人工智能系统AlphaFold。他认为AlphaFold是人工智能在药物研发方面的里程碑。根据Deep Mind在《自然》杂志上发表的论文，AlphaFold已经能够预测98.5%的人类蛋白质结构。

著名结构生物学家石曾表示，AlphaFold代表了全球领先的人工智能蛋白质预测系统，其对蛋白质结构的精准预测是本世纪最重要的科学突破之一。

和很多跨时代的技术类似，AlphaFold也冲击了传统的结构生物学家，很多结构生物学家自嘲“很快就失业了”。但姜华良认为，人工智能的结构预测算法将成为重要的辅助手段，将研究人员从蛋白质样品的制备、结晶等繁琐工作中解放出来，投入到药物研发更关键的节点。

众所周知，药物靶点是与特定疾病的发生发展有内在联系的、可以通过药物治疗的生物大分子或特定生物分子结构。在药物研发中，蛋白质作为药物靶标的结构是相应药物设计和转化的基础。在目前的药物研发链条中，人工智能技术已经覆盖了包括靶点发现和靶点确认在内的多个环节。对此，史曾表示，“所有小分子药物结合的药物靶蛋白的结构几乎都可以被AlphaFold消灭。”

姜华良在会上列出了一组数据。FDA批准的1619种药物中，小分子药物1366种，大分子药物253种，涉及893个靶点，其中人体靶点667种。姜华良强调，靶点耗竭已成为全球新药研发面临的共同问题。“现在还有几个目标要做。PD-1出来，几十家(企业)会跟上。关键是找到(适合)自己的目标。”

在目标枯竭的背景下，如何缩短研发时间，节约研发经费，成为各大药企面前亟待解决的问题。姜华良认为，人工智能与大数据的结合是精准药物研发的契机，AI技术可以低成本快速获得新的药物治疗方法。

AI还是很难做到一流。

在本次大会的圆桌讨论环节中，火热的研发和无序的竞争导致创新药物赛道拥挤，成为嘉宾们讨论的热点。当被问及企业能否借助人工智能快速突破一流的研发时，姜华良坦言“现在AI很难做出一流，基本上也是我。”。不要对人工智能期望过高，人工智能是一种赋能技术。目前资本对人工智能的追求过热，应该理性看待这项技术。"

“AlphaFold并没有解决蛋白质科学中的所有问题，例如小分子和目标蛋白质之间不可预测的相互作用、不确定的动态变化以及蛋白质和蛋白质之间不确定的相互作用。这些问题的复杂性目前超出了人工智能的能力范围。”姜华良说。

据记者了解，就连人工智能本身目前也存在不少缺陷。首先，有偏见的数据集，尤其是在生物医学领域，将限制临床数据的应用。其次，模型存在偏差。反应p

因此，现在判断人工智能能否让国内药企突破一流，实现弯道超车还为时过早。只有不断积累有价值的临床数据，进一步完善AI模型，人工智能技术才能为药物研发带来更加光明的未来。

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。