新药研发平均成本26亿美元、耗费10年,成功上市不足1/10

AI入局能让药企告别“豪赌”吗

不久的将来,技术革新将这样改变我们的生活:人工智能极大地加快新型药物、材料的研发速度;新型诊断工具打造更先进的个性化医疗;增强现实变得随处可见,现实世界被大量信息和动画所覆盖……

这些足以改变世界的想法与其他新兴技术,近期一起入围由《科学美国人》和世界经济论坛发布的2018年全球十大新兴技术。其中,人工智能辅助化学分子设计—机器学习算法加速新型药物和材料的研发,尤为引人关注。

助力化合物合成 简单直接有效目前,全球有近100家初创企业已在探索用于研发新药的人工智能方法。“人工智能在材料合成的自动建模、高速匹配和假设检验等环节可以发挥重要作用,其性能比人类高出多个数量级。”新一代人工智能产业技术创新战略联盟秘书长、北京大学计算科学技术系主任黄铁军说,一旦材料和药物的模型库比较完备,人工智能就会极大加速新型材料和药物的研发进程。

无论是设计新型太阳能材料、抗癌药物还是用于农作物的抗病毒化合物,有两个难题待解:找到所需的正确化学结构,并确定哪些化学反应能让正确的原子与所需的分子连接。如果使用传统方法,上述问题的答案往往来自于复杂的猜测和意外的发现。

常规的新药研发模式是,随着一个潜在的药靶被发现,新药研发工作者通常利用高通量筛选的方式来发现苗头化合物。对数以百万计的化合物进行筛选,过程十分缓慢且产生的有效结果较少,并且要经历许多次失败、痛苦的尝试。

显然,人类做这样的工作力不从心。“人工智能的助力,正在提高设计和合成化学分子的效率。”北京大学前沿交叉学科研究院特聘研究员裴剑锋说,机器学习算法通过分析已知的所有实验,设计新分子的合成步骤,可极大提高分子合成的成功率。

值得注意的是,有机合成的概念在19世纪就已产生,但人类在近100年后才真正开始对合成路径设计的模式进行探究总结。

“20世纪中期,化学家开始用计算机进行化合物合成路径辅助预测。近年来,人工智能算法被广泛地应用到合成设计领域。”裴剑锋告诉科技日报记者,化学家们也在创造和发展一种叫做自动合成机器人的设备,用于自动合成特定的目标化合物或者多个不同类型的化合物分子。机器学习和人工智能算法的引入,让合成机器人得以更加自动高效的工作,并能发现新的化学反应。

今年4月,一则“化学界‘Alphago’问世”的消息让人印象深刻,科学家们在《Nature》上发文证明,AI能以前所未有的速率进行逆向合成反应。上海大学教授马克·沃勒等人使用类似Alphago算法的三种神经网络+蒙特卡洛树搜索的方法,实现了逆合成分析和路径预测。该方法在双盲测试中表现优异,有机化学领域的专家们认为AI的合成预测结果并不逊于人类专家。评论称,这将加速合成人类所需的化合物。

• 1
• 2
• 下一页
• 全文阅读