提速药物研发 更快更经济 最近,大名鼎鼎的英国Benevolent AI公司筹集了1.15亿美元,准备将其人工智能技术应用于运动神经元疾病、帕金森病和其他难治疾病的药物研发。 业界专家表示,人工智能可应用在药物开发的不同环节,包括虚拟筛选苗头化合物、新药合成路线设计、药物有效性及安全性预测、药物分子设计等。通过有效运用人工智能技术,基于已有的化学、生物学数据和知识建立有效的数据模型,来预测药品研发过程中的安全性、有效性、副作用等,从而有望实现减少人力、时间、物力等投入,降低药品研发成本。 人工智能技术在药物研发中已然崭露头角,显示出光明前景。比如,Benevolent AI公司使用人工智能助力新药开发,自2013年以来,Benevolent AI共开发出24个候选药物,且已有药物进入临床二期试验阶段。 “北京大学化学与分子工程学院/前沿交叉学科研究院分子设计实验室已初步完成1个人工智能化合物酶促合成路径辅助分析系统,用于节省合成生物学家大量的人工设计工作。”在裴剑锋看来,药物设计已成为创新药物研发的核心技术之一。目前,各发达国家都有一批著名科学家领导的研究组从事药物设计方法和应用研究,各大跨国制药企业的研发中心都设有与化学合成和生物测试部门并列的药物设计部门,其中,不乏通过计算机辅助药物设计而成功上市的药物。 而裴剑锋所在的北京大学分子设计实验室,在国际上较早、国内率先开展人工智能药物设计的研究,所发展的药物设计方法在国际上有较大影响,相关软件在国内外拥有上万用户,包括辉瑞、诺华、默克和强生等国际大型医药公司等商业用户。 市场表现可期 时间将给出答案 业界评价,人工智能技术的加持,让新药研发开始提速换挡。能否解决新药研发投入越来越大、时间越来越长的痛点,人工智能的介入才只是开始。 据《Nature》报道,新药研发的平均成本约为26亿美元,大约耗费10年时间。它包括了漫长的小分子化合物研发阶段、三期临床试验、以及注册审批的过程。然而,能够通过这重重考验并成功上市的药物,仅有不到1/10。 “药物信息研究中常面临大量的非结构数据、数据集数据较少、负样本数据不足、数据不平衡等问题,人工智能技术也有助于解决这类药物设计中的难题。”在裴剑锋看来,人工智能技术不仅有望破解药物信息杂乱和难以利用的问题,实现针对特定疾病、靶标和化合物分子自动进行药物研发评估和自动新药发现的系统。同时,还能显著提高药物研发流程中各种计算预测模型的准确性,促进新型药物设计技术的产生,使得基于文献信息数据的新药研发等新方向变得真正可行。 “可以预计,人工智能技术对传统技术的改进以及由其引发产生的新型药物研发技术,将极大缩短新药研发周期、降低研发成本,显著提高药物研发的成功率。”裴剑锋坦言,新药研发是个长周期的过程(10年—15年),人工智能药物研发技术还处于起始和发展期,其影响还需要用一段时间的积累来证明。 与药物设计类似的是,材料设计中的典型应用如新能源、电池和高性能合金材料等,也将会通过新一代分子模拟的方法被大力推动。裴剑锋说,基于机器学习和大数据的材料设计所面临的挑战是,实现高效精准的高通量计算,这势必需要在分子模拟层面有质的突破。 对此,黄铁军表示认同,“人工智能提高了合成的效率,基础有赖于高精度的材料和药物模型,这方面需要长期的试验积累。” |