開(kāi)發(fā)出一種潛在的暢銷藥物通常需要在實(shí)驗(yàn)室進(jìn)行數(shù)年的廣泛分析，由研究人員團(tuán)隊(duì)有條不紊地篩選數(shù)據(jù)和測(cè)試結(jié)果，以發(fā)掘出一種有希望的候選藥物。不過(guò)，當(dāng)日本武田制藥(TAK.US)在今年2月以40億美元的價(jià)格從波士頓一家初創(chuàng)公司手中收購(gòu)一種實(shí)驗(yàn)性牛皮癬藥物時(shí)，該公司僅用了六個(gè)月的時(shí)間就通過(guò)人工智能獲得了一種化合物。
在接下來(lái)的幾個(gè)月里，這種通過(guò)人工智能和機(jī)器學(xué)習(xí)算法從數(shù)千種潛在分子中挑選出來(lái)的藥物將進(jìn)入臨床試驗(yàn)的最后階段。如果成功，它可能成為在人工智能幫助下發(fā)現(xiàn)的首批療法之一。投行Jefferies的分析師預(yù)計(jì)，其年銷售額可能高達(dá)5,000億日元(約合37億美元)。
武田制藥從波士頓Nimbus Therapeutics LLC購(gòu)買(mǎi)的實(shí)驗(yàn)性藥物將成為世界上為數(shù)不多的治療牛皮癬的口服藥物之一。牛皮癬是一種皮膚病，全世界有1.25億人患有此病。該藥物也有可能治療其他疾病，如克羅恩病，一種炎癥性腸病。這種藥物目前被稱為T(mén)AK-279，已經(jīng)成功地通過(guò)了前兩個(gè)階段的人體試驗(yàn)。Nimbus首席執(zhí)行官Jeb Keiper表示，算法選擇當(dāng)前分子的時(shí)間大約是傳統(tǒng)方法兩年時(shí)間的四分之一。
(資料圖)
在武田制藥利用人工智能開(kāi)發(fā)藥物之際，全球制藥公司正在擁抱人工智能，旨在削減成本、加快藥物上市時(shí)間。摩根士丹利預(yù)估，在未來(lái)10年，人工智能在早期藥物開(kāi)發(fā)中的應(yīng)用可能會(huì)轉(zhuǎn)化為50種新療法，銷售額超過(guò)500億美元。
研究公司Deep Pharma Intelligence預(yù)估，在過(guò)去四年中，對(duì)人工智能驅(qū)動(dòng)的藥物研發(fā)公司的投資增長(zhǎng)了兩倍，到2022年達(dá)到246億美元。去年1月，賽諾菲(SNY.US)同意向總部位于英國(guó)的Exscientia Plc預(yù)付1億美元，再加上可能高達(dá)52億美元的里程碑付款，用于研究新藥，并利用人工智能系統(tǒng)開(kāi)發(fā)多達(dá)15種腫瘤學(xué)和免疫學(xué)候選藥物。
拜耳(BAYRY.U)、羅氏(RHHBY.US)和武田制藥等公司正在與鹽湖城的Recursion制藥公司合作，利用機(jī)器學(xué)習(xí)探索藥物發(fā)現(xiàn)。與此同時(shí)，阿斯利康(AZN.US)與英國(guó)的BenevolentAI和圣地亞哥的Illumina Inc.建立了合作伙伴關(guān)系，進(jìn)行類似的努力。
為制藥商提供數(shù)字流程和分析方面的建議的麥肯錫合伙人Alex Devereson表示：“當(dāng)生物制藥公司成功地將人工智能應(yīng)用于研發(fā)時(shí)，可能會(huì)產(chǎn)生重大影響。在未來(lái)五年內(nèi)，我們預(yù)計(jì)這些方法將在結(jié)構(gòu)上更多地融入制藥研發(fā)流程，并產(chǎn)生更大的規(guī)模影響。”
雖然人工智能可以提供幫助，但在選擇分子后，科學(xué)家仍然需要做很多傳統(tǒng)的工作。武田制藥的化合物還需要進(jìn)行數(shù)年的人體臨床試驗(yàn)和其他測(cè)試。人工智能還有其他局限性，例如，它不能預(yù)測(cè)復(fù)雜的生物特性，如化合物的功效和副作用。盡管如此，使用技術(shù)來(lái)確定下一個(gè)重磅療法可以幫助消除一些猜測(cè)，這些猜測(cè)通常需要數(shù)百個(gè)實(shí)驗(yàn)室實(shí)驗(yàn)，而這通常需要很多年才能確定有希望的分子。
2018年之后，大型制藥公司對(duì)投資人工智能和機(jī)器學(xué)習(xí)變得更加認(rèn)真。當(dāng)時(shí)谷歌母公司Alphabet(GOOGL.US)的DeepMind部門(mén)使用了一個(gè)名為AlphaFold的人工智能程序，在預(yù)測(cè)蛋白質(zhì)形狀(疾病的基本組成部分)方面擊敗了一位生物學(xué)家。弄清蛋白質(zhì)的形狀是生物學(xué)中最棘手的問(wèn)題之一，這有助于藥物獵人縮小可能與蛋白質(zhì)相互作用的分子范圍，并確定治療疾病的藥物。
傳統(tǒng)上，將一種新藥推向市場(chǎng)需要花費(fèi)近30億美元，而且大約90%的實(shí)驗(yàn)藥物都失敗了。因此，加快這一過(guò)程的技術(shù)可能是利潤(rùn)的一大推動(dòng)力。加州Scripps Research Translational Institute創(chuàng)始人兼主任Eric Topol指出，現(xiàn)在使用AlphaFold確定蛋白質(zhì)的3D結(jié)構(gòu)只需幾秒鐘，而不是幾個(gè)月或幾年。
新冠疫情加速了制藥公司采用人工智能的增長(zhǎng)，因?yàn)橹扑幮袠I(yè)急于開(kāi)發(fā)對(duì)抗未知病毒的武器。在疫情期間，輝瑞(PFE.US)與BioNTech SE(BNTX.US)合作開(kāi)發(fā)了新冠疫苗社區(qū)(Covid - 19 vaccine community)。該公司還擴(kuò)大了與總部位于中國(guó)深圳的人工智能藥物研發(fā)公司XtalPi Inc.的合作伙伴關(guān)系，以加快抗疫藥Paxlovid的化學(xué)配方。這兩種藥物都在不到兩年的時(shí)間內(nèi)獲得了美國(guó)食品藥物管理局(fda)的批準(zhǔn)，比大多數(shù)藥物上市通常需要10年的時(shí)間要快得多。監(jiān)管機(jī)構(gòu)急于向公眾提供對(duì)抗新冠病毒的武器，也推動(dòng)了這一速度。
如今，武田制藥從波士頓到圣地亞哥再到日本湘南的研發(fā)中心，有500多名定量科學(xué)家和技術(shù)專家每天都在處理數(shù)據(jù)，尋找、開(kāi)發(fā)和制造突破性藥物。這家制藥商使用人工智能和機(jī)器學(xué)習(xí)來(lái)識(shí)別針對(duì)蛋白質(zhì)的最佳分子，并了解疾病的特征以及它們?cè)诓煌颊呷后w中的變化。它與麻省理工學(xué)院和幾家人工智能初創(chuàng)公司合作。
武田制藥數(shù)據(jù)科學(xué)研究所所長(zhǎng)Anne Heatherington表示:“任何能夠?yàn)槲覀兊膯T工解鎖尖端技能、減少體力勞動(dòng)、消除系統(tǒng)摩擦、騰出時(shí)間進(jìn)行更深入的科學(xué)洞察和發(fā)現(xiàn)的技術(shù)都是至關(guān)重要的。”
武田制藥的大型競(jìng)爭(zhēng)對(duì)手也在利用人工智能。輝瑞首席數(shù)字和技術(shù)官Lidia Fonseca表示，輝瑞希望與DeepMind的AlphaFold合作，幫助公司設(shè)計(jì)和驗(yàn)證以前未知的高效治療靶點(diǎn)。Lidia Fonseca表示:“我們將強(qiáng)大的超級(jí)計(jì)算能力與人工智能和機(jī)器學(xué)習(xí)模型結(jié)合起來(lái)，將整體計(jì)算時(shí)間縮短了80%至90%，這實(shí)際上有助于快速開(kāi)發(fā)Paxlovid?！?/p>
在世界各地，初創(chuàng)公司利用人工智能發(fā)現(xiàn)的幾種潛在藥物已經(jīng)進(jìn)入人體試驗(yàn)階段。其中5個(gè)來(lái)自Recursion制藥公司，用于治療罕見(jiàn)疾病和腫瘤，3個(gè)來(lái)自Exscientia公司，用于治療癌癥和強(qiáng)迫癥等疾病?？偛课挥谥袊?guó)香港的Insilico Medicine有一種候選藥物正在進(jìn)行中期人體試驗(yàn)，用于治療最常見(jiàn)的肺纖維化。
總部位于英國(guó)的葛蘭素史克(GSK.US)擁有160多名致力于人工智能和機(jī)器學(xué)習(xí)的專家，以支持其研發(fā)和制造。自2019年以來(lái)一直擔(dān)任葛蘭素史克人工智能主管的Kim Branson表示，該公司還生成數(shù)據(jù)來(lái)構(gòu)建和支持公司自己的機(jī)器學(xué)習(xí)模型，這樣每位科學(xué)家最終都能從公司過(guò)去產(chǎn)生的數(shù)據(jù)中受益。
不過(guò)，葛蘭素史克的Kim Branson也表示，雖然人工智能非常擅長(zhǎng)將來(lái)自不同來(lái)源的數(shù)據(jù)拼湊在一起，但當(dāng)它用于復(fù)雜系統(tǒng)時(shí)，事情就變得棘手了。他表示，為了確保安全，實(shí)驗(yàn)室實(shí)驗(yàn)通常是必要的。此外，斯坦福大學(xué)的研究人員在2018年發(fā)表在《新英格蘭醫(yī)學(xué)雜志》上的一項(xiàng)研究中寫(xiě)道，用于創(chuàng)建算法的數(shù)據(jù)可能包含偏見(jiàn)，這可以反映在它們生成的臨床建議中。研究人員發(fā)現(xiàn)，算法也會(huì)扭曲結(jié)果，這取決于是誰(shuí)開(kāi)發(fā)的。
這并不能阻止投資的激增。斯坦福大學(xué)生物工程學(xué)教授Russ Altman表示，過(guò)去五年左右，要求對(duì)潛在的人工智能藥物研發(fā)公司進(jìn)行評(píng)估的風(fēng)險(xiǎn)投資家數(shù)量激增。數(shù)十年來(lái)，他一直在為風(fēng)投公司對(duì)生物技術(shù)初創(chuàng)公司進(jìn)行盡職調(diào)查?！皬牧愕揭话佟！盧uss Altman表示：“30年來(lái)，我沒(méi)有對(duì)人工智能制藥公司做過(guò)任何盡職調(diào)查?，F(xiàn)在我已經(jīng)做了6到10次了?！?/p>
