AI与制药

大家好，欢迎来到IT知识分享网。

Insilico Medicine (“英矽智能”) 官网：https://insilico.com/

该领域龙头企业：https://www.schrodinger.com/

2021年12月14日更新

参考：独家对话英矽智能CEO、CSO：AI新药首进「临床试验」，能否改写药物发现史？

我的看法：

1. 这个是我能进入制药领域的最有可能的途径，其次就是基因治疗。传统小分子药和抗体类药物我没有任何优势；
2. 目前的AI制药企业还在骗钱阶段，想要真正着陆还非常遥远；

基本科普：

• 特发性肺纤维化(IPF)
• 人工智能药物研发平台Pharma.AI
• PCC（临床前候选药物）

• PD指pharmaco dynamics，即药物效应动力学，指体内药物浓度与作用效应强度的关系.

• PK指pharmaco kinetics，即药物代谢动力学，指体内药物浓度与时间的关系.

• 临床团队，包括API（Active Pharmaceutical Ingredient，活性药物成分）、CMC（Chemical Manufacturing and Control，化学成分生产控制）、制剂、毒理、DMPK（Drug Metabolism and Pharmacokinetics，药代动力学）
• 0期临床试验是研制者使用微剂量在少量健康受试者或者病人（通常6-15人）进行的单剂量或不超过7d的多剂量给药的研究。
• The FDA has a Pre-Investigational New Drug Application (Pre-IND) Consultation Program available to potential IND holders to facilitate early communications regarding an IND.  The program allows the sponsor-investigator the opportunity to discuss the proposed project and receive guidance directly from the FDA prior to submitting an IND.  The Pre-IND meeting requests are submitted directly to the responsible review division which are organized generally along therapeutic class.
• 临床试验协议Signing of a clinical trial agreement (CTA) is an essential step before initiation of any sponsored clinical study or collaborative investigator-initiated clinical study.
• AI制剂优化
• AI晶型预测
• CADD 计算机辅助药物设计（computer aided drug design）
• AIDD AI drug design
• Isomorphic Laboratories – DeepMind

AI的几种应用场景：

• 发现全新的靶点和化合物
• 做的是已知靶点，然后匹配新化合物
• 新靶点，去做老药新用

核心产品：

1. PandaOmics：发现和排序新靶点，大大减少多组学目标发现和深度生物学分析引擎所需的时间,耗时从几个月到几次点击
2. Chemistry42：生成新型分子，通过自动化的机器学习平台，于一周内发现全新的先导化合物类似分子
3. InClinico：设计和预测临床试验，在利用行业最佳实践的同时,预测临床试验的成功率,识别试验设计的弱点

AI研发的时间和成本 ：

• IPF候选药物从立项到PCC过程，累计18个月时间，花费了260万美元
• 提名PCC到进入临床要9个月，因为生产量没有那么高，毒理试验没有那么复杂，病人数量也比较少，所以花费并不多，初步统计在60万美金左右。
• 时间节点上，AI从一个旧靶点合成一个化合物，并进行临床实验一般需要46天。
• AI找到一个新靶点、新分子的发现到临床前候选药物阶段需要16个月，新靶点到人体应用需要两年的时间。

证明了很多AI新药研发公司的管线都可以抵达PCC，过去很多人都说这对我们来说太贵了，我们做不到。这次英矽智能是以某种方式优化了整个过程。

AI新药研发的发展和其它人工智能不太一样，一般情况下验证一个药物发现的算法需要2-3年时间，无法像图片、文字、声音处理或电子游戏等领域可以很快验证AI成果。

一个药物发现结果验证，往往需要进行分子合成、动物实验乃至人体组织实验等繁杂步骤，一旦实验设计有缺陷，就会浪费非常多时间。 

需要看几篇Alex Zhavoronkov的论文

任峰博士背景

任锋博士是一位备受尊敬的药物发现和开发领导者，在生物学和药物化学方面都有良好的记录。他从 Medicilon 加入 Insilico Medicine，Medicilon 是一家领先的合同研究组织(“CRO”)，为全球生物制药公司提供药物发现服务。在美迪西，任博士担任高级副总裁，负责化学部和生物事业部的药物研发服务业务，拥有一支由600多名化学家和生物学家组成的团队。

在加入美迪西之前，任博士在葛兰素史克(“GSK”)从事小分子创新药物的发现和开发工作了 11 年。曾任葛兰素史克神经科学全球药物研发单位Neurodegeneration DPU的首席研究员、项目负责人、主任和化学负责人。

在他的职业生涯中，任博士成功开发了多种临床候选化合物/临床 I 期化合物，用于治疗非小细胞肺癌、多发性硬化症、银屑病、炎症性肠病、帕金森病和神经性疼痛。

任博士拥有博士学位。从化学学士学位哈佛大学，硕士学历，化学从新加坡国立大学和学士学位的科学与技术大学中国。

Insilico Medicine 创始人兼首席执行官Alex Zhavoronkov博士说：

“我很高兴任博士加入 Insilico Medicine。任博士在临床前和临床研究中运行多个并行药物发现项目方面有着出色的记录水平并将有效药物推向市场。他在药物搜寻方面的能力使我们能够建立一支由顶尖生物学家和化学家组成的药物发现团队，并将大大加快我们实现 Insilico Medicine 的愿景，即利用 AI 将我们的临床前项目推进到临床并启动大量新项目满足对新药日益增长的需求，有效地为有需要的患者提供药物。”

先灵葆雅前首席医学官Robert Spiegel博士出任我们的首席医学管、前药明生物发展和研发业务拓展高级副总裁Michelle Chen博士出任我们的首席商务官，他们对于临床试验的推进和药企的合作提供了非常多的帮助。

参考：

• 首发丨前后距离六个月，英矽智能宣布AI平台又发现新创新药分子
• 成都先导
• 了解一下 0期临床试验
• 人人都做新药分子，我们为什么去做制剂平台？（下）
• AI预测分子成药性之“药用晶型”

转自：财新

英矽智能近期通过AI平台发现了一个特发性肺纤维化的新靶点，并通过AI确定了最佳的药物分子；有投资界人士认为，目前AI制药尚处发展极早期

英矽智能近期发布公告称，其通过AI平台发现了一个特发性肺纤维化的新靶点，并通过AI确定了最佳的药物分子。

【财新网】（记者 王礼钧 马丹萌）AI制药企业英矽智能（Insilico Medicine）的有人工智能（AI）近期发现一种罕见病新疗法，成本远低于人类的研发。但业界普遍认为AI制药发展仍处早期，为之兴奋为时过早。（参见《AI开始制药》）

　　“我们今天其实只走了第一步。”近日一场线上会议上，创新工场董事长兼首席执行官李开复在谈及AI制药时认为，尽管AI制药取得了突破，且潜力巨大，但仍处在发展的极早期，仍需着力打通靶点发现和药物分子发现等环节。

　　另一位投资界人士也表达了类似看法。启明创投主管合伙人梁颕宇认为，若以1到10分来评判AI制药的成熟程度，现阶段大概是1分左右，“现在说人工智能对医疗领域的潜在影响还过早”。此外，梁颕宇还告诉财新记者，新兴AI制药公司一般在药物早期发现有优势而在后期临床开发上能力不足，因此在临床开发阶段有必要与传统生物医药公司合作。

AI发现罕见病新靶点

　　英矽智能近期发布公告称，其通过AI平台发现了一个特发性肺纤维化的新靶点，并通过AI确定了最佳的药物分子。英矽智能创始人兼首席执行官Alex Zhavoronkov告诉财新记者，新发现的靶点涉及与促纤维化（Profibrotic ）相关的通路，但Alex Zhavoronkov称该靶点的细节尚不便透露。

　　英矽智能方面称，他们已通过小鼠试验初步验证该分子对肺部功能的改善作用，并已开展临床前研究，顺利的话将于今年底或明年初进入临床。英矽智能还介绍，其他器官出现的纤维化疾病均为该药物分子的潜在适应证。但进入临床试验与药物研发成功之间仍有较大距离，具体结果仍有待观望。

　　特发性肺纤维化是一种罕见病，病因尚不明确。患者多出现呼吸困难、缺氧等症状，确诊后生存期仅为3到5年。在药物出现之前，除肺移植，该并没有有效治疗手段。目前，已有两种针对特发性肺纤维化的药物上市，分别为德国勃林格殷格翰研发的尼达尼布和日本盐野义研发的哌非尼酮，分别于2018年和2014年在中国上市。2019年11月，罗氏以14亿美元收购Romedior，获得其肺纤维化和骨髓纤维化II期新药PRM-151。

　　英矽智能为何选择切入这一已有成型疗法的病种？Alex Zhavoronkov称，相比许多癌症动辄十几种药物竞争的格局，特发性肺纤维化领域的竞争并不激烈。Alex Zhavoronkov还称，英矽智能发现的新药相比现有疗法有优势，在临床前试验中，只需十分之一的剂量就可达到尼达尼布的相同疗效。

　　但选择这一领域更重要的原因在于检验其AI平台。Alex Zhavoronkov称，相比癌症等病种，特发性肺纤维化的训练数据稀少，对于AI更加有挑战性。“癌症领域产生的训练数据量巨大，即使我们在癌症领域找到了新靶点并确定了新的药物分子，从AI角度来说，这也不会是一项重大突破。”

　　英矽智能方面称，在发现该靶点的过程中，研究人员首先通过组织特异性纤维化以及患者年龄和性别相关的组基因组学和临床数据，训练其AI模型。此后，结合公开文献中的基因和路径等信息，重构靶点，并对得到的靶点依据新颖性和疾病关联性进行评分，最后确定一细胞内靶点。

　　英矽智能首席科学官任峰称，英矽智能在1周内以少于5万美元的成本，就完成了靶点的发现，而这一过程在研究机构中会持续几周到十几年不等。他还称，相比业界从靶点发现到进入临床前研究耗时4.5年且花费6.74亿美元的平均水平，英矽智能仅用260万美元、17个月的时间就完成这一过程。

　　英矽智能成立于2014年，由拉脱维亚裔科学家Alex Zhavoronkov创立，其业务为帮助药企通过AI完成新药发现。目前，英矽智能已与辉瑞、BMS、勃林格殷格翰等药企展开合作。

　　新冠疫情期间，英矽智能曾尝试使用AI寻找新冠特效药。2020年2月4日，英矽智能发布其通过AI设计的97种分子，用于抑制新冠病毒主蛋白酶，但尚未有分子合成与研究结果公布。

　　Alex Zhavoronkov告诉财新记者，这些分子的合成和测试已经于2020年8月完成，并计划在中国进行体内（in vivo）试验。但由于仍在排队等待P3实验室资源，其体内试验仍未展开。

　　2019年6月，英矽智能上海分公司成立。2021年2月，华裔科学家任峰出任英矽智能首席科学官一职。任峰于哈佛大学取得有有机化学博士学位，先后在GSK中国研发部门和上海美迪西生物医药任职。2019年9月，英矽智能获得3700万美元B轮投融资，由启明创投领投，包括创新工场在内的多家机构跟投。

前景仍需观望

　　李开复认为，英矽智能宣布的此项成果，意义在于打通了靶点发现和药物分子发现这两个相对独立的环节。“两者几乎是需要两批专业的，而且是很顶尖的科学家在一起才能做成。”他指出，在此之外，医疗领域还有如用药预测等众多环节可由AI整合，不仅提高药物研发的效率，也能提升对疾病的诊治水平。

　　将人工智能引入药物研发目前已成趋势，业界普遍认为通过AI取代人力筛选，可节省早期药物筛选的成本。全球健康药物研发中心（GHDDI）AI部门负责人潘麓蓉解释，AI技术本质上是一种高级建模方法，借助各类算法与规则，AI能自动计算出特定问题的最优解。

　　AI成功发现候选新药已有先例。2020年1月，英国公司Exscentia宣布其通过AI与日本住友制药合作发现的新药DSP-1181已经进入临床试验阶段，用于治疗强迫症。Exscientia称，DSP-1181从开始筛选到结束临床前研究仅耗时12个月。但该药物针对的靶点业界已有研究，并非由Escentia发现。

　　AI制药概念近几年受热炒，赛道已颇为拥挤。据加拿大企业BenchSci创始人Simon Smith不完全统计，2017年11月，全球AI制药初创企业仅37家。但截至2020年4月，已出现230家相关企业。

　　但梁颕宇称，众多AI辅助研发药物企业，事实上都尚未发展出他们对外宣称的能力。

　　AI制药能否最终惠及患者，依然有待观察。一篇于2020年5月发表在《柳叶刀》杂志的论文指出，90%进入临床I期的新药均以失败收场。深度智耀AI早期药物研发副总裁倪海洪曾告诉财新记者，对于药物靶点的理解和验证的局限性，是许多首创新药最终失败的一个重要原因，而目前的AI药物早期发现技术对这方面的关注还远远不够。

　　对此，梁颕宇告诉财新记者，已有AI制药企业尝试开发临床试验预测AI，利用已有的临床试验数据、转化医学数据和人类基因组数据预测临床试验的成功率，并且根据预测结果来选择临床开发的项目。如果该类尝试成功，确实有可能大大改善临床失败率。

　　另一方面，AI对于训练数据的需求有待进一步满足。训练AI的数据被称为训练集，其质量是AI发挥价值的根本。许多新靶点的数据并不丰富，而已有的数据常常掌握在药企手中。

　　梁颕宇认为，数据在有AI应用的各个医疗细分领域，均是重要制约因素。她指出，许多AI医疗企业拿到的数据存在质量不佳的问题。“如果无法拿到数据，或者拿到标准一致的数据的话，很多公司的发展还是有一定难度。”

　　李开复也认为，对于AI医疗公司而言，海量高质量数据是一个关键壁垒。“所以我们会去了解一个公司是否有，或者能否得到独家数据，如果有的话会加分。”

　　AI制药企业的商业模式仍不明确，目前药物发现业务普遍难以支撑此类公司盈利。以该领域头部公司、美国公司Schrödinger（NASDAQ：SDGR）为例，其成立于1990年，主营基于物理学原理和AI的药物发现软件，以及自有新药发现项目。2020年2月6日，Schrödinger在纳斯达克上市，随后其股价持续攀升，3月3日报收99.14美元，较上市时上涨近3倍。启明创投曾参与Schrödinger2019年的E轮融资。

　　但在商业模式上，Schrödinger目前仍以提供药物发现软件服务为主。其公布的数据显示，2018年和2019年，其依靠药物发现项目挣得收入分别为680万美元和1880万美元，而软件方面收入则达5990万美元和6670万美元。

　　梁颕宇对财新记者称，Schrödinger的对外服务加自主研发的商业模式为AI制药公司提供了一个可行的方案。通过对外服务，初创企业可以为自身创造部分现金流，而自主研发可以利用AI制药技术直接参与潜在价值巨大的新药研发。■

智通财经APP讯，中国生物制药(01177)公告，公司附属公司北京泰德制药股份有限公司(“北京泰德”)携手创新人工智能(“AI”)公司Insilico Medicine (“英矽智能”)共同签署“AI辅助抗癌药开发计划案”，启动战略联盟合作。该合作涉及的款项包括首付款，里程碑款项和销售上市绩效奖励。北京泰德将扮演领头羊的角色，提供其已掌握的有望应用于治疗多种类型癌症的潜在靶点;英矽智能将建构全新深度学习模型，针对该等潜在靶点设计小分子抗癌新药。

集团预见AI技术应用于药物发现和医疗保健领域的巨大发展潜力，将会在AI辅助药物开发方面投入更多资源。此次与英矽智能达成战略合作，将可透过双方的优势与资源整合，大幅提升药物开发的速度和效率，协力寻找治愈癌症的崭新方法。

这是集团再度与英矽智能开展合作。早前，公司附属公司江苏正大丰海制药有限公司与英矽智能签订了两个项目的AI技术开发服务合同，其中包含了一些复杂高难度而且传统上无法设计药物的靶点。