每日經濟新聞 2024-05-11 15:44:42
每經記者 文巧 每經編輯 蘭素英
藥物研發中的關鍵挑戰，從氨基酸序列出發預測蛋白質三維結構的難題再一次被人工智能（AI）解決了！
當地時間5月8日，谷歌DeepMind及姊妹公司Isomorphic Labs聯合推出AlphaFold 3，立刻就登上了《自然》雜志頭版。AlphaFold 3是AlphaFold的第三代版本，DeepMind稱其能以前所未有的精度預測“蛋白質數據庫”內幾乎所有分子類型的復合物結構。
隨著AI在藥物研發領域展現出驚人的潛力，《每日經濟新聞》注意到，盯上AI藥物研發賽道的遠不止谷歌一家科技巨頭，微軟、亞馬遜、英偉達等公司都在開展或投資相關項目。
伴隨而來的也是大量的“熱錢”。數據顯示，自2021年以來，全球AI藥物研發初創公司的風投交易已有281筆，投資額達到77億美元。據外媒預測，AI藥物研發的市場潛在規模接近500億美元（約合人民幣3613億元），預計到2025年，30%的新藥將使用AI研發。
根據發表在《自然》上的這篇論文，對于蛋白質與其他分子類型的相互作用，AlphaFold 3在基準測試中的準確率比現有最好的傳統方法高出50%，且無需輸入任何結構信息，這使得AlphaFold 3成為首個在生物分子結構預測方面超越基于物理工具的方法的AI系統。
為何說AlphaFold 3是一款革命性的系統？這是因為蛋白質（從對人體新陳代謝至關重要的酶到對抗傳染病的抗體）與其他分子的相互作用是藥物發現和開發的關鍵。
據報道，通過AI模型，可以在數億種不同的蛋白質序列及其底層結構上進行訓練，從而完全模擬蛋白質，省去了昂貴的分子動力學模擬計算環節。例如，禮來一直在使用AI來搜索數百萬個分子，僅用5分鐘就能完成在傳統實驗室中需要一整年合成的分子量，因此測試AI在醫學中的極限是有意義的。
隨著AI在藥物研發領域展現出驚人的潛力，盯上AI藥物研發賽道的遠不止谷歌一家科技巨頭，而幾乎所有科技巨頭展現出了對AI制藥領域的興趣，微軟、亞馬遜、Salesforce等公司都在開展蛋白質生成項目。
據報道，僅去年就見證了多個醫藥相關的AI大模型和工具的誕生：Salesforce推出了蛋白質生成AI大模型ProGen；微軟發布了蛋白質生成的通用AI框架EvoDiff；亞馬遜為其AWS機器學習平臺SageMaker發布了蛋白質折疊工具；英偉達推出了用于藥物發現的生成AI云服務BioNeMo，并投資了制藥公司Recursion Pharmaceuticals和Iambic Therapeutics。
除了硅谷大廠扎堆加碼AI藥物研發之外，2022年底ChatGPT的爆火也推動了許多AI初創公司步入該領域。
生物技術市場研究機構Deep Pharma Intelligence在2023年發布了一篇AI藥物研發行業的分析報告，該報告通過對800 多家AI公司、1900家投資者等行業參與者的深入調研后發現，在這800多家專注于AI的公司中，有91家是在2022年至2023年間成立的，這些公司多為AI初創公司。
除此之外，報告稱，大型制藥公司之間以及與AI初創公司之間出現合作的趨勢日益明顯。記者注意到，今年4月，莫德納與OpenAI宣布，雙方正在進行合作，共同創新推動AI在醫療健康領域的潛力。
安進與英偉達也建立了以AI為重點的合作伙伴關系，安進已開始將預測模型應用于制藥流程。英偉達醫療保健副總裁Kimberly Powell對此表示，這使得安進將抗體設計從兩年縮短到九個月。
據悉，推出一種新藥通常需要十多年的時間，平均花費至少26億美元，最高可達60億美元。AI的出現為成本不斷攀升且回報遞減的制藥行業提供了潛在的解決方案。據咨詢公司BCG去年發布的一份報告，在臨床前階段的藥物發現步驟中，AI可以節省至少25%~50%的時間和成本。
隨著AI醫藥的火熱，“熱錢”也大量涌入。
根據Pitchbook的數據，自2021年以來，全球AI藥物研發初創公司的風投交易已有281筆，投資額達到77億美元。從更遠的時間來看，在2014年~2023年間，AI驅動的制藥投資猛增，累計達到603億美元，也證明了AI的變革潛力。
以英偉達為例，過去兩年間，該公司旗下AI藥物研發平臺BioNeMo的風投部門Nventures把大部分錢都投給了藥物研發項目。數據顯示，Nventures的19筆投資交易中有7筆是投向AI藥物研發初創公司。
Kimberly Powell在接受媒體采訪時表示，醫療健康將成為英偉達下一個“數十億美元級業務”。英偉達CEO黃仁勛也曾多次強調，數字生物學將是“下一個驚人的顛覆性技術”。
根據Deep Pharma Intelligence去年發布的報告，專注于早期藥物開發的AI公司占到近40%，使早期藥物開發成為主導領域，也是從投資角度最值得信賴的領域之一。造成這種情況的原因有很多，例如這是一個依賴海量數據的階段，需要虛擬篩選、迭代學習以及對目標（化合物）的識別和驗證。
對于AI在早期制藥過程中發揮的作用，Kimberly Powell預測，生成式AI可能會通過產生人類自然不會想到的想法來影響發現。“（可能）是一種自然界以前從未制造過的蛋白質，在某種程度上也可能是一種具有治療作用的蛋白質，或者是一種我們尚未合成且不存在于世界上任何數據庫中的化合物。”
在藥物開發的后端亦可以看到AI的用途，據外媒分析，其有助于從數千份文件中收集數據，以準備向美國食品藥品管理局（FDA）提交文件。同樣，AI可能通過使數據更容易獲取而在技術轉讓中發揮作用。
不過，在AI輔助藥物研發的過程中，高質量訓練數據仍然是一大挑戰。風投Menlo Ventures 合伙人Greg Yap就表示，“最大障礙是找到可靠的訓練數據。這些模型正在根據描述分子相互作用的每一條公共科學數據進行訓練，但有些數據不是很干凈，并且存在錯誤。”
一旦科學界能夠找到提高訓練集質量的方法，AI輔助藥物發現的市場有望起飛。據外媒預測，該市場的潛在規模接近500億美元（約合人民幣3613億元），預計到2025年，30%的新藥將會使用AI研發。但目前，基于AI的藥物開發仍處于早期階段。據報道，FDA迄今為止批準了100多種使用AI或機器學習進行開發的藥物候選物的臨床試驗，但可能需要數年時間才能上市。
免責聲明：本文內容與數據僅供參考，不構成投資建議，使用前核實。據此操作，風險自擔。
封面圖片來源：《自然》網站截圖
如需轉載請與《每日經濟新聞》報社聯系。
未經《每日經濟新聞》報社授權，嚴禁轉載或鏡像，違者必究。
讀者熱線：4008890008
特別提醒：如果我們使用了您的圖片，請作者與本站聯系索取稿酬。如您不希望作品出現在本站，可聯系我們要求撤下您的作品。
歡迎關注每日經濟新聞APP
