国产精品亚洲激情_日韩在线中文字_欧美性猛交xxxx免费看漫画_成人网在线免费观看

不論是削減銷售費用，還是關(guān)閉生產(chǎn)基地、研發(fā)中心和批量裁員，縮減成本幾乎是所有藥企當下專注的課題。貝恩公司一項調(diào)查顯示，40%的藥企已經(jīng)在2024年的預(yù)算中考慮了預(yù)期的節(jié)省，60%的藥企已經(jīng)制定降低成本或提高生產(chǎn)率的目標。

在此背景下，人工智能（AI）在藥物開發(fā)、制造和商業(yè)化方面的作用，以及可能帶來的效益提升再次被重視。特別是在過去兩年的生成式AI熱潮推動下，市場重燃了對AI制藥公司的投資熱情：2023年全球AI制藥Top 10總?cè)谫Y額約為15.3億美元，比2022年的9.26億美元增長約65%，且更多涉及生成式AI蛋白藥物、mRNA疫苗、基因編輯、非編碼RNA等前沿領(lǐng)域。

跨國藥企與AI制藥公司合作加深

無論生成式AI如何被看作是醫(yī)藥行業(yè)提升效率，甚至是突破診療模式的重大機遇，最終能為AI制藥付費并應(yīng)用至實際開發(fā)與商業(yè)化的，還是大型跨國藥企。

摩根大通醫(yī)療健康年會（JPM大會）期間宣布的交易事件，一直被視為醫(yī)療健康行業(yè)的關(guān)鍵風向標。今年初的JPM大會上，谷歌母公司Alphabet旗下的AI生物技術(shù)公司Isomorphic Labs宣布分別與禮來和諾華達成戰(zhàn)略研究合作協(xié)議，兩項合作潛在總金額近30億美元。

2023年，賽諾菲宣布“Allin AI”戰(zhàn)略，其官方招聘信息也顯示，公司有多達100多個職位正在招聘AI人才，傳統(tǒng)的藥化分析職位需求遠遠少于AI藥物發(fā)現(xiàn)職位。今年2月份，賽諾菲首席執(zhí)行官Paul Hudson表示，賽諾菲在項目中采用的核心AI模型準確率預(yù)測高達80%，90%的疾病靶標均通過單細胞基因組學認證，75%的小分子項目通過AI和機器學習化合物設(shè)計實現(xiàn)。該公司或?qū)⒊蔀榈谝患掖笠?guī)模AI驅(qū)動研發(fā)的跨國制藥公司。

事實上，跨國藥企對與AI制藥公司的合作是充滿熱情的。2023年至今，幾乎所有大型跨國藥企都有和AI制藥公司開展合作。相比早年間基礎(chǔ)的化合物篩選，如今兩方之間的合作內(nèi)容更加豐富，包括靶點識別、候選化合物篩選、分子優(yōu)化和臨床數(shù)據(jù)管理等。不少合作項目瞄準了腫瘤學、神經(jīng)病學、免疫學、炎癥性疾病等醫(yī)療需求尚未滿足的重大疾病領(lǐng)域；多個合作項目提到利用多模態(tài)數(shù)據(jù)庫、整合分子學數(shù)據(jù)進行藥物靶點識別，反映出多組學數(shù)據(jù)驅(qū)動的AI藥物發(fā)現(xiàn)正成為趨勢；有合作項目專門針對mRNA藥物、基因編輯療法的靶點識別，顯示AI正助力新型治療手段的開發(fā)；也有合作項目涉及利用AI簡化臨床試驗數(shù)據(jù)管理和審查流程，顯示AI正向臨床開發(fā)后端延伸。

“跨國藥企有資金、有數(shù)據(jù)，更有豐富的藥物研發(fā)經(jīng)驗，但跨國藥企一般不會自己開發(fā)所有工具，大多數(shù)情況下更傾向于使用專業(yè)公司開發(fā)的工具。”耀速科技創(chuàng)始人謝鑫解釋了跨國藥企大量與AI藥物開發(fā)平臺合作的現(xiàn)象，跨國藥企普遍看好AI在藥物開發(fā)中的應(yīng)用，并將其視為提高效率、降低成本和加速藥物上市的關(guān)鍵工具。如果AI制藥公司能夠有獨特的技術(shù)解決跨國藥企的痛點，并且?guī)椭淅斫釧I制藥平臺的技術(shù)優(yōu)勢，往往會受到青睞。

對AI制藥公司來說，與跨國藥企的合作是其獲取必要資源、加速藥物開發(fā)進程和拓寬業(yè)務(wù)范圍的機會。2023年1月至2024年2月，跨國藥企與AI制藥公司公開披露的潛在合作總額超過120億美元（詳見表）。

需要給AI制藥更多耐心

AI能夠快速完成藥物篩選和化合物設(shè)計，目前，使用AI來設(shè)計分子是其在藥物開發(fā)中的主要應(yīng)用方式。AI設(shè)計的分子覆蓋全面，同時成藥性質(zhì)更加均衡。

但是，AI能否提高藥物開發(fā)的成功率還有待檢驗。進入臨床試驗階段后，許多通過AI設(shè)計的分子藥物開發(fā)進展緩慢或失敗，效果不如預(yù)期，如住友制藥和PsychoGenics公司利用Smart Cube平臺開發(fā)的精神分裂癥藥物候選物Ulotaront的Ⅲ期臨床試驗失敗。少數(shù)有所成就的管線，AI在其中的貢獻是有限的。例如，武田60億美元收購的TYK2抑制劑TAK-279（此前被稱為NDI-034858）一度被熱捧為“AI驅(qū)動的藥物研發(fā)”，但事實上，這是Schrodinger公司和Nimbus公司參考百時美施貴寶發(fā)表的分子結(jié)構(gòu)，通過自由能微擾（FEP）計算優(yōu)化得到的。FEP計算可用來預(yù)測同系物的相對結(jié)合自由能變化，得益于近些年計算機性能的迅猛發(fā)展，已成為藥物設(shè)計中研究自由能的主流方法。

Schrodinger公司認為，機器學習只能根據(jù)從訓(xùn)練數(shù)據(jù)中學到的知識建立預(yù)測模型，覆蓋可能開發(fā)的分子總數(shù)的“極小部分”。藥物發(fā)現(xiàn)的關(guān)鍵在于理解生物學機理和明確臨床指標，正確提出問題比算法更重要，而生成式AI只能以新的方式結(jié)合它們已經(jīng)知道的東西輸出，不能進行全新的輸出。

謝鑫表示，通過AI制藥進入臨床試驗的管線還不夠多，現(xiàn)有的失敗案例還不足以判斷AI制藥對臨床試驗成功率的影響。AI制藥管線的失敗是研發(fā)過程中的一個自然環(huán)節(jié)，應(yīng)當被視為學習和改進的機會。失敗可以揭示AI模型的局限性、數(shù)據(jù)質(zhì)量問題或特定疾病領(lǐng)域的復(fù)雜性，為未來的研究提供寶貴的經(jīng)驗。這也為未來行業(yè)整合高質(zhì)量濕實驗數(shù)據(jù)、高通量自動化實驗室等技術(shù)和工具，完成AI、數(shù)據(jù)的正向反饋和閉環(huán)打下基礎(chǔ)。通過這樣的方式，藥企可以進一步實現(xiàn)藥物發(fā)現(xiàn)的工業(yè)化和數(shù)字化。

AI制藥另一個為人詬病的問題是，幾年前高價發(fā)行股票的多家Biotech如今在資本市場上表現(xiàn)不佳。不論是去年因被英偉達投資而獲高光時刻的Recursion，還是和多家跨國藥企都有合作的Exscientia，都在展示實際成果之前就受到過高的期望，導(dǎo)致股價表現(xiàn)不佳。

另外，早期的AI制藥公司過度依賴數(shù)據(jù)驅(qū)動的方法來加速藥物發(fā)現(xiàn)，但在數(shù)據(jù)稀缺的情況下，這種方法可能產(chǎn)生與已知藥物相似或重復(fù)已知失敗的化合物。現(xiàn)在，AI制藥公司紛紛調(diào)整策略，轉(zhuǎn)向個性化治療或解決更根本的藥物靶點選擇問題，而不是僅關(guān)注藥物優(yōu)化。

20世紀80年代，剛剛問世的計算機輔助藥物設(shè)計（CADD）并不被看好，但如今卻已成為大型制藥公司的標配。技術(shù)發(fā)展從來不是線性的，即使是ChatGPT，從最初的RNN模型走到今天也花了30年。有行業(yè)人士認為，AI制藥目前的問題在于數(shù)據(jù)維度過高而數(shù)據(jù)又過少，如果高通量測定與數(shù)據(jù)收集技術(shù)能夠跟上，將成為AI最擅長的領(lǐng)域。

藍馳創(chuàng)投的沈遠表示，AI是個巨大的變量，大模型在新分子生成領(lǐng)域有望成為游戲規(guī)則改變者，研發(fā)出一些傳統(tǒng)方法無法解決的靶點的藥物。但是依托現(xiàn)有的數(shù)據(jù)，AI能否生成人們想要的大模型還不得而知，尤其是生物醫(yī)藥研發(fā)中有多模態(tài)的數(shù)據(jù)，需要將其有效地整合起來。此外，不同公司的研發(fā)數(shù)據(jù)存在數(shù)據(jù)孤島的問題，從頭生成高質(zhì)量的數(shù)據(jù)也需要時間。

未來，或許應(yīng)該給AI制藥更多的耐心。正如賽諾菲首席執(zhí)行官Paul Hudson總結(jié)的，AI預(yù)示著藥物發(fā)現(xiàn)的偉大時代，可以從根本上改變醫(yī)學，但前提是我們能讓它實現(xiàn)。（作者單位：動脈網(wǎng)）

(責任編輯：劉思慧)