黑科技！全球首个由AI发现的新药，进入临床试验

01.

人工智能发现的新药物首次进入临床试验

自2017年，阿尔法狗与李世石一战成名后，此后有关人工智能下一个转战领域是什么的讨论就层出不穷，其中人工智能对医药以及生命科学的变革被认为是最有前景的方向之一。

然而，谁也没想到仅仅过去4年时间，人工智能在医药领域的应用就蓬勃发展起来，而且它已不再满足于发现新的蛋白质结构、新的候选化合物，人工智能甚至被用来发现一个全新的分子靶点，再通过它设计的全新化合物作用这个靶点，从而研发出治疗人类疾病的救命药。

这种全新范式的新药研发，显然已经脱离了此前传统的基于知识和经验总结的新药研发模式，未来会逐渐成为一种趋势吗？

11月30日，人工智能药物研发头部企业之一的英矽智能（Insilico Medicine）宣布，在ISM001-055的首次微剂量人体试验中，已完成第一例健康志愿者的临床给药。ISM001-055是由英矽智能端到端人工智能药物研发平台Pharma.AI所发现的候选药物，这是一种具有全球首创新药潜力、针对全新靶点的全新小分子抑制剂，正在被开发用于治疗特发性肺纤维化（IPF），一种导致肺功能进行性、不可逆转下降的慢性肺部疾病。

据相关资料介绍，在多项临床前研究包括体内外生物学、药代动力学和动物安全性研究中，ISM001-055均表现出巨大的开发潜力。该化合物显著改善了肌成纤维细胞的形成，而控制肌成纤维细胞的形成有助于减缓纤维化的发展。同时，ISM001-055的全新靶点还与泛纤维化领域的其他适应症具有潜在相关性。

事实上，这并不是人类第一次将人工智能研发的药物推进到临床试验阶段。同属人工智能药物研发领域第一梯队的Exscientia公司，在2020年初就报告了第一个进入临床试验的AI设计的候选药物，之后公司的其他管线也紧随其后，迅速向临床的里程碑迈进。但从已公开数据中，AI设计的候选药物的结构创新能力并没有让大家太过激动。

值得一提的是，英矽智能宣布进入临床的在研管线，是据我们所知有史以来首个由人工智能发现的具有全新靶点和新分子结构的候选药物。由于结构新颖的分子更有可能成为有希望的新疗法的来源，这使得此次英矽智能进入临床的在研管线，或有望成为人工智能药物发现史上的又一个重要里程碑。

02.

人工智能赋能药物研发，到底是怎么做到的？

实际上，人工智能已渗透到医药研发的各个环节中。通过其发挥的主要作用，我们可归纳以下4个方面：1）靶点和早期药物发现，2）小分子化合物的设计、生成和优化，3）临床试验设计，4）现有药物的再利用。

其中靶点发现和早期药物发现方面，主要包括分析数据集、形成假设并产生新的见解，确定新的候选药物，分析健康和患病受试者的样本数据，从而发现新的生物标志物和治疗靶点；小分子化合物的设计、生成和优化方面，即利用神经网络等算法，提取化合物不同层面的特征，然后根据这些特征再进一步进行预测；临床试验设计方面，智能算法可优化临床试验的研究设计，它还可分析病历，从而确定能从新疗法中获益的患者，为临床试验寻找出理想的受试者；现有药物的再利用方面，人工智能系统能快速识别许多已知药物的新适应症，从而可以做到老药新用。

由此可见，人工智能系统在新药研发领域大有用武之地。就在前不久的10月，由多家制药巨头包括阿斯利康、默克、辉瑞、梯瓦联合推出的AI药物研发实验室AION Labs宣布正式启动，展现了跨国药企对这一领域的关注和看好。连IBM、谷歌、百度这样的科技巨头同样对这一领域兴趣浓厚，11月初谷歌母公司Alphabet公司宣布成立一家以人工智能来筛选药物的公司Isomorphic，Deepmind 的CEO Demis Hassabis将同时出任Isomorphic这家公司的CEO。

那么，在一众AI药物研发公司和项目中脱颖而出，英矽智能在人工智能制药方面有哪些独特的技术？其率先发现的候选药物ISM001-055，并使其进入临床的关键技术是什么？从其官网的资料看来，这一全球首个人工智能系统新发现的抗肺纤维化候选药物，离不开其自主研发的Pharma.AI人工智能平台的作用：靶点发现引擎PandaOmics和化合物设计和生成擎Chemistry42。

英矽智能端到端药物研发平台Pharma.AI

其中PandaOmics，采用一种名为iPanda的专利通路分析方法，来推断通路激活或抑制，可以分析正在研究的疾病相关联的重要试验基因，以及相关数据集和研究成果、经费拨款、专利、临床试验等之间明确或隐藏的联系，从而能够识别靶点，并对靶点进行评估，将它们与相关联的疾病关联起来。

确定靶点后，Chemistry42平台可以针对这个新发现的靶点设计和生成具有所需特性的全新化合物，该平台利用生成式对抗网络（GAN）和深度学习系统对指定靶点设计和生成全新的小分子化合物。平台整合了与小分子化合物成药性相关指标因素，如：分子量、氢键供体受体数量、含杂原子数量、cLop等参数，可供定制化生成小分子化合物。同时，平台对所生成化合物的新颖性以及合成难度都有量化评估，赋能从发现苗头化合物到优化筛选化合物结构的全流程。

在人工智能平台的加持下，从靶点发现、化合物筛选再到完成临床前试验提名临床前候选化合物（PCC），英矽智能仅用了18个月，药物研发成本仅为260万美元。而通常情况下，一个药物研发项目从确定靶点到提名临床前候选化合物可能需要上亿美元，而且时间方面也是以年来计算的。人工智能大大节约了药物研发成本，提高了时间效率。

03.

制药公司纷纷看好人工智能在药物开发上的作用

新药研发被公认是一个时间长、耗费大、风险大的漫长过程。2014年，塔夫茨大学药品研发研究中心（The Tufts Center for the Study of Drug Development，CSDD）通过既往获批的药物数据发现，研发一个新药至少需要10年、26亿美元的巨大投入，这一数字较2003年费用提高了45%。

因此，当计算机开始在各行各业普及的时候，药物研发人员就在设想利用计算机强大的大规模计算优势进行药物开发。于是上世纪末，在医药工业领域，就诞生了一门多学科交叉的新学科——计算机辅助药物研发计 (computer aided drug design)，大大地优化了先导化合物的设计。

近些年来，随着大数据和人工智能技术如火如荼地发展，以数据为基础的人工智能医药研发范式于是应运而生，它本质上是通过机器自主学习数据、挖掘数据，从而总结归纳出专家经验之外的药物研发规律，优化药物研发各个环节。

全球32家顶尖的人工智能药物发现公司在药物发现和AI两个纬度的竞争力

参考资料：

1.2021中国AI计算制药产业报告：药物发现篇. 亿欧.

2.人工智能在生命科学领域的应用：贯穿药品生命周期的制胜之道. LEK.

3.AI for Drug Discovery, Biomarker Development and. Advanced R&D Landscape Overview 2020.

4.Insilico Medicine initiates First-in-Human study with ISM001-055, a novel drug discovered using artificial intelligence.