“新冠疫情全球大流行”“全球新冠肺炎确诊病例超过 20 万例”、“境外输入病例数连续增长，后续我国仍面临较大输入性风险”……最近，一系列疫情相关消息一直警示着我们。尽管国内疫情防控趋好，但病毒在海外的大流行依旧不能掉以轻心。

　　同时，作为遏制疫情的重要手段，疫苗和特效药的研发正在紧锣密鼓地进行中。其中，AI 也被运用到药物研发中，并发挥出重要的作用，受到广泛的关注。

　　AI 加速药物研发进程

　　目前，AI 早已被投入到新冠肺炎药物的搜寻中。

　　由伦敦帝国大学和 BenevolentAI 人工智能新药研发公司在柳叶刀 Lancet 发表的通讯文章称，巴瑞替尼（Baricitinib）是新型冠状病毒（2019-nCoV）感染的肺炎潜在治疗药物。对此，帝国理工学院癌症医学与肿瘤学教授 Justin Stebbing 表示：“我们使用 BenevolentAI 搜索可能有用的已批准药物，重点是那些可能阻止病毒感染过程的药物，我们找到了巴瑞替尼，它被预测会降低病毒感染肺细胞的能力。 ”

　　BenevolentAI 是一个大型结构化医药信息仓库，包含了大量使用机器学习抽取出来的连接关系。研究者们根据新冠病毒的特点，使用该知识图谱验证可以用于治疗的药物，即能够阻断病毒感染进程的药物。

　　大多病毒通过受体介导的内吞作用进入细胞，而目前了解到的主要 2019-nCoV 病毒受体是 ACE2，通过抑制内吞调节因子之一，AP2 关联蛋白激酶 1（AAK1），就可能阻断病毒向细胞的传递以及病毒颗粒的细胞内组装。在 BenevolentAI 中，可搜索出 378 种 AAK1 抑制剂，已应用于临床的有 47 种，其中 6 种能够高效抑制 AAK1，然而可带来严重副作用。而巴瑞替尼是 6 种高亲和力 AAK1 结合药物之一，且在常规治疗时的血浆浓度足以抑制 AAK1，因此被认为是潜在的新冠肺炎治疗药物。

　　在国内，今年 1 月 20 日，国内药物研发科技公司晶泰科技设立了新冠肺炎药物的研究小组，在阿里云开放算力的帮助下，取得了出色的成效。

　　在老药新筛方面，晶泰科技通过分子动力学模拟，发现病毒 Spike 蛋白与人体内 ACE2 受体蛋白可以稳定结合，且有较强的亲和力，这意味着新冠病毒的传播力较强。随后，晶泰科技选择了 3CLpro、PLpro 和 Rdrp 三个参与病毒复制与转录的重要蛋白靶点，进行化合物筛选。

　　在自主开发的 AI 药物虚拟筛选平台 ID4（Intelligent Digital Drug Discovery and Development）上，晶泰科技比较了已获 FDA 批准的 2900 多个药物分子和超过 10000 个中药成分分子，初步获得了 183 个候选分子，又进一步将候选分子范围缩小到 38 个。该过程需要进行大量的高精度计算，但由于阿里云超算的超强算力，原本需要一个月才能完成的计算，在一周内就得以完成，节约了 75%的时间。

　　在新药设计方面，晶泰科技以病毒上的 Spike 蛋白及其他关键蛋白作为关键靶点。该公司计算模拟了 S 蛋白和 ACE2 蛋白之间的相互作用，并进一步研究了 S 蛋白和 ACE2 的表位，也就是这两个蛋白直接接触的位点，来揭示关键的多肽片段和氨基酸残基。同时还用自由能微扰方法预测评估了表位上的氨基酸如果发生突变，会对病毒的传染性、致病性有怎样的影响。在此基础上，晶泰科技希望预判病毒可能的突变，并筛选出安全高效、能够应对病毒耐药性变异和具有潜在广谱抗病毒性质的药物。

　　AI 助力药物研发常态化

　　为何在疫苗及特效药的研究中，AI 药物研发的出镜率如此之高？

　　实际上，在全球范围内，大型药企都普遍意识到在研发中应用 AI 技术的重要性，并与与 AI 企业合作，或直接投资 AI 企业，以实现在该领域的布局。至今，全球十大跨国药企均已全部入局 AI 制药。

　　药企巨头与 AI 企业的合作事件统计如下：

　　我国传统大型药企也已加入了这一潮流。2018 年，正大制药集团旗下正大天晴与阿里云合作采用 AI 制药，获得了全新的化合物筛选方法，与传统计算机辅助药物设计方法相比，这套新方法可提高筛选准确率 20%。

　　2019 年 9 月，江苏豪森和 Atomwise 宣布，双方将合作设计和发现多个治疗领域中多达 11 种未公开靶蛋白的潜在候选药物。根据双方合作协议，此次合作对 Atomwise 的潜在总价值将超 15 亿美元。

　　如今，AI 制药不仅在世界范围内得到了广泛应用，更重要的是，其已经能够被用于药物开发的所有主要阶段。

　　为何制药业好看 AI？

　　为何药企集体转向 AI？

　　这必须由新药研发的特征说起。

　　新药研发周期长、成本高、成功率低，业内人士喜欢形象地用 3 个“10”来描述新药从研发上市的过程：10 年时间、10 亿美金、10%成功率。

　　例如，过去 20 年间，药企 R&D 的投入大概翻了一番，而新批准的药物数量却没有相应变化。来自德勤的数据显示，自 2010 年以来，12 家主要制药公司的获批药物开发成本已经增加了 33％，每年约 16 亿美元。

　　不过，应用 AI 技术后，这一局面有所改善。

　　在研发效率上，晶泰科技 CEO 马健曾说过：“通过计算，能够帮助药企优先选择最容易成功的药物化合物、晶型候选和研发路线，帮助这些药物研发专家趋利避害，减少研发时间和试错范围，尤其是晶型研发周期，会从几个月甚至一年缩短到几周到几个月。”

　　在成功率上，TechEmergence 的研究报告显示，AI 可以将新药研发的成功率从 12%提升至 14%。这 2%的增长看似数目不大，但在 AI 得到广泛应用的情况下，其为生物制药行业节省的资金将是数十亿美元。

　　在风险率上，来自高盛的一份人工智能报告显示，通过实施机器学习和 AI，在获批药物的平均年度开发成本为 16 亿美元（包括与失败药物相关的成本），或者失败药物的年度成本为 300 亿美元（这笔资金完全可以平均分配给获批的药物群）的情况下，人们有望将药物开发与发现的相关风险减半。如此，到 2025 年，全球制药行业每年即可节省约 260 亿美元。

　　所以，拥有三大优势的 AI，自然会成为全球药企和科技公司共同看好的新领域。

　　什么在阻碍 AI 制药业的发展？

　　与其他处于前沿科技一样，，AI 制药正面临着行业标准和法规监管缺失的难题和痛点。

　　目前，尚无针对 AI 制药的政策指导出台，也未有直接与 AI 制药相关的产品被批准发行。

　　因此，AI 在制药行业中，仍处在辅助阶段。

　　一直以来，制药业都是一个强监管的行业，属于政策驱动型。同时，由于药物直接涉及生命健康，容错率极低，AI 制药行业真正走向普及和实际落地仍然还很遥远。

　　但毋庸置疑的是，一旦需要相关标准和法规的确立，AI 势必会更全面、更深入地向医药领域渗透。

　　除此之外，对 AI+制药的认知度和生物复杂性的理解提升也有待提高。在决定 AI+药物研发质量的数据问题中，如何建立研发数据标准体系完善数据，如何建立风险利益公担的共享机制，也是未来 AI+制药行业亟待解决问题之一。

　　内容及图片均来源自网络