人工智能|六个月找出新药分子，AI比人强在哪里？

近日，由雷峰网 & 医健AI掘金志主办的GAIR「医疗科技高峰论坛」在深圳正式召开。
这一次，医健AI掘金志以「医疗AI的破局与新生」为主题，将话筒传递给四院院士、5位IEEE Fellow、19位行业领袖，由他们以分别从历尽铅华的医学影像AI、和风劲正浓的AI制药两大赛道出发，为行业的发展提出自己的判断。
论坛之上，英矽智能首席科学官任峰博士，发表了题目为《人工智能加速纤维化药物研发》的演讲。
会议召开的十天之前，英矽智能的全新靶点和新分子结构的候选药物，成为有史以来，首个进入临床试验阶段的AI辅助研发创新药。
演讲中，任峰博士详细介绍了IPF项目的研发细节，以及英矽智能自有的人工智能药物研发平台Pharma.AI中PandaOmics和Chemistry 42的实际作用。
任峰表示：目前市场上只有两款药治疗肺纤维化，分别是：吡非尼酮和尼达尼布。这两款药在2019年总销售额是30亿美金左右，这是一个庞大的市场。但是吡非尼酮和尼达尼布有共同的问题，就是安全窗口非常小。
这导致10-40%的病人由于无法耐受这两款药的毒副作用，无法继续用药，也没有其他药物可以治疗。英矽智能希望通过在连接生成生物学和生成化学的人工智能药物研发平台的辅助下找到全新的靶点和全新的化合物，治疗尚未被满足的临床需求。
在靶点发现方面，我们通过自研的人工智能平台PandaOmics对比患者和健康人转录组学的数据，找到其中的差异，通过分析其中信号通路的变化，找到新的靶点。
我们通过这种方式找到了20多个全新的靶点，又通过自己的过滤条件（比如靶点蛋白有无晶体结构、或者这个蛋白有无动物数据证明其安全性等）最终选定了一个靶点。目前全球没有任何一款针对这个靶点的纤维化药物进入临床试验阶段，临床前的研究也非常少。
此外，AI在新药研发上可以做很多事情，例如擅长找到蛋白靶点，或者针对已知药物进行老药新用，甚至是用在很多‘快跟’项目上。大家对于AI新药研发的想法应该更加深远，今天想到的新药分子、新的靶点都还只是一小步，接下来还需要向端到端发展。
以下是演讲的全部内容，雷峰网做了不改变愿意的整理和编辑：
英矽智能是一家研究如何用人工智能做新药研发的公司。新药研发是风险很高的行业，众所周知，它有“一高一低一长”的特点：研发费用高、研发成功率低、研发周期长。
平均每款新药的研发需要10年以上时间，需要花费20亿美金以上的研发投入。另外，其成功率非常低。临床1、2、3期总成功率只有大概10%，所以从靶点的发现到药物获批的成功率只有3-5%左右。

文章插图

小分子新药研发分为三个主要过程：
第一，跟生物学相关，主要是靶点发现和验证。
第二，和化学相关，主要是针对已知的靶点找到合适的小分子化合物进入临床。
第三，临床试验。

文章插图

针对这三个（小分子）新药研发的主要过程，英矽智能发明了三款人工智能的软件，辅助这三个新药研发里主要的环节。第一环节，我们通过组学数据帮助靶点发现，找到新靶点后，在第二环节通过生成化学的人工智能平台，主要是生成对抗神经网络为主的30多个模型帮助设计和发现新的小分子化合物，第三环节是帮助预测临床试验的结果。

文章插图

接下来，我想用个例子跟大家介绍英矽智能如何利用人工智能平台赋能新药研发。