新冠特效药研发竞速赛!AI如何加速“新药神”诞生?

来源 :AI报道 时间 : 2020-03-23 13:26:06

“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。

顶部