AI在新药发现上又取得新进展。
8月4日，英矽智能（Insilico Medicine）宣布，利用其自主研发的人工智能药物发现平台，获得了针对肾纤维化的全新临床前候选化合物。该临床前候选化合物在药理和药代动力学方面表现良好，在体外和体内临床前研究中均显示出具有前景的结果。英矽智能正在积极将该项目推进到临床试验阶段。
短短两年时间里，英矽智能成为了中国首家突破靶点发现并拥有两个PCC的AI制药公司。
事实上，在2月份利用AI发现特发性肺纤维化（IPF）全新靶点和PCC后，英矽智能便以高达2．55亿美元的C轮融资震动医药界，成为了AI制药赛道的“明星”。而截至目前，其已完成总融资额超3亿美元的数轮融资。
英矽智能由Alex Zhavoronkov于2014年在美国罗克维尔约翰霍普金斯大学新兴科技中心成立。彼时，深度学习系统在生成对抗网络（GANs）和图像识别上超越人类，不少人开始利用这一技术在化学分子生成方面进行探索。而英矽智能便是首家基于生成对抗网络和强化学习（RL）技术，由AI驱动的端到端创新药物研发公司。
目前，英矽智能将业务布局定格在传统新药研发的三大痛点——早期靶点发现、新分子化合物生成和临床试验结果预测，并自主研发了Pharma．AI软件。该软件包含三大AI平台，为PandaOmics、 Chemistry42和InClinico，分别对应上述三大痛点，IPF全新靶点和两个PCC就是通过PandaOmics和Chemistry42所发现。
近期，亿欧大健康专访了英矽智能首席科学官任峰。任峰于今年2月份加入英矽智能，在此之前，他于2007年在美国哈佛大学化学系博士毕业，具有十余年跨国药企（GSK）小分子创新药物研发经历和CRO工作经历。通过此次专访，任峰向我们全面介绍了英矽智能率先发现PCC背后的科学探索，商业模式的选择以及他对AI制药未来的期待。
七年打造三大AI技术平台，渗透从靶点发现到临床研究
2021年2月，首例完全由AI驱动发现的IPF新靶点以及针对该靶点设计的PCC的发现，让成立已有七年的英矽智能迈出了“万里长征第一步”，并且仅历时18个月耗资260万美元。任峰在接受亿欧大健康专访时指出，如果用传统方法，这一过程将大约需要四年半的时间，耗费几千万到上亿美金不等。
半年后，基于特发性肺纤维化项目的成功，英矽智能再次实现了新突破——获得了针对肾纤维化的全新临床前候选化合物。
两次新突破都得益于英矽智能自主研发的Pharma．AI软件。其核心技术在于通过开发一系列生成对抗网络和强化学习来识别蛋白质靶点，从而生成具有特定属性的分子结构并合成数据。而通过该软件，英矽智能正试图渗透从靶点发现到临床预测的每一个产业环节。在英矽智能创始人兼首席执行官Alex Zhavoronkov看来，这正是英矽智能的绝对优势。
具体而言，Pharma．AI软件包含三大AI平台，分别是PandaOmics、 Chemistry42和InClinico，依次针对早期靶点发现、新分子化合物生成和临床试验预测。其中，PandaOmics减少了多组学目标发现和深度生物学分析引擎所需的时间，将原来的几个月显著减少到只需点击几下。而Chemistry42则可以在一周内发现全新的先导化合物类似分子。
据悉，上述平台包括数百个模块，如生成式对抗神经网络（GAN）、自然语言处理（NLP）引擎和统计组件——所有模块均可协同工作。任峰表示，英矽智能花了近7年的时间构建数百个AI模型（每个模型负责一项特定任务），最终集成了一个系统。
2019年，利用该软件系统，英矽智能从始至终创造出全新的分子仅用了21天，花费仅约15万美元，效率大大提高。
2021年，基于生成式对抗网络（GAN）的综合药物发现平台，英矽智能在特发性肺纤维化项目成功后，又利用PandaOmics展开了针对肾纤维化的靶点研究，并利用Chemistry42生成了具有药物性质的全新化合物。当下，前期实验结果已表明该化合物可显著抑制肾纤维化的发展，并调节肌成纤维细胞的激活，这是组织修复和伤口愈合的关键。
任峰表示，相较于传统的小分子化合物的生成和优化主要依赖药物化学家的经验，如药物化学家一般要经历10轮以上的优化和设计，每一轮至少要花费1到2个月，AI则可以在五六轮之后就完成这一工作，大大缩短时间。
尽管成果叠出，但任峰也坦言AI并非万能。他认为，虽然AI可以设计出很好的化合物，有很多应用，但它只是一个工具，不能代替人类做决定。并且化合物设计出来后仍需要进行传统实验进行验证。再者，相较于人类，AI缺少了灵光一闪的智慧。
除此之外，靶点验证也是个大难题。目前，AI发现的新靶点在全球范围内尚无新药获批。任峰坦言，现阶段AI赋能新药研发，只是在某些环节上实现了一定的突破，但还远远不够。“整个行业的发展都处在起步阶段，目前，AI做出来的小分子化合物或者大分子只有少数几个进入临床。”
据悉，英矽智能已计划在2022年完成针对肾纤维化新药临床试验申请的研究。同样，针对IPF的新药亦在进行IND申报实验，预计于2022年初进行临床研究。
合作＋自建研发管线，突破行业难题
不过，当AI在制药领域陆续出现新进展并被寄予厚望时，“数据问题”仍是AI制药企业绕不过的一道坎。
在近日一场AI新药峰会上，数据的收集和质量问题，便是在场诸多嘉宾热议的话题。“garbage in， garbage out。”这是在计算机科学与信息通信技术领域流传甚广的一句话，意思是质量不好的数据无法通过降噪等处理手段得到良性且正确的结果。目前AI制药公司的数据大多来自于公开数据库，质量参差不齐。而好的数据则多掌握在各大药企手中，难被共享。
任峰透露，数据永远是一个问题，对于AI而言，数据量越大，准确度越高，但现在问题不在于数据量不够，而是数据质量的问题。自2014年成立之日起，英矽智能就有一个20多人的团队专门在处理和过滤获取到的数据。
截至目前，英矽智能每三个月更新一次模型，每九个月更新一次AI Pharma Pipeline，其已与150多个学术机构和公司合作，从中获得训练数据。而通过不断的合作，英矽智能最终的目标则是成为一家AI驱动的新药公司。
“一方面，帮助药企推进新药研发进程，提高对我们的认可度，另一方面，利用外部资源帮助英矽智能不断优化和证明我们的算法，这是一个相互促进的过程。”任峰如此说道。
当前，靶点发现和小分子化合物生成已经是AI应用在新药研发中较多的场景。而基于此，PandaOmics、 Chemistry42也是当前英矽智能推进较快的两大平台，并已进入商业化阶段。
据英矽智能介绍，PandaOmics靶点发现AI系统可作为软件服务提供，Chemistry42小分子生成化学平台已于2020年9月开始在药企用户现场安装和部署。迄今为止，不少制药巨头已经采用Chemistry42分子生成和设计平台，PandaOmics也服务于多个著名学术机构和制药公司的药物靶点发现部门。
任峰透露，英矽智能目前的对外合作主要有三种模式：一是项目上的合作；二是授权药企使用其软件的模式；三是在内部自研项目进展到一定阶段后license－out。当下，软件授权业务是英矽智能的主要商业化路径。不过任峰表示，从近两年开始，已经看到新的发展苗头——项目合作的比重正在逐步增高。
近期，英矽智能在项目合作上便频频出手，先后与劲方医药和西湖制药达成战略合作协议。以英矽智能与劲方医药的合作为例，双方将在肿瘤、免疫类疾病领域聚焦高度未满足医疗需求，共同针对新靶点、难成药靶点推进并加速创新药物的研发。
这样不断的合作将帮助英矽智能在市场竞争格局持续站稳脚跟。但市场不断涌入新玩家，技术迭代加快，英矽智能也不敢掉以轻心。“现我们平台还比较先进，但如果不持续优化，可能三五年后格局就将改写。”任峰说。
目前，英矽智能整合了两种商业模式——通过自主研发的Pharma．AI平台提供人工智能驱动的药物发现服务和软件，并自主开发临床前和临床项目。
其中，临床前项目通过自有平台寻找新的药物靶点和新分子来实现，目前其建立起的自研新药管线主要以新机制特发性肺纤维化项目为代表，覆盖癌症免疫、纤维化和神经系统领域等疾病。
近些年，AI制药行业经过数年的发展，已经迈进了新阶段。在任峰看来，随着算力的积累和算法愈发成熟， AI制药迎来了一个蓬勃发展的时期，陆续有成功案例出现，同时药企对其认可度也在提升。
而展望未来，“我认为五年之内，应该就会有AI辅助研发的新药能得到批准进入市场。届时还会再掀起新一波的AI制药热潮。”任峰说道。
本文来源于亿欧，原创文章，作者：林怡龄。转载或合作请点击转载说明，违规转载法律必究。
