在一次视频通话中，Alex Zhavoronkov 展示了一颗小而绿色的菱形药片。这颗药片是由他的公司开发的，用于治疗一种罕见的进行性肺病——特发性肺纤维化（IPF），这种疾病目前尚无已知的病因或治疗方法。尽管该药物尚未获得批准，但在小规模临床试验中已经显示出令人印象深刻的疗效。这标志着一种新型药物的诞生，其中人工智能（AI）在其发现过程中起到了关键作用。
“我们不能说我们有第一个由AI发现和设计的分子获得了批准，”Insilico Medicine 的联合创始人兼首席执行官 Alex Zhavoronkov 博士说，“但我们可能在这条道路上走得最远。”欢迎来到AI药物竞赛的时代，在这个时代里，许多公司正在利用AI的力量来完成传统上由药物化学家完成的工作。这些公司包括过去十年中涌现的小型专业AI驱动生物技术公司，以及要么自己进行研究、要么与小型公司合作的大型制药公司。谷歌母公司Alphabet也在2021年底推出了位于英国的AI药物发现公司Isomorphic Labs。其首席执行官Demis Hassabis今年因一个有望用于AI药物设计的AI模型获得了诺贝尔化学奖。
波士顿咨询集团（BCG）的Chris Meier表示，使用AI进行药物发现可能会给患者带来“巨大的改变”。将一种新药推向市场平均需要10到15年的时间，成本超过20亿美元。而且风险很高：约90%进入临床试验的药物最终会失败。人们希望，使用AI可以缩短这一过程的时间和成本，并提高成功率。
牛津大学结构生物信息学教授Charlotte Deane表示：“我们现在正处于AI处于药物发现核心地位的新时代。”她开发了免费提供的AI工具，以帮助制药公司和其他机构改进其药物发现工作。“我们才刚刚开始了解它能变得多么出色。”专家们认为，这并不会导致制药科学家数量减少——真正的节省将来自于减少失败率，但它意味着要与AI合作。
BCG最近发布的一项分析发现，至少有75种“AI发现的分子”进入了临床试验，预计还会有更多。Meier博士指出：“它们现在常规进入临床试验是一个重要的里程碑。”下一个“更大的里程碑”将是当这些分子开始通过临床试验并获得批准。
Meier博士解释说，AI主要应用于药物发现过程中的两个步骤。首先是识别药物预期作用的治疗靶点，即在分子水平上确定需要纠正的目标，例如某个基因或蛋白质因疾病而发生异常变化。传统上，科学家会在实验室中基于对疾病的了解实验性地测试潜在靶点，而AI可以通过训练挖掘大型数据库，建立基础分子生物学与疾病之间的联系并提出建议。第二个更常见的步骤是设计针对靶点的药物。这使用生成式AI（也是ChatGPT的基础）来想象可能与靶点结合并起作用的分子，取代了化学家手动合成数百种相同分子的变体并尝试找到最优解的昂贵过程。
成立于2014年的Insilico Medicine已经筹集了超过4.25亿美元的资金，该公司在这两个步骤中都使用了AI，此外还预测临床试验成功的概率，并将其反馈到药物发现工作中。目前，该公司有六种分子正在进行临床试验，其中包括用于治疗IPF的分子，其下一阶段的试验正在计划中。此外，四种分子已被批准进入试验阶段，近30种其他分子也显示出潜力。所有这些分子都是“从头开始使用生成式AI发现的”，Zhavoronkov博士说。“我们的机器不断尝试，直到找到完全符合我们所有标准的完美药物。”
为了抑制一种以前从未被用于治疗IPF的蛋白质TNIK，该公司生成式AI软件设计了一种新型分子，而这个目标是由另一套AI软件建议的，认为TNIK可能是该疾病最重要的调节因子。随后，系统提出的可能性被合成并进行了测试。Zhavoronkov博士指出，整个发现过程比行业标准更快、更高效。通常需要四年时间和至少合成500个分子的过程，他们仅用了18个月和79个分子就完成了。其他一些Insilico的分子甚至需要更少的合成次数。
数据不足仍然是该领域面临的最大挑战，专家们表示。这涉及到靶点识别和分子设计，可能会引入偏差。总部位于美国的Recursion Pharmaceuticals表示，其方法可以缓解数据有限的问题。通过自动化实验，该公司生成了大量与构成人体的所有分子相关的数据。然后，它训练AI工具理解这些数据并发现意想不到的关系。为此，今年该公司安装了据称是制药公司拥有和运营的最快的超级计算机。该公司取得了一些成功。一种用于治疗淋巴瘤和实体肿瘤的分子目前正在早期临床试验中测试癌症患者。这是在AI发现了针对被认为在驱动这些癌症中起重要作用但此前无人破解如何单独靶向的基因的新方法之后开发的。
Recursion联合创始人兼首席执行官Chris Gibson表示，该领域最重要的是尚未证明的事情：这些AI发现的分子能否通过临床试验并在长期内比传统方法提供更高的成功率。当这一切发生时，Gibson博士说，“世界将显而易见，这就是前进的方向。”
(全文结束)
