想象一个曾经被认为无法治愈的疾病变得可控的世界，一个治疗方法能够根据你的独特生物学特性量身定制的世界，一个拯救生命的药物以前所未有的速度到达患者手中的世界：欢迎来到药物发现和开发中的人工智能革命。
第一部分（共四部分）：人工智能在药物发现中的应用
生物学已经进入了一个新时代——在这个时代中，人工智能不仅加速了发现，还重塑了我们对疾病治疗和预防的理解。在Sanofi，我们正在将人工智能嵌入到研发工作的每个阶段。这种技术驱动的健康人类观方法具有改变多个疾病领域护理未来的潜力，并帮助患者更快地获得更有效的治疗选择。在我们关于研发价值链中人工智能的四部分系列报道的第一部分中，我们将探讨人工智能如何帮助科学家在生物制剂和疫苗领域改写发现的规则。
生物制剂革命：从直觉到智能
想象一下能够智胜癌症、欺骗免疫系统或修复缺陷基因的分子。这就是生物制剂的承诺。但是，发现这些分子传统上被比作在干草堆里找针——如果这个干草堆比宇宙还要大。
这时人工智能登场了，它是一个改变游戏规则的技术，将这场搜索变成了一个精准的操作。
我们不仅仅是在加速发现。我们正在重新构想如何从根本上理解和对抗疾病。
Maria Wendt
Sanofi全球临床前计算创新战略负责人
巨大的飞跃
人工智能正在彻底改变我们在将生物制剂的承诺带给患者方面所取得的进展：它们的发现、设计和开发变得更快、更精确、更具雄心。
早期药物开发的三个阶段，预发现、发现和临床前开发，展示了每个阶段设计新药物候选物的工作。
Sanofi是第一家在临床中拥有三特异性——或三靶向——抗体用于HIV和癌症的制药公司。将三种不同的抗体结合成一个单一的分子，可以同时作用于疾病的一个或多个途径中的三个靶点。这些高度工程化且非常复杂的抗体的目标选择和设计现在由人工智能实现。1-4
事实上，自2019年以来，Sanofi在开发中使用人工智能的生物制剂和疫苗数量几乎翻了一番。为了进一步加速这一转型，我们启动了一个特殊计划，称为生物制剂人工智能登月计划（BioAIM），以在我们的生物制剂项目组合中工业化人工智能的使用。
"多靶向是一种惊人的发展，"Wendt说。"今天，我们知道疾病是复杂的；我们需要多个途径和干预点，以及新的机制，使我们能够诱导，甚至在某种程度上工程化免疫系统来帮助对抗疾病。"
智能设计
传统上，预测生物药物的特性依赖于直觉、统计和试错。现在，人工智能帮助我们：
从零开始设计分子
更智能地选择化合物进行进一步研究
模拟它们在患者体内的行为方式
在进行单一实验之前优化它们
1/4
这些进步正在帮助我们在自身免疫疾病和神经系统疾病领域追求有前途的方法，虚拟筛选大量候选物并在硅中优化它们的设计。
Sanofi也在解决生物制剂最大的挑战之一：口服给药。"Wendt解释说，口服生物制剂被认为是圣杯。'通过人工智能和机器学习，我们正在努力使这些药物在肠道中更加稳定，这将意味着患者更加方便和易得，并且某些疾病具有更好的疗效。'"
当创新变得个人化
对于Maria Wendt来说，这不仅仅是关于分子和数据——这深深与个人有关。她的丈夫David，一位科学家，曾用生物药物与第四阶段癌症抗争。他们的药物"融化了肿瘤"，正如他们的医生所说，但伴随着不可预测的副作用。
"如果早些时候我们能够识别出他并发症的风险，"Wendt反思道。这种经历激发了她创造强大药物的热情，并利用人工智能的力量设计"更智能"的药物，可以预测并最小化副作用，甚至有可能完全消除这些风险。"人工智能加速了我们的研发时间表，但我们有更高的期望：突破我们对疾病生物学和分子能力的已知界限。"
人工智能与mRNA疫苗的语言
人工智能也在推进mRNA疫苗设计，帮助科学家在几乎无限的可能序列中选择那些具有最佳潜力的序列。
"Sanofi mRNA卓越中心数据与计算科学负责人Fernando Ulloa Montoya解释说，一种蛋白质的mRNA序列可能性比宇宙中的原子还要多。'人工智能帮助我们在这种庞大的分子语言中找到完美的'词语'。"
Sanofi正在构建的AI工具对于mRNA而言，就像ChatGPT对于人类语言一样。想象一个能够"说"生命语言的AI，设计出比以往更有效且更容易生产的疫苗。
"Ulloa Montoya说，这不仅仅是创新——这是一场革命。'我们不仅在加速研究；我们正在重新定义医学的可能性。'"
AI帮助优化疫苗有效性和制造效率，甚至可以通过分析接种疫苗后的早期生物信号来预测人体对疫苗的反应。
构建AI工具包
Sanofi不仅仅是在采用或构建AI平台，我们正在创建自己的平台，如：
- CodonBERT：一个用于mRNA的大型语言模型，训练了数百万个序列。"Ulloa Montoya表示，CodonBERT非常令人兴奋，因为它是mRNA领域的ChatGPT。我们还构建了mRNA-LM；这是模型扩展到全长mRNA序列的版本。
- RiboNN：一个深度学习模型，可预测核糖体将mRNA序列翻译成蛋白质的效率。
在所有这些创新背后，是对数据数量和质量的巨大投资。"Ulloa Montoya解释说，构建AI模型需要在设计正确实验和生成数据方面进行投资，因为我们必须生成更多且经常是不同类型的数据，而这些数据是我们进行正常实验所需要的。'另一个重要方面是建立具有多学科专业知识和数据基础设施的团队，以确保生成并提供适当的数据来构建AI模型。'"
人工智能赋能
作为第一家大规模由人工智能驱动的生物制药公司，Sanofi正在重新构想和重新设计其流程，以显著缩短从初始发现到治疗方法和疫苗商业化的耗时。通过为科学家提供基于AI的见解，我们正在推动科学的边界，将数周的研究压缩到几小时，并确保更快地向患者提供改变生命的治疗。
"Sanofi正在整个研发价值链中使用人工智能，具有显著的活动水平、投资和信念，"Wendt说道。"我们的科学家们展现出了美丽的能量，我们相信我们有能力在这个领域为我们的患者真正竞争和领导。现在正是时候。"
您受邀参加未来医学的盛会
当我们站在这个新时代的边缘时，可能性是无限的。曾经被认为无法治疗的疾病可能很快就会得到治疗。曾经看似科幻小说的预防药物正变得现实。而这一切的核心是人类智慧和人工智能的强强结合。
请继续关注我们的系列文章的下一部分，我们将探讨人工智能如何彻底改变从实验室到患者的旅程。我们将揭示预测模型和数字生物标记物如何重塑临床试验，以及如何比以往更快地为患者带来更安全、更有效的药物和疫苗。
【全文结束】
