人工智能如何变革药物研发
- 来源:《第一财经》YiMagazine smarty:if $article.tag?>
- 关键字:人工智能,药物,研发 smarty:/if?>
- 发布时间:2024-08-23 21:07
撰文/Steve Lohr翻译/万志文
美国生物医疗技术服务商Terray Therapeutics的实验室里充斥着各种微型自动化设备。机器人呼呼作响,将装有液体的小管子送往各自的“岗位”。科学家们身穿蓝色大衣,戴着无菌手套和防护眼镜,监控着这些机器。
但真正的活动发生在纳米层面:溶液中的蛋白质与定制芯片微孔中保存的化学分子结合,那些芯片就像微型麦芬蛋糕烤盘。每一次交互都会被记录下来,每天的交互可达数百万次,产生多达50TB的原始数据—相当于超1.2万部电影。
该实验室约有2/3个足球场大小,位于美国加州蒙罗维亚一家利用人工智能辅助药物发现和开发的数据工厂。这家实验室背后,是当下年轻企业和初创公司试图借助人工智能更快地生产更有效的药物的浪潮。
这些围绕新药的初创公司正在利用AI前沿技术—从海量数据中学习并产生答案—来重塑药物研发,将这个产业从艰苦的手工工艺变成更加自动化的精准工艺。人工智能具备自主学习能力,且能够变得更聪明。咨询公司麦肯锡表示,人工智能对制药行业来说是一个“百年一遇的机遇”。
Terray正专注于开发小分子药物,基本上就是任何能以药丸的形式服用的药物,就像阿司匹林和他汀类药物。药丸服用方便,生产成本低廉。Terray的实验室里到处可见的自动化设备几乎都是定制的,这得益于3D打印技术的进步。此外,Terray还依靠外部开发者的进步技术来制造由自己设计的微型芯片。
用于药物研发的人工智能依赖非常专业的数据—分子信息、蛋白质结构和生化相互作用的测量结果。人工智能从数据中学习模式,然后提出可能有用的候选药物,就像将化学钥匙与正确的蛋白质锁相匹配一样。
与训练数据更宽泛的聊天机器人相比,用于药物开发的人工智能由精确的科学数据驱动,产生有害“幻觉”的可能性要小得多。任何潜在的药物在获准给病患使用之前,都必须在实验室和临床试验中开展广泛的测试。
Terray正在建立大型高科技实验室以生成数据助力AI模型训练,从而实现快速试验和识别模式,预测可能有效的方案。随后,在高速自动化实验室中,生成式AI可以数字化设计药物分子并转化为物理分子,测试其与目标蛋白质的相互作用。结果无论好坏都会被记录下来,反馈给AI系统用以改进设计,从而加速整个设计过程。
有一些人工智能开发的药物已进入临床试验阶段,但这项技术仍处于早期阶段。华盛顿大学蛋白质设计研究所所长、生物化学家大卫·贝克(David Baker)指出,“生成式人工智能正在改变药物研发领域,但药物开发的过程混乱而复杂,人工参与度很高”。
药物开发历来是一项成本高昂、耗时、充满不确定性的工作。从药物设计、临床试验到最终批准,各种研究的差异很大,但总成本据估计平均达到10亿美元,耗时10年至15年。进入人体临床试验的候选药物有近90%以失败告终,原因通常是缺乏疗效或者有无法预见影响力的副作用。
从事AI药物开发的创业公司正在努力利用自身的技术来提高成功几率,同时削减研发时间和成本。这类企业最稳定的资金支持来自制药巨头—它们长期以来一直是小型研究企业的合作伙伴和投资者。
AI制药商目前正专注于加速临床前阶段的开发,该阶段通常需要4到7年的时间。有些公司可能会尝试自己进行临床试验,但这一阶段涉及成本高昂的人体试验,通常由大型制药公司接管,这个过程需要另外的7年时间。
大型制药公司会在候选药物研发取得阶段性成果后向研究合作伙伴支付报酬,这些报酬几年下来可达数亿美元。如果药物最终获得批准并取得商业成功,后者还会获得源源不断的特许权收入。
从Google DeepMind剥离出来的药物研发项目Isomorphic选择押注自身的软件实力,认为越出色的AI所需的数据越少,因此该项目团队专注于对算法路径的研发。2021年,GoogleDeepMind发布了一款应用,可准确预测氨基酸串折叠成蛋白质的形状。这些3D形状决定了蛋白质的功能—而蛋白质驱动着所有生物的行为,DeepMind的发明促进了人们对生物学的理解,有助于药物研发。今年5月,GoogleDeepMind和Isomorphic宣布,它们最新的人工智能模型AlphaFold 3可以预测分子和蛋白质如何相互作用—这是药物设计领域的又一进展。
Terray成立了数据科学和人工智能团队,并创建了自己的AI模型,用于将化学数据转换为数学数据,然后再转换回来,它还发布了一个开源版本。
目前,Terray正在开发治疗狼疮、牛皮癣、类风湿性关节炎等炎症性疾病的新药。CEO雅各布·伯林(Jacob Berlin)表示,公司预计将在2026年年初将药物投入临床试验。Terray及其同行的制药创新可以加快药物研发的速度,但也仅此而已。
“对我们和整个行业来说,最大考验在于,10年后回过头看,是否可以说临床成功率大大提高,我们有了更好的药物来改善人类健康。”伯林说。