【云栖精彩演讲】任峰:人工智能重新定义药物研发

简介: 本文为英矽智能首席科学官,药物研发负责人任峰在2021年云栖大会上的分享,从传统药物研发的局限性、人工智能在新药研发领域的发展、人工智能在新药研发的思考三个部分来介绍人工智能如何重新定义药物研发。

    本文为英矽智能首席科学官,药物研发负责人任峰在2021年云栖大会上的分享,从传统药物研发的局限性、人工智能在新药研发领域的发展、人工智能在新药研发的思考三个部分来介绍人工智能如何重新定义药物研发。

 

一、传统药物研发的局限性

 

     目前为止,传统的药物研发有很多局限性,即研发低效或者高风险。在统计数据里面表明,目前传统新药研发总的成功率只有3.5%,这就意味着有97%左右都是失败的案例。同时,它的研发周期非常长,平均每款新药的上市大概需要十年以上的时间。然后,它的研发费用也特别高,平均每款新药的上市大概需要将近20亿美金的研发投入。所以传统的新药研发目前面临的共同的痛点,就是“一高一低一长”,即研发费用高,成功率低和研发时间长。  

image.png

     这些痛点集中在三个领域,分别是生物学领域、化学领域、临床实验领域。  


     在生物学领域,靶点发现是一个项目的开始的原点和基础,如何寻找“靠谱”的新靶点一直是制药企业研发的重点和难点。而且在靶点发现的阶段,试错成本非常高。一旦选择了错误的靶点,等数年后或者十数年后,在临床上发现这个靶点被验证是无效的,这就意味着之前投入的大量时间成本和财物成本被白白浪费掉了。


     在化学领域,我们的痛点是,如何产生安全性好且药效好的小分子化合物进入临床研究?经过统计,一个小分子化合物从发现到真正的进入临床,需要优化100个以上的参数,其中包括体外活性,体内活性,药效学,成药性等等。怎样在大量的参数里面,找到一个小分子能符合所有的要求?目前为止,传统新药研发都是用经验来进行,所以非常的低效。  


    在临床实验领域,我们需要选择合适的病人,在合适的时间去切入。但选择什么样的病人?选择多少病人才有统计学意义?还有很多方面的问题需要被解决。


image.png


     现在,人工智能已经可以在早期的靶点发现和验证小分子化合物的设计方面提供一些比较新颖的解决方案。


二、人工智能在新药研发领域的发展


     AlphaFold 2是最近比较轰动的事件,Deepmind解决了大多数人类蛋白三维结构的预测。这就帮助我们在蛋白的结构和构造关系学上,起到了很大的促进作用。虽然如此,但它只在某些点上起到了促进作用,还没有对整个链条做到更好的赋能。

image.png

     人工智能的发展对制药来说,它经历了一个比较漫长的时期。虽然在90年代,人工智能的机器学习、深度学习的理论已经形成,但是还没有过多的应用在新药研发上。一直到2012年左右,大家才开始通过组学数据用人工智能帮助人类寻找新的靶点,比如基因组学、转录组学、蛋白组学、代谢组学等。


image.png

     到2016年,生成式对抗网络和其他的一些神经网络开始被应用于设计小分子化合物中。经过了两年的发展,在2018年人工智能到达了高光的时刻。当然这也离不开算力和数据的积累,从2001年到2016年,算力提高了一万多倍;从2000年到2020年,发表的文献专利从40万增加到100多万篇。从数据和算力两方面,制药行业也得到了非常快速的发展。所以在2018年之后,人工智能赋能的新药研发进入了蓬勃发展的时期。  


     从2018年之后,人工智能已经出现了几个高光案例。比如,Heal-X通过人工智能驱动了老药新用的研发,发现脆性X综合征候选药物,并在18个月内将项目推进到2a期临床试验;Deep genomics通过人工智能发现新的靶点,在18个月内找到了新的化合物;英矽智能在2019年,通过人工智能赋能的方式,针对一个靶点在46天里找到了一个小分子的先导化合物;在2020年,DeepMind通过蛋白系列成功解析了绝大多数人类蛋白的三维结构。  

image.png

    人工智能在新药研发领域,它的主要作用是什么呢?我觉得是缩短研发周期和降低研发成本。英矽智能今年高调宣布了一个项目,从早期的靶点发现到临床候选化合物的确定,只用了18个月的时间,研发经费只耗费了260万美金左右。跟传统研发相比,人工智能把时间缩短到了原来的1/3,同时,减少了大量研发经费。  


     有数据统计,人工智能可以帮助我们把成功率从12%提高到14%。虽然只提高了两个点的成功率,但是这两个点的提高,就可以每年节省几十亿的研发经费。每年人工智能还可以对前期的化合物的设计和合成,节省了40%的到60%的时间,为整个生物医药产业节约500多亿的研发费用。

image.png

     截止到2021年上半年,已经有880多家投资机构进入了人工智能赋能新药研发领域的战场,全球范围内有300多家人工智能公司。最近两年,还有好几家人工智能公司在纳斯达克成功上市,且市值都在20亿美金以上。


     虽然中国的人工智能赋能新药研发并不是走在世界的最前列,但是我们拥有非常快速且爆发式发展。希望在不久的将来,我们也可以看到中国的人工智能公司赋能新药研发,有一些比较好的成果。  

image.png

     虽然人工智能赋能新药研发在蓬勃的发展,但目前绝大多数还只是处于临床一期或者临床二期的早期阶段。所以我们接下来的目标就是,希望人工智能发现的新药能都得到充分的临床验证。


三、人工智能在新药研发的思考


     最后跟大家分享一下我对AI制药的几点思考。第一,我们需要培养大量熟悉AI和药物研发的交叉学科人才,这样才可以更快的推动人工智能新药的研发。第二,我想重点介绍的就是人工智能以快速和高效为目的,而新药研发以合规和安全为底线,但是当两者在一起碰撞的时候,行业一定会经历一些阵痛。

image.png

     基于此,我们不能期望每一个人工智能公司都能获得成功,但是AI作为一个拥有最先进技术的行业,肯定会为新药研发提供一个颠覆性的解决方案,能够提高研发效率,降低研发成本。更快更好地做出新药,满足未被满足的临床需求,用AI赋能人类长久的健康生活。  

image.png


相关文章
|
13天前
|
存储 人工智能 自动驾驶
云栖重磅合集 | 吴泳铭:超级人工智能之路
吴泳铭在云栖大会发表演讲,指出AGI已成必然,终极目标是超级人工智能ASI。阿里云发布通义千问7款新模型,升级全栈AI体系,推出磐久128超节点、HPN 8.0网络等基础设施,全力推进AI技术发展。
云栖重磅合集 | 吴泳铭:超级人工智能之路
|
15天前
|
机器学习/深度学习 人工智能 安全
AI加速疫苗研发:从十年磨一剑到一年出成果
AI加速疫苗研发:从十年磨一剑到一年出成果
141 27
|
2月前
|
人工智能 监控 前端开发
支付宝 AI 出行助手高效研发指南:4 人团队的架构迁移与提效实战
支付宝「AI 出行助手」是一款集成公交、地铁、火车票、机票、打车等多项功能的智能出行产品。
345 21
支付宝 AI 出行助手高效研发指南:4 人团队的架构迁移与提效实战
|
5月前
|
人工智能 JavaScript Devops
云效 MCP Server:AI 驱动的研发协作新范式
云效MCP Server是阿里云云效平台推出的模型上下文协议(Model Context Protocol)标准化接口系统,作为AI助手与DevOps平台的核心桥梁。通过该协议,AI大模型可无缝集成云效DevOps平台,直接访问和操作包括项目管理、代码仓库、工作项等关键研发资产,实现智能化全生命周期管理。其功能涵盖代码仓库管理、代码评审、项目管理和组织管理等多个方面,支持如创建分支、合并请求、查询工作项等具体操作。用户可通过通义灵码内置的MCP市场安装云效MCP服务,并配置个人访问令牌完成集成。实际场景中,AI助手可自动分析需求、生成代码、创建功能分支并提交合并请求,极大提升研发效率。
|
3月前
|
人工智能 文字识别 供应链
高校实验实训课程开发:基于现有的硬件基础和开源能力研发最前沿的AI实验课程
更多基于学校现有硬件基础:企业需求场景的开发和发展,更加注重上层数据和应用,各类工具软件的出现,极大提升了各类硬件的应用价值。我们看到各类硬件厂商,想方设法把硬件卖给学校,但是很多硬件不是在那里尘封,就是寥寥无几的使用场景,我们希望基于学校现有的硬件基础去开发更多面向不同行业或专业的实验实训课程,物尽其用。基于学校现有的硬件,集约开发,极大降低硬件投入成本。
124 7
|
3月前
|
人工智能 自然语言处理 测试技术
AI时代,Apipost和Apifox如何利用AI技术赋能API研发测试管理所需?
在数字化转型加速背景下,API成为企业互联互通的关键。Apipost与Apifox作为主流工具,在AI赋能方面差异显著。Apipost通过智能参数命名、接口设计自动化、测试用例生成、断言自动化等功能大幅提升研发效率和质量,尤其适合中大型企业及复杂业务场景。相比之下,Apifox功能依赖手动操作较多,适用性更偏向初创或小型项目。随着AI技术发展,Apipost展现出更强的智能化与前瞻性优势,为企业提供高效、稳定的API管理解决方案,助力其在竞争激烈的市场中实现创新突破。
101 0
|
4月前
|
人工智能 JSON 测试技术
AI 驱动 API 研发提效:解析 Apipost 在 API 文档生成场景的全流程能力
随着AI和大模型技术发展,软件开发步入智能化时代。API研发作为核心环节,高效调试与文档编写至关重要。Apipost是国内领先的API协同工具,提供从API设计到性能测试的完整闭环,支持AI驱动的文档生成、Markdown润色及OpenAPI生成等功能,显著提升团队效率。其AI功能可一键补全参数描述、生成示例代码与响应样例,减少重复劳动,助力开发者专注于业务逻辑优化。无论是快速迭代还是大规模接口设计,Apipost都为高效协作提供了强大支持。
174 0
|
6月前
|
人工智能 编解码 异构计算
Neo-1:全球首个原子级生成式AI模型!这个AI模型把10年药物研发周期压缩到1个月
VantAI推出的Neo-1是全球首个统一分子生成与原子级结构预测的AI模型,采用潜在空间扩散技术,结合大规模训练和定制数据集,显著提升药物研发效率。
241 15
Neo-1:全球首个原子级生成式AI模型!这个AI模型把10年药物研发周期压缩到1个月
|
7月前
|
消息中间件 人工智能 Java
通义灵码2.0深度评测:AI原生研发时代的开发者革命
作为一名五年开发经验的程序员,我深刻感受到从手动编码到AI辅助编程的变革。通义灵码2.0基于Qwen2.5-Coder大模型,通过代码生成、多文件协同、单元测试和跨语言支持等功能,显著提升开发效率。它能生成完整工程代码,自动处理复杂业务逻辑与依赖关系;在系统升级和微服务改造中表现出色;自动生成高质量单元测试用例;还具备跨语言转换能力。尽管存在一些改进空间,但其高频迭代和功能优化展现了巨大潜力。通义灵码2.0正推动软件开发从“体力活”向“架构创造力”转型,是开发者不可错过的生产力工具。
通义灵码2.0深度评测:AI原生研发时代的开发者革命
|
7月前
|
人工智能 自然语言处理
TxGemma:谷歌DeepMind革命药物研发!270亿参数AI药理学家24小时在线
谷歌推出专为药物研发设计的TxGemma大模型,具备药物特性预测、生物文献筛选、多步推理等核心能力,提供20亿至270亿参数版本,显著提升治疗开发效率。
231 7
TxGemma:谷歌DeepMind革命药物研发!270亿参数AI药理学家24小时在线

热门文章

最新文章