從研發(fā)效率來看，可以說，新藥研發(fā)仍是一座風光無限的險峰：一種新藥的研發(fā)平均耗時十年以上，研發(fā)投入超過 10 億美元，成功率卻不足 1/10。而 AI for Science 的新范式，或有望成為征服這座險峰的關鍵所在。

我們正在這條路上——

日前，在深勢科技的新一代藥物計算設計平臺 Hermite 發(fā)布會上，《科創(chuàng)板日報》記者在現(xiàn)場采訪獲悉，目前最有效的分子模擬技術比上一代效率提升了 1000 倍以上。

"AI for Science 作為一種新的研發(fā)范式已經(jīng)成為領域熱點，我們從業(yè)者應該持續(xù)定義與解決行業(yè)關鍵問題，運用一切先進的計算手段提升計算模擬效率，從而盡快促進藥物研發(fā)模式從隨機篩選走向理性設計，從經(jīng)驗驅(qū)動邁向數(shù)據(jù)與模型驅(qū)動，從‘勞動密集’到‘計算密集’的智能化轉(zhuǎn)變。" 深勢科技創(chuàng)始人兼 CEO 孫偉杰對《科創(chuàng)板日報》記者表示。公開資料顯示，深勢科技創(chuàng)立于 2018 年，曾在 18 個月內(nèi)連續(xù)完成 4 輪融資，最近一輪融資額達數(shù)千萬美元。

研發(fā)的每個環(huán)節(jié)都有提升空間

藥物研發(fā)要經(jīng)歷靶點的發(fā)現(xiàn)與驗證、先導化合物的發(fā)現(xiàn)與優(yōu)化、候選化合物的挑選及開發(fā)和臨床研究等多個階段。大體來看，臨床前研究的不確定性更大，臨床研究的成本則更高。

據(jù)深勢科技對《科創(chuàng)板日報》記者的介紹，從本質(zhì)上來說，小分子化學藥是由原子、分子排列組合而成的，他們的結構與其對疾病相關靶點的活性和其他成藥性質(zhì)息息相關，需要通過實驗試錯來找到、優(yōu)化出理想的物質(zhì)結構，再通過動物模型驗證，最終面臨臨床試驗的終極大考。

傳統(tǒng)的小分子藥物研發(fā)，通過實驗從已知分子庫中窮舉探索動輒上萬個類藥分子，并基于科學家的經(jīng)驗和見解進行設計優(yōu)化、再實驗驗證，如此反復數(shù)輪，最終找到潛力藥物。

耗時費錢的實驗具有局限性，與科學家的個人經(jīng)驗、甚至運氣高度相關；而其中的篩選試錯、設計優(yōu)化等步驟，完全可以借助 AI 算法來提高效率和成功率。

以深勢科技此次發(fā)布的 Hermite 平臺為例，該平臺涵蓋了從蛋白結構預測到動力學研究，從苗頭化合物發(fā)現(xiàn)到自由能評估等環(huán)節(jié)。如蛋白質(zhì)結構預測工具 Uni-Fold，較以往平臺訓練時間至少可以減少 50%，復合蛋白預測精度至少提升 15%；Uni-IFD 可以精確預測藥物與靶點的結合模式；Uni-FEP 能夠基于自由能微擾理論、分子動力學、增強采樣算法，以化學精度高效評估蛋白質(zhì)與配體的結合親和能。

晶泰科技聯(lián)合創(chuàng)始人兼 CEO 馬健對《科創(chuàng)板日報》記者表示，從目前 AI 的能力上看，其能覆蓋的點有很多，但相對來說，在分子設計、研究蛋白的層面上比較優(yōu)勢更強。" 但當我們建立了足夠的自動化、數(shù)字化水平后，AI 的智能化程度也就越高，在藥物研發(fā)上突破的點也就越多。" 晶泰科技系國內(nèi)跑得最快的一家 AI+ 藥物研發(fā)企業(yè)，其在 2021 年完成 D 輪 4 億美元融資，融資總額超過 8 億美元，創(chuàng)全球 AI 藥物研發(fā)領域融資額的最高紀錄。

AI+ 藥企的合作已經(jīng)落地

另一方面，藥企對 AI 制藥的態(tài)度也從謹慎轉(zhuǎn)變到更大規(guī)模的合作。

在上述發(fā)布會上，《科創(chuàng)板日報》記者獲悉，甫康藥業(yè)與深勢科技簽訂戰(zhàn)略合作協(xié)議，基于深勢科技 " 人工智能 + 分子模擬 " 的算法，融合甫康藥業(yè)在大分子和小分子創(chuàng)新藥物研發(fā)方面的積淀，雙方將一起構建新型 CoreD 特色虛擬化合物庫，加強 First in Class 新藥創(chuàng)新技術平臺的建設。

" 我們認為 AI+ 藥物研發(fā)的門已經(jīng)打開了，如果有先進計算技術的 AI 公司和有藥物開發(fā)經(jīng)驗的公司配合，也許能夠發(fā)現(xiàn)行業(yè)里更多的東西，比如 GPCR 靶點的預測、蛋白結構的優(yōu)化等。還有盡可能建一些特色庫，一旦做好了，可能是未來一個很大的方向。" 甫康藥業(yè) CEO 沈孝坤對《科創(chuàng)板日報》記者表示。

除了創(chuàng)新藥企，CXO 企業(yè)也正在與 AI 制藥建立聯(lián)系。

據(jù)悉，近期剛剛上市的 CXO 企業(yè)泓博醫(yī)藥（301230.SZ）與深勢科技已經(jīng)合作超過一年。" 我們有 6 個客戶、8 個項目使用了深勢科技的 Hermite 平臺，發(fā)現(xiàn)在設計的分子與蛋白結合的親和力這一塊，模擬出來的數(shù)據(jù)和實測的數(shù)據(jù)非常吻合。本來一般情況下，這個過程需要 2 至 3 年，現(xiàn)在可以很大程度地縮短時間。" 泓博醫(yī)藥藥物化學高級副總裁蔡振偉博士告訴《科創(chuàng)板日報》記者。

對于當前科學實驗中遇到的問題，深勢科技創(chuàng)始人兼 CEO 孫偉杰還特別提出了科學實驗算法的分級理論，即如何對算法設定合理的期望，怎樣的算法是可以大規(guī)模替代實驗的工業(yè)級算法。算法分為 L1 至 L3 三個級別：L1 為模仿現(xiàn)實，即對實驗結果的復制和外推；L2 為預測現(xiàn)實，對現(xiàn)象的預測接近實驗精度，并有可預期的誤差范圍；L3 為搜索現(xiàn)實，這就要求能夠準確預測現(xiàn)象，并能從空間中直接搜索最佳結果。

" 當前，對于化學、生物、材料、藥物等實驗學科，并不一定追求百分之百準確的算法，只要能夠大幅縮小實驗誤差，明確精度邊界，就可以大規(guī)模的替代此前的實驗模式，所以大規(guī)模推廣 L2 級別，積極發(fā)展 L3 級別的算法，將引領未來實驗科學算法的前進方向。我們的目標是到 2025 年，在主要模塊上實現(xiàn) L2 級別的算法；到 2023 年實現(xiàn) L3 級別的算法。" 孫偉杰說。