药物研发中的关键挑战，从氨基酸序列出发预测蛋白质三维结构的难题再一次被人工智能（AI）解决了！
当地时间5月8日，谷歌DeepMind及姊妹公司Isomorphic Labs联合推出AlphaFold 3，立刻就登上了《自然》杂志头版。AlphaFold 3是AlphaFold的第三代版本，DeepMind称其能以前所未有的精度预测“蛋白质数据库”内几乎所有分子类型的复合物结构。
图片来源：《自然》网站截图
随着AI在药物研发领域展现出惊人的潜力，《每日经济新闻》注意到，盯上AI药物研发赛道的远不止谷歌一家科技巨头，微软、亚马逊、英伟达等公司都在开展或投资相关项目。
伴随而来的也是大量的“热钱”。数据显示，自2021年以来，全球AI药物研发初创公司的风投交易已有281笔，投资额达到77亿美元。据外媒预测，AI药物研发的市场潜在规模接近500亿美元（约合人民币3613亿元），预计到2025年，30%的新药将使用AI研发。
科技公司加码AI药品研发
根据发表在《自然》上的这篇论文，对于蛋白质与其他分子类型的相互作用，AlphaFold 3在基准测试中的准确率比现有最好的传统方法高出50%，且无需输入任何结构信息，这使得AlphaFold 3成为首个在生物分子结构预测方面超越基于物理工具的方法的AI系统。
为何说AlphaFold 3是一款革命性的系统？这是因为蛋白质（从对人体新陈代谢至关重要的酶到对抗传染病的抗体）与其他分子的相互作用是药物发现和开发的关键。
据报道，通过AI模型，可以在数亿种不同的蛋白质序列及其底层结构上进行训练，从而完全模拟蛋白质，省去了昂贵的分子动力学模拟计算环节。例如，礼来一直在使用AI来搜索数百万个分子，仅用5分钟就能完成在传统实验室中需要一整年合成的分子量，因此测试AI在医学中的极限是有意义的。
随着AI在药物研发领域展现出惊人的潜力，盯上AI药物研发赛道的远不止谷歌一家科技巨头，而几乎所有科技巨头展现出了对AI制药领域的兴趣，微软、亚马逊、Salesforce等公司都在开展蛋白质生成项目。
据报道，仅去年就见证了多个医药相关的AI大模型和工具的诞生：Salesforce推出了蛋白质生成AI大模型ProGen；微软发布了蛋白质生成的通用AI框架EvoDiff；亚马逊为其AWS机器学习平台SageMaker发布了蛋白质折叠工具；英伟达推出了用于药物发现的生成AI云服务BioNeMo，并投资了制药公司Recursion Pharmaceuticals和Iambic Therapeutics。
除了硅谷大厂扎堆加码AI药物研发之外，2022年底ChatGPT的爆火也推动了许多AI初创公司步入该领域。
生物技术市场研究机构Deep Pharma Intelligence在2023年发布了一篇AI药物研发行业的分析报告，该报告通过对800 多家AI公司、1900家投资者等行业参与者的深入调研后发现，在这800多家专注于AI的公司中，有91家是在2022年至2023年间成立的，这些公司多为AI初创公司。
除此之外，报告称，大型制药公司之间以及与AI初创公司之间出现合作的趋势日益明显。记者注意到，今年4月，莫德纳与OpenAI宣布，双方正在进行合作，共同创新推动AI在医疗健康领域的潜力。
安进与英伟达也建立了以AI为重点的合作伙伴关系，安进已开始将预测模型应用于制药流程。英伟达医疗保健副总裁Kimberly Powell对此表示，这使得安进将抗体设计从两年缩短到九个月。
据悉，推出一种新药通常需要十多年的时间，平均花费至少26亿美元，最高可达60亿美元。AI的出现为成本不断攀升且回报递减的制药行业提供了潜在的解决方案。据咨询公司BCG去年发布的一份报告，在临床前阶段的药物发现步骤中，AI可以节省至少25%~50%的时间和成本。
AI对药物研发时间和成本的影响 图片来源：BCG报告
市场规模达千亿级，但数据仍是“硬伤”
随着AI医药的火热，“热钱”也大量涌入。
根据Pitchbook的数据，自2021年以来，全球AI药物研发初创公司的风投交易已有281笔，投资额达到77亿美元。从更远的时间来看，在2014年~2023年间，AI驱动的制药投资猛增，累计达到603亿美元，也证明了AI的变革潜力。
以英伟达为例，过去两年间，该公司旗下AI药物研发平台BioNeMo的风投部门Nventures把大部分钱都投给了药物研发项目。数据显示，Nventures的19笔投资交易中有7笔是投向AI药物研发初创公司。
Kimberly Powell在接受媒体采访时表示，医疗健康将成为英伟达下一个“数十亿美元级业务”。英伟达CEO黄仁勋也曾多次强调，数字生物学将是“下一个惊人的颠覆性技术”。
根据Deep Pharma Intelligence去年发布的报告，专注于早期药物开发的AI公司占到近40%，使早期药物开发成为主导领域，也是从投资角度最值得信赖的领域之一。造成这种情况的原因有很多，例如这是一个依赖海量数据的阶段，需要虚拟筛选、迭代学习以及对目标（化合物）的识别和验证。
对于AI在早期制药过程中发挥的作用，Kimberly Powell预测，生成式AI可能会通过产生人类自然不会想到的想法来影响发现。“（可能）是一种自然界以前从未制造过的蛋白质，在某种程度上也可能是一种具有治疗作用的蛋白质，或者是一种我们尚未合成且不存在于世界上任何数据库中的化合物。”
在药物开发的后端亦可以看到AI的用途，据外媒分析，其有助于从数千份文件中收集数据，以准备向美国食品药品管理局（FDA）提交文件。同样，AI可能通过使数据更容易获取而在技术转让中发挥作用。
不过，在AI辅助药物研发的过程中，高质量训练数据仍然是一大挑战。风投Menlo Ventures 合伙人Greg Yap就表示，“最大障碍是找到可靠的训练数据。这些模型正在根据描述分子相互作用的每一条公共科学数据进行训练，但有些数据不是很干净，并且存在错误。”
一旦科学界能够找到提高训练集质量的方法，AI辅助药物发现的市场有望起飞。据外媒预测，该市场的潜在规模接近500亿美元（约合人民币3613亿元），预计到2025年，30%的新药将会使用AI研发。但目前，基于AI的药物开发仍处于早期阶段。据报道，FDA迄今为止批准了100多种使用AI或机器学习进行开发的药物候选物的临床试验，但可能需要数年时间才能上市。
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前核实。据此操作，风险自担。