Berg LLC

人工智能（AI）三要素包括数据、算法、算力。近日，MNC陆续公布2023年报，他们都不约而同地强调了AI工具在药物开发、制造和商业化方面的重要作用。数据方面，罗氏或许是最早押注制药大数据的一批MNC之一，数据积累也助力罗氏成为TOP药企里的“AI优等生”。战略布局方面，2023年6月，赛诺菲宣布全公司数字化转型迈出下一步，“all in”人工智能和数据科学，为患者加速取得突破性成就。商业化探索方面，阿斯利康另辟蹊径，于2023年11月推出一家新的全球健康科技公司Evinova，正式进军CXO领域，通过成立AI-CRO公司，阿斯利康或能最先实现AI制药商业化验证。那么全球巨头药企们在2023年具体有哪些AI制药领域的合作？他们在AI制药领域有着怎样的布局？医药魔方Pro挑选了2022年营收排名前十名的MNC巨头（推荐阅读：全球药企TOP10），收集、整理了他们2023年在AI制药领域的合作和布局，以飨读者。01. 辉瑞作为一家“百年老店”，辉瑞对数字化转型展现出了极大的热情。早在2016年，辉瑞就与全球AI领域知名公司IBM达成合作，使用Watson的机器学习（ML）等技术进行新药物靶点识别、组合疗法的研究和患者的选择。2018年，辉瑞任命了一位首席数字官——Lidia Fonseca，负责制定和实施“加速和提高公司数字能力的战略”，奠定了公司数字化转型的基础。此后的几年，辉瑞相继宣布与Adapsyn、晶泰科技、Atomwise、CytoReason等AI制药公司达成合作协议，涵盖靶点发现、小分子药物发现、免疫疾病模型、抗体药物研发等多个方面。2023年是全球AI制药合作遍地开花的一年，对辉瑞来说也不例外：Gero2023年1月，辉瑞宣布与新加坡生物科技公司Gero开展研究合作，应用Gero的机器学习技术平台，通过大规模人类数据发现纤维化疾病的潜在靶点。Tempus2023年2月，辉瑞宣布与Tempus建立新的战略合作。根据协议，辉瑞可以访问Tempus的AI平台及其去识别化的多模态数据库，用于肿瘤疗法的开发；此外，辉瑞还可以利用Tempus的技术推进自身肿瘤学产品组合，包括AI驱动的伴随诊断产品的研发。02. 强生强生正在朝着发现药物的新方向前进。华尔街日报称，近年来强生已为其AI能力投入了数亿美元，包括聘请了约6 000名数据科学和数字专家，利用AI进行药物发现。强生表示，公司有一个名为Med的大型数据库，包含超过3PB的信息。这些信息不仅包括真实世界数据，还包括各种各样的临床试验结果。AI能够大规模筛选这些数据，加快药物开发。分析师认为强生是布局AI最积极的大型制药商之一。其实早在2013年，强生就与AI制药顶尖公司Exscientia建立合作，将Exscientia的设计技术应用于新化合物的发现。2020-2022年间，强生相继与英矽智能、Tempus、SRI International、Aqemia等AI制药公司建立合作。Intellomx2023年9月，强生旗下杨森制药公司宣布与Intellomx达成靶点发现合作，以评估治疗血液病癌症的新生物靶点。此次合作将结合Intellomx的专有AI平台，以及杨森在数据科学、肿瘤学研究和开发方面的专业知识，发现新的疾病机制和治疗机会。Intellomx总部位于英国，专注于从靶点到IND的AI技术，智能组学（武汉）生物科技有限公司是其中国子公司，负责公司项目/技术在中国的开发和商业化。03. 罗氏现阶段AI药物研发的痛点之一是数据问题，罗氏或许是最早押注制药领域大数据的一批MNC之一。早在2018年，罗氏就以19亿美元前瞻性收购肿瘤大数据领头羊Flatiron Health的全部股份。同一年，基因泰克与医疗数据化分析公司GNS Healthcare达成协议，使用其AI平台分析已知疗法在肿瘤中的功效。2021年，罗氏与拥有国家级大数据中心的天津港保税区结盟成为长期战略合作伙伴，共同开展包括个体化医疗研究等多方面的合作。这些积累也助力罗氏成为TOP药企里的“AI优等生”。CB Insights最新发布的Pharma AI Readiness Index，依据企业AI人才、AI项目执行、AI创新成果等维度进行评级，罗氏以总分77.48排名全球药企AI实力榜首。全球跨国药企AI能力排名（来源：CB Insights）ShapeTX2023年11月，罗氏宣布扩大与Shape Therapeutics（ShapeTX）的合作伙伴关系。双方的合作始于2021年8月，当时达成了总金额可能超30亿美元的合作协议。此次扩大合作，ShapeTX将利用其专有的AI RNA编辑平台，开发一种潜在的一次性疗法。根据协议，ShapeTX将进行临床前研究，以识别和交付由其AI驱动的RNAfix™平台发现的候选药物。罗氏将负责合作产生的任何潜在产品的最终临床前开发、临床开发和全球商业化。04. 默沙东2012-2013年间，MNC药企陆续开始与AI制药企业达成合作，默沙东便是那批最早“拥抱”AI制药的MNC之一。公开资料显示，2012年，默沙东与Numerate公司合作研发心血管疾病的治疗方法。Numerate主要是利用机器学习软件研发治疗神经退行性疾病、心血管疾病和肿瘤的新兴治疗方案，并致力于为开发小分子疗法的企业提供药物设计平台。2022年1月，默沙东宣布与AbSci达成研究合作，使用Absci的AI驱动的综合药物创造平台，Absci将有资格获得所有三个靶点的高达6.1亿美元的总付款。2022年11月，默沙东宣布与BigHat Biosciences达成合作，利用BigHat的平台合成、表达、纯化和表征分子，开发多达三个新药项目。BenevolentAI & Exscientia2023年9月，默沙东在同一天宣布了两项新的战略药物发现合作，旨在利用强大的AI驱动的设计和发现能力，进一步推进公司的研究工作。两家合作伙伴（BenevolentAI和Exscientia）均来自英国，这两项合作预计将产生几种新的临床开发候选药物，在肿瘤学、神经病学和免疫学等关键治疗领域具有first-in-class和best-in-class的潜力。05. 艾伯维Alphabet的抗衰老研究公司Calico致力于了解衰老的生物学特性。艾伯维与Calico的合作关系始于2014年，艾伯维负责推动Calico研究发现的开发和商业化。或许是看到了AI的潜力，近几年，艾伯维加快AI制药的布局步伐。2020年，艾伯维子公司Cerevel Therapeutics宣布与Cyclica开展研究合作，利用AI加速神经科学新药的发现。Cerevel将使用Cyclica专有的AI平台来筛选、鉴定、设计和评估针对神经科学疾病预先指定靶点的化合物。2023年，艾伯维又相继宣布两项AI制药方面的合作：Anima Biotech2023年1月，艾伯维和Anima Biotech宣布合作发现和开发针对肿瘤学和免疫学靶点的mRNA生物学调节剂，Anima将利用其mRNA Lightning平台发现针对合作靶点的新型mRNA生物学调节剂。Anima将获得4200万美元的预付款，并有可能获得进一步的里程碑和特许权使用费。BigHat2023年12月，艾伯维和BigHat Biosciences宣布开展研究合作，利用AI和机器学习发现下一代治疗性抗体。双方将利用BigHat的Milliner™平台，指导设计和选择用于多个治疗靶点的高质量抗体。BigHat将获得3000万美元的预付款，并可能有资格获得高达约3.25亿美元的里程款。06. 拜耳拜耳在AI创新方面的能力不容小觑，上文提到的Pharma AI Readiness Index中（依据企业AI人才、AI项目执行、AI创新成果等维度进行评级），拜耳总分70.16，仅次于罗氏，位居第二。2020年1月，拜耳宣布和英国AI驱动的药物研发公司Exscientia展开为期三年的多项目药物研发合作。这些合作将Exscientia的AI药物发现平台和药物设计技术与拜耳的数据和药物发现能力相结合，为治疗心血管和肿瘤疾病寻找、优化潜在候选药物。Exscientia可能获得高达2.4亿欧元付款，包括首付、研究费用和临床里程碑付款。Recursion Pharmaceuticals2023年11月，拜耳和Recursion宣布，将研究合作的重点更新为精准肿瘤学(两家公司的首次合作是在2020年9月)。根据合作协议，两家公司可以启动多达7个肿瘤学项目，Recursion有资格获得高达15亿美元的潜在、基于成功的未来付款，以及净销售额的特许权使用费。07. 诺华数字创新是诺华探索的重要方向——内部管理数字化、商业数据洞察、AI+药物发现、数字工具赋能患者，诺华一直走在数字创新前沿。2017年6月，诺华与IBM Watson Health达成了合作，用AI技术来改善乳腺癌治疗方案。在此之前，诺华与Cota Healthcare也进行了类似的合作。2019年，诺华与微软合作，建立AI创新实验室，作为其AI和数据科学战略的重要一环。该实验室旨在增强诺华AI从研究到商业化的能力。其核心是创新的AI模型和应用程序，从生成化学、图像分割和分析开始，解决生命科学领域一些最困难的计算挑战。但近两年来，诺华在AI领域的布局鲜见报道。2023年，诺华在AI制药领域的BD数量为零，也许这与其已自建AI实验室有关。相关资料显示，诺华旗下的Novartis AI实验室，可利用AI技术来加速药物发现和研发过程，包括利用机器学习算法来分析大规模的生物数据和化学数据，以及优化药物分子结构。此外，诺华还与微软合作利用云计算和AI技术来加速药物研发和临床试验。08. BMS在AI制药合作方面，BMS虽然不是最早和AI制药合作的MNC，但可以称得上是数量最多的MNC之一。2020年，BMS分别与Schrödinger（总金额27.55亿美元）和PsychoGenics达成合作；2021年，与Exscientia达成合作（总金额12亿美元）；2022年，与Envisagenics达成合作。2023年，BMS继续发力，与三家AI制药公司达成了合作：CHARM Therapeutics2023年3月，BMS宣布与CHARM Therapeutics合作，以实现和加速小分子药物发现计划。合作将利用CHARM的DragonFold深度学习平台来识别针对靶标的化合物。Tempus2023年11月，BMS宣布与Tempus开展一项为期多年的战略研究合作。两家公司将共同努力，在特定癌症疾病领域使用多模态数据集、计算方法和患者衍生的疾病模型，确定新的靶点，并以更高的可信度进行验证。Terray Therapeutics2023年12月，BMS宣布与Terray Therapeutics达成多靶点合作协议，以发现和开发某些疾病领域的小分子疗法。Terray将使用tNova平台发现和开发针对BMS提名的一系列靶点的小分子化合物，BMS随后将负责开发和商业化。09. 赛诺菲2023年6月，赛诺菲宣布，全公司数字化转型迈出下一步，“all in” AI和数据科学，为患者加速取得突破性成就。这也是第一家高调宣布全面高举AI战略的MNC。赛诺菲的此次转型并非无迹可寻，2021-2022两年时间，赛诺菲与多家专长不一的AI药企进行了深度绑定（Owkin、Exscientia、天演药业、英矽智能等）。2023年以来，赛诺菲的动作更加频繁：CytoReason2023年1月，赛诺菲宣布与CytoReason合作，使用CytoReason的AI平台，帮助其在炎症性肠病(IBD)领域寻找新靶点。SandboxAQ2023年6月，SandboxAQ宣布成立生物制药分子模拟部门，通过AI和量子解决方案加快向患者提供挽救生命的药物，同时宣布SandboxAQ正在与一系列生物制药公司和大学研究实验室合作，包括阿斯利康、赛诺菲和加州大学旧金山分校。百图生科2023年10月，赛诺菲与百图生科达成一项具有突破性意义的战略合作，双方将基于百图生科生命科学大模型，共同开发用于生物治疗药物发现的领先模型。百图生科将获得1000万美元的预付款，总交易金额超过10亿美元。Aqemia2023 年12月，赛诺菲宣布与Aqemia开展一项为期多年的研究合作。AQEMIA将利用其独特的平台，将深度物理学与大规模生成式AI相结合，为赛诺菲感兴趣的治疗靶点确定正确的化学分子。AQEMIA将有资格获得1.4亿美元的总付款。目前，赛诺菲在以AI为驱动力的小分子优化、抗体研发、临床试验设计及分析、mRNA疫苗设计等各个领域都有布局和深度合作。此外，赛诺菲还推出了大规模AI平台plai，这是赛诺菲与AI平台公司Aily Labs共同开发的AI应用程序，可提供实时、反应性的数据交互，是一个集成了公司内部数据的AI大脑，从研发、临床到制造都能够为公司提供分析决策。10. 阿斯利康在AI制药领域，阿斯利康可谓是领头羊般的存在。2017年，阿斯利康与Berg Health、Roivant等新一代AI和数据驱动型的公司合作，完成了在AI制药领域的试水。2019年，阿斯利康开启了新的战略方向：包括由数字、数据和AI驱动的未来医疗战略，并在内部进行了一次根本性的组织架构调整，数据科学和AI部门应运而生。也是从这一年开始，阿斯利康频繁与AI制药公司合作，包括和BenevolentAI、Gatehouse Bio等公司合作开发新药和新靶点；利用AI制药先驱Schrödinger的软件来提高其自动化化合物合成的效率等。2023年11月，阿斯利康宣布推出一家新的全球健康科技公司Evinova，正式进军CXO领域，为药企、CRO公司提供包括实验解决方案、研究设计和规划以及管线资产管理的三大类服务。阿斯利康此举可谓另辟蹊径，通过成立AI-CRO公司，或能最先实现AI制药商业化验证。2023年，阿斯利康又相继宣布了多项AI制药领域的合作：SandboxAQ2023年6月，SandboxAQ宣布成立生物制药分子模拟部门，通过AI和量子解决方案加快向患者提供挽救生命的药物，同时宣布SandboxAQ正在与一系列生物制药公司和大学研究实验室合作，包括阿斯利康、赛诺菲和加州大学旧金山分校。Verge Genomics2023年9月，阿斯利康旗下罕见病业务子公司Alexion Pharmaceuticals宣布，与Verge Genomics开展多靶点合作，以确定罕见神经退行性疾病和神经肌肉疾病的新药物靶点。根据为期4年的协议条款，Verge将获得高达4200万澳元的首付款，潜在总交易价值为8.4亿澳元。Saama2023年10月，阿斯利康宣布与Saama达成一项多年协议，利用Saama的AI技术平台，简化和促进阿斯利康的临床数据管理和医学审查流程，为加速临床开发设定新的行业标准。Nanoform2023年10月，阿斯利康宣布获得Nanoform公司的全球在线STARMAP®授权许可。STARMAP是CESS技术的数字AI版本，能通过计算机实验确定哪些分子应该被纳米化。此次合作能帮助阿斯利康从药物研发周期中的各个环节中，筛选候选药物分子。AbSci2023年12月，Absci宣布与阿斯利康达成合作，开发针对一个肿瘤靶点的AI设计抗体。据Fierce Biotech等外媒报道，该合作协议包括预付款、研发资助、里程碑付款，总额达2.47亿美元。此外，Absci还有资格获得销售版税。小结除了以上提到的药企外，武田、礼来、GSK等制药巨擘均在AI制药领域有所布局。他们或以投资/收购的方式与AI制药公司合作，或以孵化器赋能AI制药初创企业的方式进行加入。回首过去十余年，AI制药赛道尽管争议不断，但技术的发展推动着赛道一步步向前，如今从MNC，到biotech，再到传统pharma，AI技术的渗透逐步深入，到底哪些公司能率先吃到AI制药的红利，时间会给出答案。参考资料：[1]各公司官网[2]Business Wire官网推荐阅读2023年全球AI制药融资TOP10“卖水人”英伟达入局AI制药，2023年投资了这9家公司……医药魔方Pro新靶点 新技术 新疗法商务合作：13502093012媒体合作：15895423126Copyright © 2024 PHARMCUBE. All Rights Reserved.欢迎转发分享及合理引用，引用时请在显要位置标明文章来源；如需转载，请给微信公众号后台留言或发送消息，并注明公众号名称及ID。免责申明：本微信文章中的信息仅供一般参考之用，不可直接作为决策内容，医药魔方不对任何主体因使用本文内容而导致的任何损失承担责任。

摘要人工智能的发展正在全面推动我们的生活新药研发过程中初始命中率低导致的成本升高是制药行业亟需解决的问题制药行业正在尝试与人工智能研究者合作来解决这一问题人工智能将提高药物开发过程的效率介绍人工智能（AI）是计算机对人类智能过程的模拟。该过程包括获取信息、制定使用信息的规则、得出近似或确定的结论以及自我校正。尽管有许多人担心人工智能的广泛应用会造成大规模的失业，但不可否认，从创新的教学方面到商业和工业流程自动化，人工智能已经被广泛应用于各个领域。在药物开发过程中采用AI的新思想已经从炒作变成了希望。这篇文章介绍了人工智能在药物开发策略和过程等环节能起到的作用。小编读书会：Artificial Intelligence in Drug Design扫描上方小编微信二维码，咨询读书会学习规则，符合要求者还可以加入AI 制药技术微信群。人工智能、机器学习和深度学习在发现类药物小分子中使用AI的方法涉及化学空间的利用。通过计算枚举可能的有机分子，化学空间为鉴定全新的优质分子提供了舞台。此外，机器学习技术和预测模型软件还有助于识别目标特异性虚拟分子，以及分子与各自目标的关联，同时优化安全性和功效属性。人工智能系统可以通过减少之后在体外或体内系统中测试的合成化合物的数量来降低损耗率和研发支出。经过验证的AI技术可用于提高药物开发的成功率，而正在开发中的AI技术必须在应用于药物开发过程之前进行验证。药物开发过程中最关键的部分是所选分子的合成。因此，人工智能具有很高的价值，因为它能够根据合成的难易程度对分子进行优先排序或开发出对最佳合成途径有效的工具。AI在合成类药物化合物中的意义图1简明地显示了AI在医疗行业中的整合。说起人工智能辅助新药研发，就不得不提到人工智能的子领域机器学习（ML）。1959年，机器学习的先驱之一亚瑟·萨缪尔（Arthur Samuel）将机器学习用作研究领域，使计算机无需进行显式编程即可学习。机器学习分为监督学习、无监督学习和强化学习。监督学习包括分类和回归方法，其中基于来自输入和输出源的数据来开发预测模型。监督性机器学习的输出需要在亚组分类下进行疾病诊断；以及药物功效和亚群回归下的ADMET预测。无监督学习包括通过仅基于输入数据对数据进行分组和解释来进行聚类和特征查找的方法。通过无监督的机器学习，可以实现诸如从聚类中发现疾病亚型和从特征发现方法中发现疾病目标的输出。强化学习主要由给定环境中的决策及其执行以最大程度地发挥其性能来驱动。这类ML的输出包括决策中的从头药物设计和执行中的实验设计——两者都可以通过建模和量子化学来实现。ML的另一个子领域是深度学习（DL），通过建立可以模拟人脑进行分析学习的神经网络，让它模仿人脑的机制来解释数据。大数据及关联数据挖掘算法方法可以为我们提供发现可能是新药的新化合物，发现或重新使用单独或组合使用时可能更有效的药物的能力，并基于遗传标记改善个性化药物的领域。随着数据量的增加和计算机性能的不断增长，DL逐渐成为AI子领域中非常重要的组成部分，尤其是其展示的神经网络架构的灵活性，例如卷积神经网络（CNN），递归神经网络（RNN）和完全连接的前馈网络。我们相信，通过与人工智能的结合，我们可以不断提高临床试验的成功率，以及打造更快、成本更低和更有效的药物开发流程。图1 机器学习和深度学习在医药领域的作用 药物开发过程反馈驱动的药物开发过程始于从各种来源获得的现有结果，例如高通量化合物和片段筛选，计算模型以及文献中提供的信息。此过程在归纳和演绎之间交替进行。这种归纳—演绎循环最终获得优化的苗头化合物和先导化合物。在此循环中的特定部分的自动化可减少随机性和错误，并提高药物开发的效率。从头设计方法需要有机化学知识来进行合成路线设计和虚拟筛选可以代替品药效和毒性的生化和生物学测试。最终，主动学习算法可以鉴定对特定疾病靶标具有希望活性的新化合物。药物开发的第一步是识别具有生物活性的新型化合物。该生物活性可以由化合物与特定酶或与整个生物体的相互作用产生。针对给定生物学靶标表现出活性的第一种化合物称为“苗头化合物”。苗头化合物通常来源于对化学库的筛选、计算机模拟或对植物，细菌和真菌等天然产物的筛选。先导化合物的识别是药物开发的第二步。先导化合物是一种化合物，其有望开发为新药来治疗某种疾病。识别出的苗头化合物用处于疾病状态的细胞实验进行筛选，并用疾病动物模型表征其有效性与安全性。一旦发现先导化合物，其化学结构即就用作为结构修饰的起点，以发现具有最大治疗益处和最小潜在危害为目标。在生成先导化合物的过程中，研究者会对苗头化合物进行系统修饰以提高其对特定生物靶标的活性和选择性，同时降低毒性和副作用。源自苗头化合物相关的化合物称为衍生物，该过程称为苗头化合物扩展(Hit expansion)。药物化学家使用成熟的有机化学技术进行苗头化合物扩展。为了提高合成通量，化学家专注于特定的反应或一组反应，以将结构单元组装在一起以便快速制造一系列衍生物。“砌块”是具有反应性官能团与原子的一类化合物，它能与与生物靶标活性位点相互作用。该活性位点是生物靶标中与化合物（或底物）通过相互作用力结合的特定区域。底物与活性位点的结合可以被可视化为“锁和钥底物匙”或“诱导契合”模型。药物开发中的研发效率和损耗率虽然在药物开发中已严格采用完善的类药物性指南，但制药公司在提高研发效率方面仍然面临着巨大挑战。研发效率只是一个术语，用于描述每10亿美元研发支出可获得被FDA批准的新药数量。实际上，发现和开发一种药物的费用已从2001年的8亿美元增加到目前的约30亿美元。而如果将那些完全失败的研发成本也计算进来，那么每一种将要实际使用的新药的平均成本已经高得惊人。我们系统地分析了造成这种令人担忧的统计数据的主要原因，并将其缩小为影响研发效率低下的四个因素：1、现有疗法进行改进的门槛越来越高（the‘better than Beatles’ problem）2、监管机构对风险承受力的逐渐降低（the‘cautious regulator’ problem）3、新药研发需要的人员与资金越来越庞大（the‘throw money at it’ tendency）4、“基础研究-蛮力”偏见（basic-research–brute-force’ bias）而另一种理论解释被称为“悬而未决的问题”（‘low-hanging fruit’）。意思是常见的、易于被发现的药物已经被发现，剩下的药物靶标被发现的难度更大，因此研发的成本自然越来越高。AI在新药研发中的应用寻找成功新药的任务是艰巨，也是药物开发中最困难的部分。这是因为已知的化合物空间过于巨大，据估计约为含有10^60个分子。在新药研发中结合人工智能已经成为一种共识，并已经广泛应用于药物开发的各个阶段，例如药物靶标的识别与验证、药物设计、老药新用、提高研发效率、生物医学信息的汇总与分析、决策优化以及招募患者进行临床试验。人工智能强大的能力为抵消传统药物开发方法中出现的效率低下和不确定性提供了机会，同时将过程中的偏见和人为干预降至最低。人工智能在药物开发中的其他用途包括预测类药分子的合成路线、药理特性、蛋白特征以及药效、药物组合和药物-靶标关联分析和老药新用 。此外，通过产生新的生物标记和治疗靶标、基于组学标记的个性化医学以及发现药物和疾病之间的联系，这使得利用组学分析识别新的通路和靶标成为可能。DL在提出有效的候选药物并准确预测其性质和可能的毒性风险方面显示出了巨大的成功。在过去，没有大数据集、没有高通量化合物筛选等技术，需要高达25亿美元的研发成本与超过十年的时间才能研发一种新药。而现在人工智能技术可以快而且低成本解决。随着人工智能技术的进步，新的研究可以在协助新的药物靶标、合理药物设计、药物再利用方面继续创新。AI在寻找分子靶标中的作用在药物开发中，人工智能已经通过整合基因组信息、生化属性和靶标追溯性(tractability)等方式改变了治疗疾病通路或靶标识别的方法。一项研究表明使用“Open Target”——一款基因疾病关联的数据平台——的计算预测应用程序可以用来预测治疗靶标的合理性。据报道，神经网络分类器对显示疾病相关表型的动物模型的预测准确率>71%，提供了最有效的预测能力。图2展示了AI在药物开发过程中的应用。人工智能平台IBM Watson for Drug Discovery已经识别出了五个新的与肌萎缩性侧索硬化（ALS）这种神经退行性疾病发病机理有关的RNA结合蛋白(RBP)。图2 在药物开发过程中利用人工智能 AI在寻找“苗头化合物”与“先导化合物”中的作用在发现类药物小分子中使用AI的方法涉及化学空间的利用。通过计算枚举可能的有机分子，化学空间为鉴定全新的优质分子提供了舞台。此外，机器学习技术和预测模型软件还有助于识别目标特异性虚拟分子，以及分子与各自目标的关联，同时优化安全性和功效属性。人工智能系统可以通过减少之后在体外或体内系统中测试的合成化合物的数量来降低损耗率和研发支出。经过验证的AI技术可用于提高药物开发的成功率，而正在开发中的AI技术必须在应用于药物开发过程之前进行验证。药物开发过程中最关键的部分是所选分子的合成。因此，人工智能具有很高的价值，因为它能够根据合成的难易程度对分子进行优先排序或开发出对最佳合成途径有效的工具。AI在合成类药物化合物中的意义类药分子指满足Lipinski 5规则的化合物：（i）分子量<500Da;(ii)H-Bond供体<5;(iii)H-bond受体<10;(iv)-2ClogP<5;(v)柔性键数量。化学家广泛使用逆合成法分析类药分子的合成方法。逆合成法的第一步是递归分析目标化合物，然后按顺序将其转换为易于购买或制备的较小片段或砌块。第二步是确认将这些片段转化为目标化合物的反应。第二步是最具挑战性的一步，因为人脑很难从文献中找到大量的有机反应来选择最合理的反应。人工智能通过填补预期有机合成（通常称为“超出范围”的化合物）高可能性失败的空白来帮助预测最佳的反应。不可预测的空间和电子效应以及对反应机理的不完全了解导致了有机合成的空白。当前，有几种计算机辅助的有机化合物合成（CAOCS）系统可用来帮助化学家选择合成途径。但是，它不是计算机辅助药物发现（CADD）工作流程的组成部分。Seglar等人开发了3N-MCTSAI平台，其将三种不同的深度神经网络与蒙特卡罗树搜索（MCTS）结合在一起用于CAOCS。该平台可以过滤出最有潜力的砌块，并仅选择众所周知的反应来合成目标化合物。结果表明，3N-MCTS平台比传统的计算机辅助逆合成系统更更好。该平台能够在相对较短的时间内提出可行的合成路线而跳过不合理的步骤。然而，该平台还不能满足对映异构体或非对映异构体比率的定量预测以及设计天然产物合成路线规划的需求。使用AI预测化合物的作用机理在合成之前预测化合物的在靶与脱靶作用以及体内安全性的AI平台的前景激励了参与药物开发过程各个环节的科研人员，尤其是药物化学家。此类平台的可用性减少了药物开发时间、研发成本和损耗率。比如DeepTox（预测新化合物的毒性）和PrOCTOR（预测在临床试验中毒性的概率）。如果可以提供有关各种化合物的毒性和治疗特征的更大、更完善的数据集，则可以改善这些平台的预测准确性。但是，只有整个行业都愿意共享这些数据的时候才能实现这一目标。最近，又有一种新的AI工具SPiDER被开发出来，作为化学蛋白质组学的替代品，以促进天然产物用于药物发现。为了进行概念验证，开发者使用SPiDER预测了β-拉帕酮()的分子靶标，β-拉帕酮是临床阶段的具有抗肿瘤活性的天然萘醌。该平台预测β-拉帕酮是 5-脂氧合酶（5-LO）的变构和可逆调节剂。使用5-LO功能分析验证了该预测。另一个AI工具是RASAR(Read-aross structure-activity relationships)据报道，该方法通过挖掘大型化学数据库将分子结构和毒性性质联系起来，可以准确预测未知化合物的毒性。人工智能用于选择临床试验人群理想的辅助临床试验AI工具应该可以识别患者疾病、确定基因靶标并预测所设计分子的药效以及在靶(on-targets)与脱靶(off-targets)作用。比如新AI平台AiCure是一款用于测量药物依从性的移动应用程序，已经用于精神分裂症受试者的II期临床试验中。据报道，与传统的“改良直接观察疗法”相比，AiCure的依从性提高了25％。临床试验患者的选择是至关重要的过程。探寻人类相关生物标志物与体外的关系表型提供了对特定患者治疗应答不确定性的更可预测、可量化的评估。开发用来识别、预测与疾病相关生物标记物的AI方法，使得在II期和III期临床试验中招募特定的患者群体成为可能。在选择患者人群时，人工智能预测性模型将提高临床试验的成功率。AI用于老药新用借助AI，药物再利用的过程变得更加有吸引力和务实。因为现有药物可以直接应用于II期临床试验，而无需再次通过I期临床试验和毒理学测试，这使得利用现有的药物治疗新的疾病这一概念非常有吸引力。已有文献报道通过度学习由各种生物系统与疾病的转录组学数据来计算预测药物的药理特性与老药新用。所描述的方法基于利用深度神经网络（DNNs）对数据的高级表示，其本质是一种高度自适应的多层系统，包括执行各种数据转换的相互连接和相互作用的人工神经元。Aliper 等人的一项研究表明，DNNs可以在通路水平上对复杂的药物作用机制进行分类，从而根据药物的功能类别、药效、治疗用途和毒性将其划分为不同的治疗类别。此外，精准医学的进步推动了新一代AI的出现，它具有用生成对抗网络（GANs）设计药物分子的能力。GANs是一种惊人的技术，它使用深度学习从文本描述中生成逼真的图片。因此，除了分析数据之外，该平台还可以执行其他任务，例如想象或创建以真实数据为模型的新数据。本质上，GAN技术是两个DNNs之间的对抗游戏，其中，一个DNN主要是迭代地评估另一个DNN的输出，在该对抗游戏中，两个网络学习如何生成更完美的分子。计算医学中使用的另一种AI技术是强化学习。这种AI技术的优点是它的学习较少依赖于数据集，因此网络可以识别药物分子设计中的某些策略。Zhavoronknov的团队设计了可以从半满数据集中重建缺失特征并解释复杂数据中正常状态下与患病状态下差异的算法。更让人感兴趣的是AI在设计副作用较小药物方面的可能性，还可使用不同药物孵育的细胞的基因表达数据来训练AI算法，以区分心脏毒性药物和非心脏毒性药物。该团队目前正在将其AI设计的分子与化学家设计的分子进行对比测试。他们试图通过使用移动脑电图来测量对分子的结构和数值特性的响应，研究那些经验丰富的药物化学家在筛选最佳候选药物时的数据。除此之外，它还寻找化学家偏爱的药物分子类型的偏倚迹象，而AI设计的分子此类偏倚不会很明显。AI用于多重药理学中随着人们在分子水平上对疾病的病理过程更深入的了解，当前，比之“一病一靶”的认知，人们更倾向于“一病多靶”。一病多靶被称为多重药理学。ZINC，PubChem，Ligand Expo，KEGG，ChEMBL，DrugBank，STITCH，BindingDB，Supertarget，PDB等许多数据库均可用于整合分子通路、晶体结构、结合活性，药物标靶，疾病相关性、化学性质和生物活性等多种信息。AI可以用来检索及分析这些数据库以设计多重药理学药物。最近还有文献提到AI在设计多重药理学药物方面的成功案例——作者开发了DeepPDI计算平台，以更好地理解药物相互作用以及相关机制，并预测可用于临床的替代药物，而不会造成不良健康效果。制药行业与AI公司之间的合作伙伴关系随着AI在医药行业的快速引入，尤其是在2016年和2017年，许多制药公司已经通过投资或与AI公司建立合资企业的方式，加速行业融合，开发更好的工具。这些措施包括诊断或生物标记物的改进以及药物靶标的确定和新药的设计。从普通医学到现代AI医疗保健的过渡着重于数据。随后将这些与机器学习或深度学习结合的基础数据的分析公式化为算法——从而为结合AI的先进现代医疗保健做出巨大贡献。最近在全球范围内出现了制药行业与AI公司之间的众多合作伙伴关系。例如，Google的子公司DeepMind Technologies与Royal Free London NHS Foundation Trust合作急性肾损伤的管理 。英国的100000基因组计划是一个利用来自NHS罕见疾病患者的数据和AI的全球项目，该项目与Roche，Berg，Merck和Biogen合作。 Atomwise是大健康AI的先驱，并且是第个用于新型小分子药物发现的深度学习技术。Atomwise的DL以其快速、准确性和化学结构多样性而著称，它协助发明了针对27种疾病靶标的潜在药物，并与哈佛大学、斯坦福大学等顶级机构以及制药公司合作。Benevolent AI是目前在药物开发中使用的AI工具之一。它利用文本挖掘策略来分析可用的专利以及其他遗传学和生物学信息，以推断这些实体之间的关系，从而创建高度信息化的图形，该图形由具有十亿个关系的动态图组成。人们认为，由高度复杂的关系组成的结果图具有提供信息或识别可能产生新假设的新链接或知识缺口的能力。与存在偏见因素的人为干预相比，人工智能采用disease-agonistic方法，该方法会降低偏见因素对研究的干扰。Exscientia是一家AI公司，专门从事表型药物发现。对于高 内涵表型药物发现产生的极其复杂的数据集分析， AI发挥的作用远远胜过人工分析。通过对每个新新设计化合物的测试，然后将其预期性能和其他分子进行比较，AI可以轻松地实现药物设计。另一个著名的AI初创公司是Numerate。他们致力于利用传统方法结合机器学习研究配体化学与ADMET，并通过应用算法分析与药物开发相关的大型数据集来填补重大的治疗空白，着重于新医学发现的转化。这种良性循环的伙伴关系涵盖了各个研究领域，例如新型小分子的鉴定、发现新的治疗方法、通过可穿戴技术监测健康数据等。预计这些进展将成为改善医疗保健服务、改善临床试验效率、增强分层医学等的促成因素。目前，一种新药从研究到推向市场需要15年的时间以及多达30亿美元的研发成本。如此高昂的成本是不可持续的，变革无可避免。而AI提供了这样的机会。这些合作证明了AI技术在帮助我们探索更大的设计空间并发现具有特性的稀有分子方面的重要性。图3 AI与制药公司之间的合作伙伴关系以及药物开发方面的合作领域结束语截止到目前，尚无使用AI方法开发的药物面世。但根据本文中描述的进展，可能未来的2-3年内我们就能改变这一局面。令人振奋的是，专家们坚信人工智能将永久改变制药业和发现药物的方式。但是，为了使个人能够使用AI高效进行药物开发，研究者需要了解人工智能，了解训练算法，这需要相关领域的专业知识。这相当于创造了新的工作岗位，使AI和药物化学家可以紧密合作，因为前者将能够帮助分析庞大的数据集，而后者可以训练机器、设置算法或优化分析的数据，从而加快药物开发过程的速度和准确性。另一方面，医药行业对AI需求的进一步加大，也意味着对于数据、算法、算力需求的提升。尽管AI有助于加快药物开发，仍然需要进行真实的实验。此外，AI可以用于辅助基因治疗或其他目前尚无法用作医疗保健工具的疗法。借助AI，出现了将再生医学与药理学和基因治疗相结合的可能性。原文链接：https://www.sciencedirect.com/science/article/pii/S1359644618300916?via%3Dihub

DUBLIN, May 8, 2023 /PRNewswire/ -- The "Pancreatic Cancer - Competitive landscape, 2023" report has been added to ResearchAndMarkets.com's offering. This "Pancreatic Cancer- Competitive landscape, 2023" report provides comprehensive insights about 250+ companies and 300+ drugs in Pancreatic Cancer Competitive landscape. It covers the therapeutics assessment by product type, stage, route of administration, and molecule type. It further highlights the inactive pipeline products in this space. In March 2023, Adaptimmune Therapeutics plc. and TCR Therapeutics Inc. (NASDAQ: TCRR), announced entry into a definitive agreement under which Adaptimmune will combine with TCR in an all-stock transaction to create a preeminent cell therapy company focused on treating solid tumors. The combination provides extensive benefits for clinical development and product delivery supported by complementary technology platforms. As a result, and following the closing of the transaction, it is anticipated that the combined company's cash runway will extend into 2026. In February 2023, Akamis Bio, announced an expansion of its ongoing partnership with the Parker Institute for Cancer Immunotherapy (PICI) to include a clinical collaboration with the Cancer Research Institute (CRI) that will focus on advancing novel treatments for pancreatic cancer. As part of the Akamis Bio, PICI, and CRI partnership, NG-350A, an immuno-stimulatory tumor gene therapy driving intratumoral expression of a CD40 agonist monoclonal antibody, will be evaluated in combination with standard-of-care chemotherapy and the CTLA-4 inhibitor ipilimumab (YERVOY). In February 2023, Gritstone bio, Inc. announced that it has entered into a clinical trial agreement with the National Cancer Institute (NCI), an institute of the National Institutes of Health, to evaluate an autologous T cell therapy expressing a T cell receptor targeting mutated KRAS in combination with Gritstone's KRAS-directed vaccine candidate, SLATE-KRAS, in a Phase 1 study. Under the terms of the agreement, NCI will identify patients with metastatic cancer that are eligible for adoptive cell transfer based on the presence of a G12V or G12D KRAS mutation (KRASmut). In February 2023, Keymed Biosciences Inc., jointly announced a global exclusive license agreement with AstraZeneca for CMG901, a potential first-in-class Claudin 18.2 antibody drug conjugate (ADC). Under the license agreement, AstraZeneca will be responsible for the research, development, manufacture and commercialization of CMG901 globally. CMG901 is currently in a Phase I clinical trial for the treatment of Claudin 18.2-positive solid tumors. In January 2023, AIM ImmunoTech Inc. announced it has entered into an external sponsored collaborative clinical research agreement with Erasmus MC and AstraZeneca. Under the agreement, Erasmus MC is planning to perform an investigator-initiated clinical study, entitled "Combining anti-PD-L1 immune checkpoint inhibitor durvalumab with TLR-3 agonist rintatolimod in patients with metastatic pancreatic ductal adenocarcinoma for therapy effect. DURIPANC Study," in which it will use both Study Drugs provided by AstraZeneca and AIM ImmunoTech. Pancreatic Cancer Analytical Perspective In-depth Commercial Assessment: Pancreatic Cancer Collaboration Analysis by Companies The Report provides in-depth commercial assessment of drugs that have been included, which comprises collaboration, agreement, licensing and acquisition - deals values trends. The sub-segmentation is described in the report which provide company-company collaboration (licensing/partnering), company academic collaboration and acquisition analysis in tabulated form. Key Questions Answered Current Treatment Scenario and Emerging Therapies: How many companies are developing Pancreatic Cancer drugs? How many Pancreatic Cancer drugs are developed by each company? How many emerging drugs are in mid-stage, and late-stage of development for the treatment of Pancreatic Cancer? What are the key collaborations (Industry-Industry, Industry-Academia), Mergers and acquisitions, licensing activities related to the Pancreatic Cancer therapeutics? What are the recent trends, drug types and novel technologies developed to overcome the limitation of existing therapies? What are the clinical studies going on for Pancreatic Cancer and their status? What are the key designations that have been granted to the emerging and approved drugs? Key Players Panbela Therapeutics ERYtech Pharma Jiangsu HengRui Medicine Co., Ltd. FibroGen Novartis AG AB Science TME Pharma AG Intensity Therapeutics Silenseed LTD SynerGene Therapeutics Elevation oncology Salspera LLC Redx Pharma Plc AIM ImmunoTech Inc. Rain Oncology Jazz Pharmaceuticals Invyte Corporation Immodulon Therapeutics Ltd GSK plc Merck Sharp & Dohme LLC Roche Helsinn Healthcare SA Argenus Inc. Actuate Therapeutics OSE Immunotherapeutics Incyte Corporation Galera Therapeutics CSPC ZhongQi Pharmaceutical Technology Astellas Pharma Global Development, Inc. NanOlogy Theriva Biologics AstraZeneca Berg, LLC Agenus ABVC BioPharma, Inc. Boehringer Ingelheim Alligator Bioscience CARsgenTherapeutics Co.,Ltd Purple Biotech Ltd. Lisata Therapeutics Chongqing Precision Biotech Co., Ltd Cybrexa Therapeutics Bold Therapeutics BioNTech SE Bristol-Myers Squibb DEKA Biosciences Senhwa Biosciences Cue Biopharma Carisma Therapeutics Inc Key Products Olaptesed pegol INT230-6 SBP-101 Masitinib NIS793 siG12D LODER SGT-53 Seribantumab Salmonella-IL2 RXC004 Rintatolimod RAIN-32 Lurbinectedin Retifanlimab IMM-101 GSK2256098 Belzutifan Atezolizumab Anamorelin AGEN1423 Elraglusib OSE2101 Epacadostat GC4711 Docetaxel Zolbetuximab NanoPac VCN-01 Danvatirsen BPM31510 Botensilimab ABV-1703 BI 907828 Mitazalimab CT041 CM24 CEND-1 CEA-targeted CAR-T cells CBX-12 BOLD-100 BNT141 BMS-813160 DK210 CX-5461 CUE-102 CT-0508 For more information about this report visit About ResearchAndMarkets.com ResearchAndMarkets.com is the world's leading source for international market research reports and market data. We provide you with the latest data on international and regional markets, key industries, the top companies, new products and the latest trends. Media Contact: Research and Markets Laura Wood, Senior Manager [email protected] For E.S.T Office Hours Call +1-917-300-0470 For U.S./CAN Toll Free Call +1-800-526-8630 For GMT Office Hours Call +353-1-416-8900 U.S. Fax: 646-607-1907 Fax (outside U.S.): +353-1-481-1716 Logo: SOURCE Research and Markets