Numerate, Inc.

作者：左耳前 言  全球TOP10 MNC的AI棋局：谁在定义未来药物研发新范式？在医药研发领域，一场静悄悄却势不可挡的技术革命正在酝酿。过去，创新药物的诞生动辄耗时十年、投入数十亿美元，但如今，AI 的崛起正悄然重构这一流程。生成式AI、靶点挖掘算法、大模型药物生成平台……这些原本只属于科技圈的“关键词”，正在快速渗透进全球最头部的药企战略版图。现如今，TOP10的制药巨头，正联手 OpenAI、Isomorphic Labs、Insilico Medicine、Generate Biomedicines 等人工智能科技新星，在AI驱动药物发现、临床试验优化等关键环节布局下一代研发引擎。这不仅是一场关于技术的升级，更是一场关于“药物未来范式”的博弈——谁先落子，谁就有机会定义规则。本文将解析全球TOP10药企的AI合作图谱与战略路径，看看谁真正走在了变革的前沿，谁还在观望徘徊？01Johnson & Johnson（强生）  强生与AI公司的合作主要聚焦于新药研发。2016年11月，强生与BenevolentAI达成合作，将部分处于实验阶段的小分子化合物交由后者用于新药研发。BenevolentAI的技术平台 JACS（Judgment Augmented Cognition System，判断增强认知系统）基于人工智能技术，能够从海量信息中提取可用于药物研发的知识，提出新的科学假设，从而加速新药开发流程。图源：Cell2018年，《Cell Chemical Biology》杂志发表论文指出，强生旗下的 Janssen 公司已探索出一种利用人工智能加速药物研发的新方法。通过机器学习技术，计算机系统能够执行以往需要人类智能才能完成的任务，这一进展对药物研发具有重要意义。2019年，AI药物设计公司Iktos宣布与强生旗下 Janssen 公司展开合作，在小分子药物发现项目中应用其虚拟药物设计技术。Iktos成立于2016年，总部位于法国巴黎，拥有约60名员工，是全球唯一一家提供具有内置合成可及性的生成模型以助力药物发现的公司。2019年7月，Celsius Therapeutics 宣布与 Janssen 合作，利用其单细胞基因组学和机器学习平台，参与 Janssen 关于 golimumab（Simponi）和guselkumab（Tremfya）治疗溃疡性结肠炎患者的 VEGA 研究，旨在寻找治疗反应的预测性生物标志物。Celsius 的单细胞 RNA 测序技术可逐个检测细胞的基因表达，通过机器学习分析大规模复杂数据集，识别与疾病相关的特定细胞及异常基因簇。该方法有望突破传统基因组测序的限制，为自身免疫病和癌症的靶向治疗带来新的突破。图源：Nosis Biosciences2025年3月，Nosis Biosciences 宣布与强生达成战略合作。Nosis 是一家致力于针对高难度细胞类型开发 RNA 药物的 AI 生物技术公司。本次合作把强生在药物发现和临床开发方面的专业优势，与 Nosis 的Connexa™ 平台（一个由 AI 驱动的药物设计与递送平台）相结合，旨在实现肝外靶向治疗，覆盖多种与慢性疾病相关的复杂细胞类型。02Roche（罗氏）  罗氏对人工智能的探索始于2016年，早于ChatGPT问世，便打造了自有语言模型——RocheGPT。该模型可分析科学文章、医疗报告及临床试验结果，自动提取与疗法和患者相关的结构化数据，为罗氏的研发与临床决策提供了实际支持。罗氏公司部署了自己的ChatGPT来保护其数据。图源：agefi2018年5月，罗氏与AI医疗公司Owkin展开合作，旨在加快药物的发现、开发与临床试验进程。2019年12月，罗氏又与临床试验AI公司Sensyne Health建立合作关系，聚焦于特定疾病人群的识别与招募，并评估、整理匿名化患者数据与电子病历信息，为临床试验设计提供精准支持。2020年7月，罗氏旗下公司基因泰克（Genentech）与AI新药研发公司Reverie Labs达成多靶点合作协议。双方将运用Reverie的AI平台进行下一代激酶抑制剂的虚拟筛选，加速药物发现流程。同年10月，基因泰克再次与AI公司 Genesis Therapeutics 达成多目标合作。罗氏计划借助Genesis在图神经网络与药物发现领域的技术优势，针对多个疾病领域开发创新药物候选物。此外，2020年，罗氏还与 Dyno Therapeutics 签署合作许可协议，借助其CapsidMa平台为罗氏产品管线开发新一代腺相关病毒（AAV）载体，用于中枢神经系统疾病与肝脏导向的基因治疗。2021年12月，基因泰克与数字驱动药物发现平台 Recursion 合作，通过Recursion的AI操作系统，在神经科学和肿瘤适应症等关键领域更快速地识别新靶点与潜在候选药物。同年，罗氏基因泰克还收购了AI初创企业 Prescient Design。该公司专注于机器学习与生成式蛋白质设计，罗氏此举意在加速抗体的识别、优化与设计进程，推动抗体疗法更快进入临床试验阶段。03Merck（默沙东）  默沙东是最早布局人工智能药物研发的制药巨头之一。早在2012年，默沙东便与美国AI制药公司 Numerate 达成合作，围绕心血管疾病靶点展开研究。2018年6月，默沙东与云势软件建立合作，计划使用新一代AI驱动的新药发现引擎GeniusMED，在80个化合物中筛选潜在的新适应症。GeniusMED系统集成了与药物、疾病、基因、蛋白质等相关的多源数据，构建了一个大规模综合性药物研发知识库。2020年，默沙东中国与亚马逊云科技展开合作，依托其基础设施和服务，构建安全、稳定、可拓展的云端环境，完成核心业务系统与数据平台的整体上云迁移。通过亚马逊云的高性能计算（HPC）服务，默沙东可开展肿瘤基因组学分析，助力靶点发现，提升新药研发效率，并为个性化精准治疗提供支持。图源：ScienceDirect2022年7月，人工智能咳嗽检测技术公司Hyfe与默沙东达成合作协议，将其AI驱动的咳嗽追踪技术应用于默沙东的消费者疾病教育中。Hyfe是AI咳嗽识别与分类领域的全球领先者，其技术可识别咳嗽模式及其临床关联，有望提升疾病的识别与干预效率。2024年，默沙东宣布与 Variational AI 建立合作，应用其 Enki 技术平台共同开发小分子药物。Enki平台基于生成式AI技术，可根据药企提供的目标产品概况（TPP），在数天内生成具有多样性、选择性及可合成性的先导化合物结构，从而快速进入化合物优化阶段。04Pfizer（辉瑞）  辉瑞在数字化转型上行动积极，早在2016年便携手 IBM，借助 Watson 的机器学习能力开展新药靶点识别、组合疗法研究与患者筛选策略。2018年，辉瑞任命 Lidia Fonseca 为首席数字官，全面负责“加速提升公司数字能力”的战略。同年，辉瑞与晶泰科技（XtalPi）签订战略研发合作协议，通过量子物理与人工智能技术构建小分子药物模拟平台。辉瑞的新冠口服药 Paxlovid 即受益于晶泰的 AI 预测算法：仅用 6 周便确定优势晶型，而传统流程往往需耗时数月。2020年，辉瑞与初创公司 Saama Technologies 合作，利用 AI 深挖临床试验数据，加速药物上市进程。2022年1月，辉瑞与数字疗法公司 Alex Therapeutics 联手，向患者提供经临床验证、个性化的数字治疗方案。同年6月，辉瑞与真实世界数据公司 Truveta 合作，实时获取 5000 万+ 患者完整电子病历，用于安全性信号监测；12月又启动Machine Learning Research Hub，大规模招聘计算人才，意在引领生物制药的下一波创新。与此同时，辉瑞还分别与Adapsyn、晶泰科技、Atomwise、CytoReason等 AI 制药公司合作，覆盖靶点发现、小分子设计、免疫疾病模型和抗体药研发等多个环节。2023年，辉瑞继续扩张 AI 版图：与以色列理工学院、Tempus、智化科技、Google Cloud 等机构开展合作，进一步探索 AI 在药物研发、临床试验与患者服务中的应用。图源：Science2024年4月，辉瑞与奥地利科学院分子医学研究中心（CeMM）的科学家在《Science》杂志发表突破性成果：在大规模测定数百种小分子与数千种人类蛋白质结合活性的同时，开发出一款 AI 模型，可预测小分子在活细胞中与蛋白质的相互作用，为药物发现开辟了新路径。05AbbVie（艾伯维）  艾伯维对AI的探索起步较早，重点聚焦于药物依从性、语言模型构建、抗体药研发及AI驱动药物发现平台。2016年1月，艾伯维与人工智能医疗公司AiCure合作，使用AI技术改善精神分裂症患者的药物依从性。通过AiCure提供的移动SaaS平台，利用人脸和图像识别算法，患者用智能手机记录吞药过程，由AI验证患者是否按时服药。短短半年内，该举措将依从性从50%显著提高至90%。2022年5月，在生物医学自然语言处理（NLP）领域，艾伯维联合AI芯片公司Cerebras Systems 实现突破。借助Cerebras CS-2 计算系统，在构建其机器翻译服务Abbelfish所需的大规模语言模型中，艾伯维实现了较传统GPU系统高达128倍的性能提升，同时能耗仅为1/3，显著提高了AI训练效率。图源：Pharmaceutical Technology2023年12月，艾伯维与BigHat Biosciences 达成研究合作，结合BigHat的AI/ML平台 Milliner™ 与艾伯维在肿瘤学和神经科学方面的专业积累，共同开发下一代治疗性抗体药物。2024年，艾伯维宣布以 2.125亿美元收购AI制药公司Landos Biopharma。该公司成立于2017年，拥有基于AI的整合式药物发现平台 LANCE，专注于免疫与代谢疾病新靶点的识别。此次收购，艾伯维获得基于 LANCE 平台研发的首创性小分子候选药物，用于治疗溃疡性结肠炎（UC）和克罗恩病（CD），强化其在免疫疾病领域的研发管线。06AstraZeneca（阿斯利康）  阿斯利康自 2017 年起便开始与新一代 AI 与数据驱动型公司合作试水 AI 制药。2019 年，公司提出以数字、数据和人工智能驱动的“未来医疗”战略，同时进行组织架构调整，成立数据科学与 AI 部门，自此频繁与 AI 制药企业携手：与BenevolentAI、Gatehouse Bio 等公司共同开发新药和新靶点。采用 AI 先驱 Schrödinger 的软件，提升自动化化合物合成效率。2016–2020 年间，公司产品开发成功率达 31%，高于行业平均；2021 年投资者大会上，执行副总裁 Mene Pangalos 透露 50% 的小分子项目已运用 AI 方法，研发效率提升 70%。2023 年6 月，阿斯利康与Cardiff University 联合研究：利用 AI 创造可精准靶向患病细胞的微观颗粒，评估 siRNA 与小分子疗法对纳米颗粒递送机制的影响；结合先进图像分析和机器学习，确定提升递送效率的具体机制，凸显 AI 在高效纳米疗法设计中的核心作用。此外，阿斯利康亦积极布局 AI 诊断和疾病管理，加强精准医学与慢病管理生态。图源：Absci2023 年12 月4 日，阿斯利康和Absci展开合作：生成式 AI 抗体发现公司Absci Corporation 与阿斯利康合作，针对一个肿瘤靶点设计抗体。此次合作将Absci的 Integrated Drug Creation™ 平台与阿斯利康在肿瘤领域的深厚经验结合，旨在加速新的癌症治疗候选药物的发现。07Bayer（拜耳）  2018年以来，拜耳旗下企业风险投资部门Leaps by Bayer多次投资了包括Cellino Biotech、Recursion在内的人工智能企业，积极布局AI制药领域。2020年，拜耳宣布与AI药物筛选企业Exscientia开展合作，聚焦心血管疾病与肿瘤药物研发。Exscientia的平台结合大数据与深度学习技术，能够基于现有研发数据自动生成数百万种与特定靶点相关的小分子化合物，并按药效、选择性、ADME等标准高效筛选。这一AI驱动的“设计—合成—测试”闭环，大幅提升了药物研发的效率和成功率。2023年11月9日，拜耳与Recursion宣布将研究合作重点升级为精准肿瘤学。此次合作将整合拜耳的小分子化合物库、生物学和药物化学专业知识，以及Recursion专为药物发现构建的人工智能平台，聚焦肿瘤领域的精准治疗研发。2024年，拜耳与谷歌云宣布开展合作，联合开发人工智能解决方案，旨在利用生成式AI工具加速放射学应用程序的开发与部署。诺奖得主本亚·巴鲁克曾预言："21世纪的医学突破，将诞生于生物学家与算法工程师握手的瞬间。"拜耳与Google Cloud的合作项目，正在将这种预言转化为现实——他们开发的AI模型成功预测了3种抗肿瘤候选药物的代谢途径，使研发效率提升40%。2025年，随着DeepSeek的火爆，拜耳认为人工智能（AI）将为生物医疗领域带来巨大机遇，有助于业内人士在未来几年进一步深化对生物学的理解。今年3月，拜耳在中国的首个创新中心——拜耳·亦庄开放创新中心，在北京经济技术开发区正式启动，标志着拜耳在中国创新生态布局迈出关键一步，也彰显了其在本土持续深耕的决心与信心。08Novartis（诺华）  诺华一直以创新药和并购著称，取得了显著的商业成就。同时，数字化创新也是诺华重点探索的方向之一。2017年6月，诺华与IBM Watson Health达成合作，利用人工智能技术改进乳腺癌治疗方案。在此之前，诺华还与Cota Healthcare达成了类似合作，探索AI在癌症治疗方案优化中的应用。2019年，诺华与微软合作共建AI创新实验室，作为其AI与数据科学战略的核心组成部分。该实验室旨在全面提升诺华从药物研究到商业化阶段的人工智能能力，重点应用包括生成化学、图像分割与分析等方向，着力解决生命科学领域中的复杂计算难题。然而，在此后的几年中，诺华在AI领域的公开进展较为有限。图源：Molecular Pharmaceutics2024年8月，晶泰科技固态研发团队与诺华科学家团队携手合作，利用分子动力学模拟技术，开发了衡量活性药物成分（API）与聚合物之间的相互作用强度的算法并开发了特定的描述符，运用机器学习模型来预测模板结晶的结果。研究结果表明，基于分子动力学模拟的相互作用描述符在预测聚合物模板对结晶过程促进效果方面展现出了高度的准确性（准确率可高达 92%），这为精确控制药物结晶过程提供了全新的思路和方法。这项合作所获研究成果已发表于期刊《Molecule Pharmaceutics》。同年9月，诺华与Generate Biomedicines达成一项高达10亿美元的合作协议，聚焦AI驱动的蛋白质药物开发。该合作基于Generate自主研发的生成式AI平台The Generate Platform，通过分析大规模生物医学数据，识别具有潜在治疗价值的蛋白靶点。诺华的研发团队将基于这些靶点开展药物的设计、合成与测试的全过程，人工智能将在整个流程中持续赋能，显著提升药物研发效率与精准度。09Bristol-Myers Squibb（百时美施贵宝）  2018年，生物技术公司Sirenas宣布与百时美施贵宝达成多靶点研究合作协议。根据协议，百时美施贵宝将应用Sirenas的专有药物发现平台ATLANTIS，筛选用于解决高挑战治疗靶点的候选药物。Sirenas是一家专注于利用计算方法从全球微生物组中发掘治疗药物的生物技术公司。2021年8月，百时美施贵宝宣布采用由Exscientia公司开发的一种免疫调节候选药物。Exscientia是一家以人工智能驱动制药技术的公司，已设计出三种处于I期临床试验阶段的药物。图源：businesswire2024年2月13日，VantAI与百时美施贵宝达成合作，利用生成式AI技术加速分子胶的发现。此次合作结合了VantAI在几何深度学习方面的技术优势与百时美施贵宝在靶向蛋白降解剂开发方面的丰富经验。同年12月，AI Proteins公司宣布与百时美施贵宝达成研究合作与选择权协议，探索基于微蛋白质的新型疗法的发现与开发。AI Proteins成立于2021年，专注于通过计算蛋白质设计构建具有特定功能和结构的治疗性微蛋白质分子。10Eli Lilly（礼来）  2018年9月18日，礼来中国与微软中国在上海达成战略合作，基于礼来在医疗健康领域的市场地位与行业洞察，以及其在数字化创新方面的前瞻性探索，结合微软在人工智能、云计算服务及生态系统方面的优势，双方将在中国开展服务、技术、市场等方面的广泛合作，共同打造“人工智能+医疗健康”的新生态。2022年5月，人工智能公司Genesis Therapeutics与礼来达成合作，利用Genesis的AI药物发现平台开发多达五个靶点的新型疗法。根据协议，Genesis与礼来的科学家将联合使用该平台，围绕三个靶点推进潜在“first-in-class”和“best-in-class”候选药物的开发。2023年，晶泰科技宣布与礼来签署一项AI小分子新药发现合作协议，聚焦某一未披露的创新靶点，由晶泰科技通过其专有的小分子药物发现平台ID4Inno™推进首创新药研发，填补临床未满足的治疗需求。2024年6月25日，礼来与OpenAI宣布建立合作，旨在探索克服抗生素耐药性（AMR）的新方法。生成式人工智能为加速新型抗菌药物发现、以及定制开发抗耐药病原体的专用技术，提供了全新机遇。2024年9月，礼来与Genetic Leap达成合作，利用Genetic Leap的RNA靶向人工智能平台，为礼来选定的靶点开发寡核苷酸类药物。10月9日，AI制药公司Insitro宣布与礼来签署三项战略协议，双方将合作推进治疗代谢性疾病的潜在新药，包括代谢功能障碍相关脂肪性肝病（MASLD）。2025年6月11日，礼来与Juvena Therapeutics达成一项总额超6.5亿美元的合作协议，双方将联合开发和商业化多款增肌药物。Juvena的核心平台JuvNET为AI驱动，可识别在保持肌肉质量方面表现出色个体的干细胞分泌蛋白，从而筛选肌肉靶向候选药物。截止目前，Juvena已通过该平台在多种代谢疾病和器官系统中鉴定出50多种分泌蛋白，并开发了多个管线项目，包括肌肉再生内分泌疗法JUV-161。综上，AI正在深刻重塑全球制药行业的技术路径、研发模式和竞争格局。从传统药企到数字驱动的创新引擎，跨界融合正成为时代主旋律。未来，AI将在药物发现与开发领域从“辅助加速”迈向“智能主导”——真正实现“算法驱动”新药研发的全闭环。谁能在关键瓶颈处持续创新，谁便有机会定义下一个制药时代的游戏规则。欢迎大家加入BioPlus微信交流群，共同探讨。BioPlus微信交流群申请入群申请联系人 ：Lisa邮箱：lisa.li@bp-bioplus.com电话：18662346610（同微信）入群申请，请先添加Lisa微信，并分享名片入群画像 ：Biotech/药厂研发/BD、投资机构、临床医生等入群福利：不定时行业资料包分享参考文献[1  1. Simm J, Klambauer G, Arany A, et al. Cell Chem Biol. 2018;25(5):611-618.e3. doi:10.1016/j.chembiol.2018.01.015[2  2. Offensperger F, Tin G, Duran-Frigola M, et al. Science. 2024;384(6694):eadk5864. doi:10.1126/science.adk5864[3  3. Meltzer EO, Zeiger RS, Dicpinigaitis P, et al. J Allergy Clin Immunol Pract. 2021;9(11):4037-4044.e2. doi:10.1016/j.jaip.2021.07.022[4   4. Bellucci MA, Yuan L, Woollam GR, et al. Mol Pharm. 2024;21(9):4576-4588. doi:10.1021/acs.molpharmaceut.4c00491拓展阅读BioPlus-海外寻找资产系列：1.AACR复盘：9家CDH17-ADC数据对比2.自免小众靶点APRIL，正在悄悄火起来了！3. STEAP1，会成为ADC与TCE的下一个爆款靶点么？BioPlus国际大会跟踪系列：1. 2025 ASCO：ADC、双抗/多抗，有哪些看点？（附一览表）2. 2025 AACR 双抗与ADC有哪些看点？3. 小细胞肺癌领域，下一步将如何“破局”，ADC or TCE？4. ELCC 讨论：NSCLC的ADCs最新进展5. 未来ADC发展方向：新靶点，新载荷，双靶点/双表位...6. 2025 ASCO 重点项目临床数据：有哪些精彩看点？7. 2025 ASCO 重点项目临床数据（二）BioPlus靶点/管线研究系列：1. “待爆”：CDH17 ADC项目大比拼，谁将脱颖而出?2. PD-1激动剂在自免疾病项目数据盘点：失败项目的“坑”与启示3. 上临床就能卖？DLL3 ADC这么好卖？4. 胰腺癌三大热门靶点：CLDN18.2、EGFR、RAS5. TSLP/SCF双抗，下一个自免待爆靶点组合？6. GPC3靶点临床屡败，TCE能改写格局么？7. 亮相AACR，曾被临床终止的ADC靶点Ly6E，能否卷土重来？8. 最高18.45亿美元！赛诺菲为何重金买了两款TL1A双抗？9. 2025 Q1：BMS、Sanofi和Roche管线调整，哪些项目被砍？10. 现场！2025AACR：KRAS抑制剂的百花齐放11. IL-17小分子抑制剂，能否杀出重围？12.全球首款：华东医药申报MUC17 ADC药物13.荨麻疹 first-in-class双抗提交临床试验申请BioPlus技术平台深入剖析系列：1. TCE 免疫共刺激信号之选：CD2，一颗冉冉升起的新星2. BD爆发前夜！6家TCE Probody技术平台深度盘点3. TCE Probody：Amgen携重磅技术“破局“，改写行业格局？4. 有人放弃，有人前行！自免TCE全球管线大盘点5. Immunocore将TCR疗法照进现实，向自免疾病迈进6. B细胞清除免疫重置：SLE等疾病长效缓解终成现实！7. 国内50家CD3平台序列来源汇总8. CD28共刺激最终章？ZW209 DLL3/CD3/CD28 三抗剑指 Amgen9. TCE 结构之争落幕：行业用行动给出 “标准答案”10. CD3 VHH猴交叉：重要吗？11.Genentech创新前沿：口服VHH抗体，靶向IL-23R12.AbbVie专利公开：靶向PSMA/STEAP1 双抗ADCBioPlus人物专访：1. 专访肖亮：卖青苗不一定是坏事，这是中国Biotech长成参天大树的必经之路2. 专访王刚，恺佧生物这些年的“出海”之旅？

注：本奖项申报将于2025年4月30日截止近年来，人工智能（AI）技术突飞猛进。与此同时，AI技术的颠覆性突破，正从算法层面向产业深处渗透。AI技术的迅猛发展已深刻重塑医药行业，从药物研发到临床诊疗，乃至全球产业链的协同模式均经历颠覆性变革。AI工具通过机器学习（ML）与大数据分析，将传统药物研发的“双十魔咒”（十年周期、十亿美元成本）大幅压缩。回顾2024年，各大跨国制药公司（MNC）都在为AI制药按下加速键——从靶点发现、分子设计到临床试验优化，AI技术将大幅缩短药物研发周期、提高新药开发效率。那么全球巨头药企们在2024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2024年制药业务收入排名前十的MNC巨头（推荐阅读：2024年全球药企TOP10），收集、整理了他们2024年在AI制药领域的合作和布局，供读者参考。01. 辉瑞早在2016年，“宇宙大药厂”辉瑞就与全球AI领域知名公司IBM达成合作，使用Watson的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、Gero、Tempus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。2024年8月，辉瑞任命Berta Rodriguez-Hervas加入其数字领导团队，担任首席人工智能和分析官（Chief AI and Analytics Officer）。TRIANA Biomedicines2024年10月15日，辉瑞宣布与TRIANA Biomedicines达成战略合作和许可协议，以发现用于多个疾病领域（包括肿瘤学）的针对多个靶点的新型分子胶降解剂。TRIANA Biomedicines的药物发现平台由高分辨率的结构信息、AI和计算工具以及定制的化学文库驱动。根据协议条款，TRIANA Biomedicines将获得4900万美元的预付款，并有资格获得超过15亿美元的里程款。（推荐阅读：超15亿美元！辉瑞“加码”分子胶）02. 默沙东默沙东是最早“拥抱”AI制药的MNC之一。公开资料显示，2012年，默沙东就与Numerate公司合作研发心血管疾病的治疗方法。Numerate主要是利用ML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。近几年，默沙东分别与AbSci、BigHat Biosciences、BenevolentAI、Exscientia等AI制药公司达成合作。2024年是全球AI制药合作遍地开花的一年，对默沙东来说也不例外：Unnatural Products2024年1月24日，默沙东宣布与Unnatural Products（UNP）达成总额约2.2亿美元合作，将应用UNP在AI与化学上的专业来设计和开发针对肿瘤治疗靶点的大环类候选药物。Variational AI2024年1月25日，默沙东实验室宣布与Variational AI公司达成合作，将利用Variational AI的Enki生成式AI平台，设计创新和选择性小分子药物。Evaxion Biotech2024年9月26日，默沙东与丹麦AI制药公司Evaxion Biotech就两种临床前候选疫苗（EVX-B2和EVX-B3）达成了期权和许可协议。其中EVX-B2是一种基于蛋白质的淋病候选疫苗，EVX-B3靶向一种未公开的感染因子。Evaxion将获得最高1320美元的预付款。此外，Evaxion还有资格获得每个产品5.92亿美元的里程款，交易总金额近12亿美元。03. 强生近年来，强生已为其AI能力投入了数亿美元。华尔街日报称，强生聘请了约6000名数据科学和数字专家，这些专家不仅精通数据科学，还具备生物学、化学和药物研发等多领域的知识。此外，强生还拥有名为Med的大型数据库，包含超3PB的信息，涵盖真实世界数据和临床试验结果。这些数据为AI模型提供了丰富的训练素材，帮助加速药物开发。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。2020-2023年间，强生相继与英矽智能、Tempus、SRI International、Aqemia、Intellomx等AI制药公司建立合作。Odyssey Therapeutics2024年4月4日，强生旗下杨森制药宣布与Odyssey Therapeutics达成战略研究合作，共同发现和优化针对特定治疗靶点的小分子药物。两家公司将结合各自在AI、ML、计算化学和药物发现方面的专长，共同发掘难以成药靶点。BigHat Biosciences2024年4月24日，杨森制药宣布与BigHat Biosciences达成合作，这一战略合作将强生的药物发现、临床开发和数据科学专业知识，与BigHat的Milliner™平台相结合，后者是一套与高速湿实验室集成的ML技术，用于指导多个神经科学治疗靶点的高质量抗体的设计和选择。晶泰科技2024年10月10日，杨森制药宣布与晶泰科技下属部门Ailux Biologics签署大分子药物发现AI平台授权协议。根据协议，晶泰科技商业授权杨森及其附属公司使用晶泰自主开发的XtalFold™ AI平台进行大分子药物的发现和工程化设计。04. 艾伯维Alphabet（谷歌母公司）旗下的抗衰老研究公司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。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1月，艾伯维宣布与Anima Biotech合作，利用AI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将获得4200万美元的预付款。2023年12月，艾伯维宣布与BigHat Biosciences合作，利用AI和ML发现下一代治疗性抗体。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。2024年，艾伯维又宣布一项AI制药方面的合作：Gilgamesh Pharmaceuticals2024年5月13日，艾伯维与Gilgamesh Pharmaceuticals达成合作协议，利用后者在新型神经功能重塑因子（neuroplastogens）的创新平台，共同开发新一代精神疾病药物。Gilgamesh Pharmaceuticals将药物化学方面的专业知识与AI发现和平台相结合，加速了新型精准精神疗法的创造。根据协议，艾伯维支付6500万美元预付款，19.5亿美元里程款。05. 阿斯利康在AI制药领域，阿斯利康的布局多元且深入。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。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AI 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。同年，阿斯利康也大刀阔斧地进行AI革命，相继和SandboxAQ、Verge Genomics、Saama、Nanoform、AbSci等多家AI制药公司达成合作。Nabla Bio2024年5月14日，Nabla Bio宣布完成2600万美元A轮融资，同时与阿斯利康、BMS和武田达成战略合作，前期付款和里程款超5.5亿美元。Nabla开发了集成的AI和湿实验室技术，能够实现原子精度的药物设计和药物功能的高通量测量，公司的研究重点是针对多通道膜蛋白的抗体，包括G蛋白偶联受体（GPCR）、离子通道和转运体。（推荐阅读：同一天，AI制药新锐宣布A轮融资、与三家MNC超5.5亿美元合作）06. 罗氏现阶段AI药物研发的痛点之一是数据问题，罗氏是最早押注制药领域大数据的MNC之一。2018年，罗氏以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。2023年，罗氏宣布扩大与Shape Therapeutics（简称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。Dyno Therapeutics2024年10月24日，罗氏宣布与Dyno Therapeutics达成第二项研究合作，开发针对神经疾病的下一代AAV基因疗法。双方此前于2020年10月宣布了一项针对神经疾病和肝脏定向疗法的研究合作与许可协议。Dyno Therapeutics是一家利用AI推动体内基因递送的生物技术公司。根据此次新合作协议，Dyno Therapeutics将进一步向罗氏提供其领先的平台和序列设计技术，促进体内基因递送。罗氏将向Dyno支付5000万美元的预付款，以及超10亿美元的里程款。07. 诺华与其他MNC类似，诺华在AI制药领域也经历了早期探索阶段。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。近年来，诺华不断深化对外合作与技术拓展，2024年相继宣布了多项AI制药领域的合作：Isomorphic Labs2024年1月7日，数字生物公司Isomorphic Labs宣布与诺华和礼来达成战略合作。其中与诺华的合作涉及三个未公开的靶点，Isomorphic Labs将获得3750万美元的预付款，并有资格获得高达12亿美元的里程款。Generate Biomedicines2024年9月24日，诺华宣布与Generate:Biomedicines达成多靶点合作，以发现和开发横跨多种疾病领域的蛋白质疗法。此次合作利用了Generate专有的生成式AI平台The Generate Platform，通过基于AI的优化和从头生成，创造潜在的first-in-class及best-in-class分子。根据协议条款，诺华将向Generate支付总计6500万美元的预付款，其中1500万美元用于购买Generate的股权。此外，Generate还将获得超过10亿美元的里程款，以及分层版税。（推荐阅读：超10亿美元！诺华“牵手”AI制药明星公司）BioAge Labs2024年12月18日，诺华宣布与BioAge Labs进行多年研究合作。该合作旨在通过研究驱动与衰老相关疾病的生物学机制和介导体育锻炼的有益作用，鉴定和验证多种新型治疗药物靶点。BioAge Labs搭建基于AI技术的高通量目标识别平台。根据协议条款，BioAge将获得高达2000万美元的预付款和研究资金，以及未来高达5.3亿美元的长期研究、开发和商业里程款。08. BMS在AI制药合作方面，BMS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分别与CHARM Therapeutics、Tempus、Terray Therapeutics等多家AI制药公司达成了合作。2024年，BMS继续发力，与四家AI制药公司达成了合作：VantAI2024年2月13日，BMS宣布与VantA达成合作，借助生成式AI技术，加速分子胶的发现。此次合作将结合VantAI在几何深度学习方面的积累以及BMS在靶向蛋白降解剂开发方面的经验。根据协议，VantAI将有资格从BMS获得高达6.74亿美元的里程款。（推荐阅读：6.74亿美元！BMS“加码”AI制药，这次目标是分子胶）Nabla Bio2024年5月14日，Nabla Bio宣布完成2600万美元A轮融资，同时与阿斯利康、BMS和武田达成战略合作，前期付款和里程款超5.5亿美元。Nabla开发了集成的AI和湿实验室技术，能够实现原子精度的药物设计和药物功能的高通量测量，公司的研究重点是针对多通道膜蛋白的抗体，包括G蛋白偶联受体（GPCR）、离子通道和转运体。（推荐阅读：同一天，AI制药新锐宣布A轮融资、与三家MNC超5.5亿美元合作）Menten AI2024年5月28日，BMS宣布与Menten AI达成研究合作和许可协议。Menten AI是一家专门从事AI设计生成大环肽的biotech公司。合作利用了Menten AI平台，该平台结合了ML、基于物理的模型和量子化学模拟，以简化设计和优化过程。AI Proteins2024年12月3日，BMS宣布与AI Proteins达成合作，利用AI Proteins强大的发现平台发现和开发基于微蛋白质的新型疗法。AI Proteins将获得一笔预付款，交易总价值高达4亿美元。09. 礼来近年来，礼来通过一系列战略投资和合作，逐步深化了在AI制药领域的布局。2019年以来，礼来相续与Atomwise、Biolojic Design、Verge Genomics、Genesis Therapeutics、晶泰科技、Fauna Bio等多家AI制药公司合作，合作范围涵盖RNA靶向疗法、小分子药物开发和抗菌药物研发等领域。2024年10月，礼来宣布任命Thomas J. Fuchs为首席AI官（CAIO），标志着礼来对AI的重视上升到新的高度。同时，2024年，礼来在AI制药合作方面继续“加大马力”：Isomorphic Labs2024年1月7日，数字生物公司Isomorphic Labs（简称IsoLabs）宣布与诺华和礼来达成战略合作。其中与礼来的合作包括针对多个靶点的小分子治疗研究，Isomorphic Labs将获得4500万美元的预付款，以及高达17亿美元的里程款。Genetic Leap2024年9月5日，礼来与Genetic Leap达成基因疗法药物开发合作，将利用Genetic Leap的RNA靶向药物的AI平台，为礼来选定的靶点开发寡核苷酸药物。根据协议条款，除了分级特许权使用费外，Genetic Leap还将从礼来获得高达4.09亿美元的里程款。（推荐阅读：4.09亿美元！礼来与AI制药公司达成合作，共同开发寡核苷酸疗法）Axcelead DDP2024年9月5日，礼来与Axcelead Drug Discovery Partners（简称Axcelead DDP）就多个药物发现项目达成战略研究和合作协议。Axcelead DDP通过其成熟的药物发现能力和包括AI在内的创新技术来生产候选药物。Insitro2024年10月9日，礼来宣布与AI制药公司Insitro签署三项战略协议，双方共同推进治疗代谢疾病的潜在新药，包括代谢功能障碍相关的脂肪性肝病（MASLD）。前两项协议中，礼来为Insitro提供了获得GalNAc（N-乙酰半乳糖胺）递送技术许可的选择权。第三项协议中，Insitro和礼来将合作发现和开发针对代谢疾病的第三个新靶点的抗体。（推荐阅读：双赢！礼来与AI制药公司达成最新合作）10. 赛诺菲近年来，赛诺菲与多家专长不一的AI药企进行了深度绑定，如Owkin、Exscientia、天演药业、英矽智能、CytoReason、SandboxAQ、百图生科、Aqemia等。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。2024年以来，赛诺菲在AI制药领域依然动作不断：Formation Bio、OpenAI2024年5月21日，赛诺菲宣布与OpenAI、Formation Bio建立合作伙伴关系，以加速AI在药物开发中的应用，三方将共同构建一款AI驱动的药物开发软件。Healx2024年11月13日，赛诺菲宣布与Healx达成合作，双方将利用Healx的AI药物发现平台Healnet，以及赛诺菲的化合物来确定新的疾病适应症。小结除了上文提到的MNC，默克、吉利德、拜耳、勃林格殷格翰、武田等巨头也在2024年纷纷加码AI制药。合作范围极为广泛，不仅涵盖利用AI研发多靶小分子、抗体、ADC等药物，还涉及FIC靶点发现、集成AI平台等领域。2024年，AI制药迎来高速发展。从biotech到MNC，再到传统药企，都在更加积极拥抱AI，推动创新药研发迈向“智造”时代。这表明AI制药的影响力正在不断扩大，越来越多的制药巨头正凭借其强大的技术与资源优势，加速AI技术在药物研发中的应用，进一步推动整个行业的创新与变革。参考资料：[1]各公司官网[2]Business Wire官网推荐阅读专访晶核余海华 | 核药赛道“十二问”尧唐生物吴宇轩：基因编辑迎来「中国解法」医药魔方Pro洞察全球生物医药前沿趋势赋能中国源头创新成果转化媒体合作：15895423126Copyright © 2025 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。

2024年4月3日，BiopharmaTrend联合创始人Andrii Buvailo博士在BiopharmaTrend网站发表文章It’s Been a Decade of AI in the Drug Discovery Race. What’s Next。以下为全文内容。 2012年通常被视为深度学习革命的开端。 这一年，Alex Krizhevsky和他的同事在研究论文ImageNet Classification with Deep Convolutional Neural Networks中提出的深度学习模型AlexNet，在大规模视觉识别挑战赛ImageNet中获胜，彻底击败了其他机器学习竞争对手。 当年的另一个著名事件是，另一个深度神经网络在数百万个随机YouTube视频中自发识别出一只猫。谷歌神秘的X实验室的科学家们建立了一个由16000个计算机处理器组成、拥有10亿个连接的神经网络，他们从未告诉该网络要寻找猫，也未告知它猫是什么。而人工智能自行学会了识别，并标记出与猫脸相对应的像素模式。 虽然深度学习的概念早在20世纪60年代就已为人所知，但这项技术直到2010年才开始变得切实可行，这主要得益于计算能力的巨大进步，使得训练如此复杂的模型成为可能。此外，2000-2010年，用于训练的大型数据集（如ImageNet）日益增多，计算基础设施（如亚马逊的弹性计算云）也不断崛起，这些都是推动2010-2012年开始的深度学习革命的重要因素。 多年来，一些领先的人工智能药物研发公司的药物研发进展。详见下文。 注：2024年8月8日，Recursion和Exscientia合并，参见 两家顶尖AI制药公司合并，打造具备端到端能力的全球药物发现技术领导者 人工智能在药物发现中的历史轨迹 在BiopharmaTrend数据库《The State of AI in the Biopharma Industry》中记录的500多家人工智能赋能型药物研发初创企业和规模扩大企业中，超过80%都成立于2012年前后，即深度学习成为主流趋势的时期，这也就不足为奇了。 2012年 早期成立的人工智能公司包括Atomwise（基于结构的小分子筛选）、Exscientia（靶点发现和小分子设计）、AbCellera（基因组学驱动的抗体设计）和Flatiron Health（临床数据集成商和肿瘤学临床研究分析机构）。 2013年 一年后，出现了其他著名的人工智能驱动型企业，包括小分子药物发现领域的 BenevolentAI、Cyclica和Recursion Pharmaceuticals，以及生物技术领域的Zymergen。 2014年 人工智能领域的进展加速，这一年又出现了一个重要的里程碑，后来被当时Facebook的首席人工智能科学家杨立昆（Yann LeCun）称为 “过去20年里深度学习领域最酷的想法”。 2014年6月，Ian Goodfellow发表了一篇开创性论文，介绍了生成对抗网络（GANs）。这一突破性概念不仅改变了生成式人工智能领域，也为其发明者赢得了 “GAN之父” 的历史地位：他赋予了机器想象力。这一突破激发了下一轮的创新和药物发现创业，其中可能包括2014年成立的最著名的人工智能驱动型公司--Insilico Medicine。Insilico Medicine由Alex Zhavoronkov博士共同创立，率先将深度学习应用于小分子药物设计，随后又应用于靶点发现。该公司还采用了GAN技术，并随后构建了一系列基于GAN的药物发现计算工具，包括用于指纹识别的DruGAN、用于SMILE的ORGAN等。 根据我从Insilico Medicine收到的电子邮件信息，他们的大多数靶点都是新靶点或具有足够的新颖性，他们主要依靠其Pharma.AI引擎成功发现了新靶点和针对这些靶点的分子（详细管线信息见下表1）。 2015年 这一年，一家著名的人工智能公司XtalPi在麻省理工学院校园和中国成立，该公司从一开始就专注于将量子物理、人工智能、云计算和大规模机器人工作站集群相结合。有趣的是，该公司最初披露了一个内部管线，其中包括至少10个针对多种适应症的早期发现项目。不过，目前该公司只专注于合作伙伴关系和CRO服务。正如A-1申请文件所示：“我们已与生物技术公司、制药公司和学术机构建立了多项合作关系，合作方在肿瘤学、神经学、呼吸学和炎症性疾病等多个治疗领域开展研究。在某些情况下，我们至少保留对这些合作项目的部分所有权，通常在两位数的百分比范围内。我们不负责推进这些项目的临床前开发，只负责产生临床前候选药物”。 根据公司发送给BiopharmaTrend的电子邮件，XtalPi从未打算像其他公司建立管线那样开展这些项目。在推出一站式药物发现业务之初，公司就在内部启动了几个概念验证发现项目，以向客户展示能力并积累研发数据。目前，XtalPi提供由人工智能和（机器人）湿实验室驱动的药物发现解决方案（包括小分子和抗体），在为临床候选药物确定新分子的“0到1” 创新过程中发挥着更加突出的作用。 2015-2019年 在随后的几年里，许多以人工智能为核心的知名公司相继成立，以解决药物发现和开发的各个方面问题，其中包括Insitro、Relay Therapeutics、Valo Health、Verge Genomics等公司。我们应该提到一个值得注意的例外--总部位于纽约的人工智能药物发现公司薛定谔（Schrödinger），该公司成立于1990年，远远早于深度学习时代。早年，该公司以开发化学信息学解决方案和药物研究软件而闻名。在过去十年中，薛定谔也顺应了人工智能的潮流，大幅增加了产品种类，推出了基于人工智能的新工具，并最终建立了内部候选药物管线，拥有两个I期资产（表1）。 要想了解人工智能在药物发现和开发领域的市场，应该注意的是，BiopharmaTrend报告中记录的500多家人工智能初创公司中，有一大类并没有开发自己的候选药物，也没有内部管线。例如，榜单上许多成功的公司，如CytoReason（人工智能疾病建模）或BenchSci（人工智能驱动的科学试剂搜索引擎），都为人工智能在制药和生物技术行业的应用做出了有意义的贡献。但它们的重点是服务、软件许可和研发合作。制药行业的其他两大类人工智能初创企业包括药物再利用领域的企业（如Healx和Lantern Pharma）和临床试验领域的人工智能供应商（如Medidata）。在本报告中，我们只关注那些能够从头开始设计和推进候选药物（主要是小分子药物）并拥有内部管线的公司。 人工智能设计的候选药物浪潮 自2012年以来，数百家人工智能初创公司纷纷成立，并竞相建立各种药物发现系统，但这些努力所产生的首批临床前和临床候选药物的浪潮却姗姗来迟。例如，Insilico在2019年首次成为头条新闻，他们达到了一个显著的概念验证里程碑，在短短21天内预测出了一个名为DDR1的知名靶点的分子，并成功在体外和体内验证了预测结果。同年，总部位于多伦多的Deep Genomics宣布推出“业界首个人工智能发现的候选疗法” DG12P1，用于治疗威尔逊病。Deep Genomics的人工智能平台在18个月内精确定位了特定的基因突变，并帮助设计了一种化合物来纠正这种突变。 2020-2022年 2020-2022年前后，BenevolentAI、Exscientia、Insilico Medicine、Deep Genomics等公司的一系列临床前候选提名包括人工智能发现的靶点和分子，2022年前后，数十个人工智能生成的分子进入临床试验阶段。为了了解多年来人工智能发现的多种分子的进展情况，我们对一些最发达的人工智能药物发现平台进行了历史管线分析，其中包括（按字母顺序排列）：BenevolentAI、Exscientia、Insilico Medicine、Deep Genomics等，以及BenevolentAI、Exscientia、Insitro、Insilico Medicine、Recursion Pharmaceuticals、Relay Therapeutics、Schrödinger、Verge Genomics和Valo Health。 本分析不包括合作伙伴项目。 表1  2023年至今 2023年，第一波人工智能设计（或声称人工智能设计）的候选药物进入市场。正如公司代表在发给BiopharmaTrend的一封电子邮件中解释的那样，出现了一些人工智能设计的候选药物临床试验的挫折。其中包括Exscientia的癌症候选药物EXS21546，该公司出于战略管线优先顺序的考虑终止了该药物的临床试验。 住友制药和大塚制药合作开发的人工智能精神分裂症候选药物，在两项三期研究中的疗效未能超过安慰剂。住友制药的子公司Sunovion为该合作带来了化合物，然后使用PsychoGenics的SmartCube技术对这些化合物进行筛选，该技术利用计算机视觉来分析和定义接受潜在药物治疗的小鼠的行为。 除了负面数据，BenevolentAI的主打药物BEN-2293在特应性皮炎2a期研究中未能击败安慰剂，导致该公司裁员多达180人，并重组其产品线以节省现金。该公司的估值在2022年大幅下降，此后再也没有恢复，目前约为1.45亿美元（表2），与早些年的估值相比相差无几。 尽管创业多年，融资数亿美元，但一些人工智能公司尚未生产出任何临床候选药物。例如，根据Endpoints News最近对Atomwise联合创始人兼首席执行官Abraham Heifets博士的采访，该公司不得不削减“数百个人工智能发现项目”，最近只专注于几项资产的内部开发。目前，其所有候选药物都处于临床前阶段。 Insitro成立于2018年，由著名深度学习科学家Daphne Koller博士领导，是另一家在推进内部候选药物方面步伐看似“缓慢”的公司。在创业6年、筹集了6.43亿美元风险投资后，该公司只有3个候选药物处于发现阶段（表1）。尽管如此，Insitro与BMS、吉利德（Gilead）等公司达成了一系列强有力的外部交易，而且公司非常注重疾病生物学建模。因此，内部管线的有限性可以用不同的侧重点来解释，或许我们可以期待公司在不久的将来迅速扩大产品组合。 另一方面，业界也有一些“受人工智能启发”的成功案例。比如Insilico Medicine，在不到3年的时间里成功建立了由17个临床前候选药物组成的临床管线，令人印象深刻。其中一些候选药物目前已进入临床试验阶段，包括最近一个治疗特发性肺纤维化（IPF）的2期候选药物，5个针对不同适应症（包括肾纤维化、炎症性肠病（IBD）、免疫肿瘤学和COVID-19）的1期候选药物，以及大约12个处于后期开发阶段的临床前项目。值得注意的是，Insilico Medicine发现的大多数人工智能项目都是针对高新颖性靶点的first-in-class候选药物或针对中等新颖性靶点的best-in-class候选药物。该公司持续发现新靶点的明显能力源于其靶点发现引擎PandaOmics。  另一家领先企业Recursion Pharmaceuticals似乎在整体上不断取得进展，因为该公司采用了一种强大的多方面方法来构建其端到端人工智能引擎操作系统，以及高通量生物实验设施和机器人生产线。该公司拥有一个由两个I期和三个II期候选项目组成的强大管线，其中两个是从以前的开发商那里获得的内部许可。还有一个候选项目没有超过I期，被搁置了。但值得注意的是，根据Endpoints的文章，Recursion Pharmaceuticals并没有兑现该公司十年前宣传的利用人工智能“生产100种药物”的承诺。这说明，即使拥有最前沿的人工智能技术和研发基础设施，药物发现也是一项极具挑战性的工作。 2023年，Verge Genomics从其主要候选药物VRG50635的1期临床试验中获得了安全性和耐受性方面的积极数据，该药物有望成为所有形式ALS的最佳治疗药物。Verge Genomics利用公司的全人类人工智能平台CONVERGE™开发药物发现项目。 此外，FDA批准了A2A制药公司关于TACC3蛋白 - 蛋白相互作用 (PPI) 抑制剂A2A-252的新药研究 (IND) 申请，这也展示了人工智能在加速药物开发方面的潜力。A2A Pharmaceuticals利用其人工智能驱动的SCULPT计算平台，在4人精干团队和有限资金的支持下，成功推进了包括A2A-252在内的两个临床阶段项目。 药物发现领域的人工智能不断整合 药物发现领域的人工智能竞赛已经持续了十多年，如今我们看到了该行业整合的种种迹象。 在过去6年中，该领域发生了30多起并购事件。根据BiopharmaTrend报告，在药物发现、生物技术和临床试验领域，一些以人工智能为重点的交易包括：2018年罗氏以19亿美元收购Flatiron Health；2019年Valo Health收购Numerate；2020年Insitro收购Haystack Biosiences。9亿美元收购Flatiron Health；2019年Valo Health收购 Numerate；2020年Insitro收购Haystack Biosciences；2021年Genentech收购 Prescient Design；2022年Ginkgo Bioworks以3亿美元收购Zymergen；2023年BioNtech以5.49亿美元收购InstaDeep，以及Recursion Pharmaceuticals以约9000万美元的总价双双收购Cyclica和Valence Labs，等等。 下图概括了其中一些著名的交易： 另一个推动整合的因素是“大科技”巨头向生命科学领域的扩张，包括英伟达、Alphabet、微软等。它们利用自己在人工智能研究方面的尖端资源、世界一流的技术基础设施（软件、云、计算能力）和灵活的商业模式。 Alphabet子公司DeepMind在蛋白质建模领域的成功、Isomorphic Labs最近与礼来和诺华的合作、英伟达基于人工智能的Clara Discovery平台的出现（从药物设计到医疗保健研究）以及微软云在生命科学领域的应用，都广为人知。 正如Alex Zhavoronkov博士在《福布斯》文章中写道的那样：“我预测英伟达将在2024年推出其医疗保健平台，这样就不再需要新的人工智能药物发现（AIDD）公司了。新药研发公司将能够在云端、亚马逊或本地的英伟达GPU大规模集群上使用英伟达工具。这不太可能伤害到拥有端到端AIDD平台和重要验证的成熟AIDD企业，但会抑制几乎没有差异化的初创企业的形成，同时也会增加该领域的可信度。” Zhavoronkov博士继续谈到微软：“2024年，我们有望看到制药和生物技术领域的大语言模型（LLM）大规模增长，而微软是主要提供商。即使一些初创公司在基准测试中取得了优异成绩，并提出了新的模式，它们在大型制药公司中也没有机会。制药业非常保守，从新供应商那里部署生成式人工智能面临太多合规性和法律挑战。微软使在Azure云上使用最新OpenAI模型和实施复杂的人工智能平台架构变得非常容易。而且微软的业务遍布全球。我预测，许多内部-外部LLM架构都将建立在微软平台上。” 其次，根据BiopharmaTrend报告，风险投资公司越来越优先考虑数量较少的成熟人工智能药物发现公司，而不是新的平台公司，这是整合的迹象。 最后，“大型制药公司”和领先的生物技术公司越来越多地从外部合作转向建立自己的人工智能力量，这实际上减少了新型初创公司赢得研发资金的机会。大型制药公司越来越多地选择成熟的技术供应商和经过验证的人工智能作为药物研发引擎。 人工智能在药物发现领域的整合自然导致了一批独特的人工智能领跑者的形成--这些公司设法建立了足够的人工智能能力、稳健的商业模式，并赢得了大客户。从下面的表2中可以看出，与该领域的一些同行相比，包括Insilico Medicine、Recursion Pharmaceuticals、Schrödinger和XtalPi在内的几家公司表现出了强劲的财务实力。 表2 表3 展望未来 随着初创公司的进入门槛不断提高，药物发现领域的人工智能正在不断整合，但同时也为那些能够高效创新、筹集资金并利用新技术的新创公司提供了更多机会。 大型科技公司加入游戏 可以预见，微软、Alphabet和英伟达（NVIDIA）等大型技术供应商的影响力将越来越大，它们将越来越多地成为新创企业的引力点。例如，英伟达的Inception计划目前已培育了1800多家医疗保健初创企业，这些企业正在开发基于GPU的尖端工具，以优化运营、增强诊断和开发新型疗法。 2024年，预计制药和生物技术行业将大幅扩大对大型语言模型（LLM）的采用，主要是通过微软的Azure云，利用OpenAI的模型进行人工智能驱动的药物发现（AIDD）。尽管出现了一些具有潜在卓越LLM的初创公司，但制药行业内严格的合规性和法律框架有利于像微软这样的老牌供应商，因为微软为在全球部署生成式人工智能提供了全面的支持。AIDD市场的整合趋势预计将加剧，少数几家老牌实体将凭借其经过验证的平台和行业对采用新供应商创新的谨慎态度而占据主导地位。 “大药企”的人工智能试点时代已经过去 大药企的人工智能实力已经发展到可以在内部进行创新的地步，对外部试点项目的依赖程度也在降低。与周围所有人达成大量人工智能协议的时代已经过去。2024年及以后，我们可能会期待大型制药公司与最成熟的人工智能药物发现平台之间建立越来越多的战略合作伙伴关系。这种合作的范围和总报酬的规模都将不断扩大。现在，一些交易不仅包括未来里程碑付款和版税支付的承诺，还包括可观的预付款。 2023年9月，Insilico以8000万美元的预付款向加利福尼亚州的Exelixis出售了一种潜在抗癌药物的开发和销售权，并正在与上海复星医药合作开发另一种抗癌候选药物。大约在同一时间，Exscientia与默克集团（Merck KGaA）合作，专注于肿瘤学、神经炎症和免疫学领域的人工智能驱动药物开发，预付款为2000万美元，潜在的里程碑高达6.74亿美元，另外还包括所开发疗法的销售版税。 人工智能在临床试验中的验证 随着越来越多的人工智能药物研发公司的候选药物进入临床试验阶段，我们将对人工智能如何真正改变创新质量有更深入的了解。显然，人工智能可以加快研究速度，降低研究成本。但它能提高成功的概率吗？这还有待更详细的了解。 与此同时，值得一提的是，虽然人工智能在改变早期药物发现模式方面的作用仍有待验证和更多数据的支持，但人们已经感受到了人工智能在药物研发中的作用。在最近接受CNBC视频采访时，诺华首席执行官Vas Narasimhan分享了他对人工智能在药物研发中的愿景。他认为，在未来五年内，人工智能不会对药物研发的早期阶段产生影响（根据我们对Insilico Medicine、Recursion Pharmaceuticals和Schrodinger等几家领先公司的分析，我们并不完全赞同这一观点）。不过，Vas指出，人工智能已经对药物开发和临床研究产生了影响：例如，新的试验方案、与监管机构合作、处理大型患者数据集等。他估计，人工智能已经帮助节省了6-9个月的药物开发时间，这可以转化为显著的资金节省和加速。 数据是人工智能竞赛的新重点 最后，领先的人工智能公司已经认识到，生成和拥有自己独特的生物数据至关重要。这一认识标志着业界利用人工智能开发药物的方法发生了关键性转变。拥有最先进的模型和算法已经远远不够。能够生成或以其他方式获取和控制用于模型训练的大数据集（如全息、成像、电子病历等），已成为一个战略差异化问题。 一些公司，如Moderna、Recursion Pharmaceuticals和XtalPi，自然而然地发展成为数字生物技术公司，拥有人工智能控制的机器人高通量设施，可大规模运行临床前实验。 与此同时，人工智能的伦理应用也日益突出，国际社会正努力根据欧盟指令和美国行政命令制定指导方针，以应对安全风险，并在人工智能生成模型日益普及的情况下促进负责任的人工智能发展。 参考资料： https://www.biopharmatrend.com/ai-drug-discovery-pipeline/ --------- End --------- 感兴趣的读者，可以添加小邦微信加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位或姓名-学校-职务/研究方向。