Shenzhen Zhiyao Technology Co., Ltd.

作为当下最应景的行业赛道，生物医药产业正在经历前所未有的高速发展期。国家统计局数据显示，截至2020年，中国生物医药行业市场规模为3.57万亿元。预计2022年市场规模将突破4万亿元。而在此前梳理的中国AI制药版图里，绝大部分企业都集中分布在北京、上海、深圳、苏州及杭州5大地区，显示出极强的聚集效应。它们各自的发展规模如何？有着怎样的产业特色？又吸引了哪些AI制药企业呢？北京：北研南产主要园区：中关村生命科学园、大兴生物医药基地等科研院所：中国科学院、中国医学科学院、北京大学、清华大学、北京生命科学研究所等AI药企（18家）：百图生科、深势科技、华深智药、望石智慧、哲源科技、星药科技等北京是京津冀发展生物医药的核心，总部经济、科研优势突出，有强研发驱动力、强研发支持、龙头企业基础等方面的城市基因。人才资源上，坐拥中国科学院、中国医学科学院、北京大学等国家级教研机构，拥有中国科学院院士67名，中国工程院院士49名，数量合计占全国40%以上，为北京生物医药产业提供最前沿的科技创新支撑。此外，北京市以国际大型医药集团、技术与知识密集型企业为主，在各细分领域都拥有龙头企业。生物医药产业主要集中在昌平中关村生命科学园、亦庄生物医药园、大兴生物医药基地、昌平生命科学园，整体呈“北研南产”布局。北部中关村生命科学园，地理位置优越、产业基础相对较好，满足药企研发需求。目前已聚集了北京生命科学研究所、蛋白质药物国家工程研究中心等研发机构，近500家创新型医药健康企业。南部的亦庄经济技术开发区和大兴生物医药产业基地，园区规模大，利于大规模产业集聚，以生产落地为主导。2021年，由中关村生命科学园与角井（北京）生物技术有限公司共同发起的AI新药研发平台落成，利用人工智能技术帮助药企进行药物靶点发现和筛选、药物作用机制探索、特异性抗体优化等工作。图：中关村AI新药研发平台落成典礼据智药局统计，北京市现有17家AI制药企业落地，成立时间在全国范围内较为早期，大多在15年-18年之间。代表企业包括百图生科、深势科技、华深智药、望石智慧、哲源科技、星药科技等。上海：“1+5+X”主要园区：张江高科技园、临港浦江国际科技城等科研院所：上海交通大学、复旦大学、上海中医药大学、中科院上海药物研究所AI药企（15家）：晶泰科技、英矽智能、深势科技、冰洲石生物、寻百会生物、锐格医药等上海突出“张江研发”引领，打造以创新化药、生物药、高端医疗器械三大细分领域为主、共同发展的产业格局。2021年生物医药产值超过7000亿元，生物医药产业综合实力高居全国第一。科研资源上，有5所高校与生物医药产业相关，分别是复旦大学上海医学院、复旦大学药学院、上海中医药大学和上海交大医学院；另有中科院上海药物研究所、上海生物制品研究所等6家生物医药研究所，以及36家实验室及研究中心。目前，上海市已形成以张江生物医药基地（张江药谷)为轴心，“1+5+X”的生物医药产业布局。张江药谷由国家科技部、中国科学院、卫生部、药监局和上海市政府五方共建。不仅吸引了礼来、默克、罗氏、强生、红杉资本、勃林格殷格翰等一批跨国巨头落户，更集聚生物技术和医药医械创新企业1400多家。近年来，张江也在AI制药领域持续发力。据张江药谷不完全统计，2022年园内宇道生物、元炘执药、英矽智能、达歌生物、爱信智耀、智化科技等7家AI制药企业完成融资，总额超10亿元；此外还达成了多起AI合作。2021年10月，在陈凯先、蒋华良、饶子和三位院士的倡议下，张江AI新药研发联盟正式成立，如今累计成员近25家。图：张江AI新药研发联盟成立仪式现场根据相关规划，到2025年，张江AI生态内将集聚300家活跃机构、30个创新联合体、30个赋能平台，AI助力每年新增30个一类新药管线。深圳：一核多中心主要园区：坪山生物医药创新产业园、深圳国际生物谷科研院所：深圳大学、南方科技大学、深圳先进技术研究院、深圳湾实验室、深圳医学科学院AI药企（13家）：晶泰科技、未知君、中以海德、埃格林医药、新合生物、云深智药等深圳处在粤港澳大湾区，相较于北京、上海两地，生物医药产业整体起步较晚。其优势在于国际化环境好，人才与资本吸引力强，目前在医疗器械、基因检测与诊疗等领域产业优势突出。2021年生物医药产业实现营收1986亿元。该市打造“一核多中心”产业格局，坪山为生物医药主园区，福田区、光明区、龙岗区、大鹏新区等协同发展。坪山区毗邻东莞、惠州两市，是粤港澳大湾区向东辐射的重要门户，截至2022年6月，生物医药创新产业园内有近1000家企业。国家基因库落地后，这里的基因检测实力得到显著加强。如今深圳重点突破新型基因治疗载体研发、工程细胞构建、抗体工程优化、人工智能辅助药物设计等关键和瓶颈技术。2015年，国内最早成立的AI制药公司之一晶泰科技率先落地于此。目前，深圳已吸引了未知君、智药科技、溪砾科技、中以海德在内的13家AI药企。今年7月，深圳市政府颁布《深圳市促进生物医药产业集群高质量发展的若干措施》；随后颜宁教授宣布归国，在坪山区成立深圳医学科学院，均显示出当地发展生物医药的决心。苏州：一核多区主要园区：苏州BioBAY、张家港医疗器械高新产业园科研院所：中科院苏州生物医学工程技术研究所、苏州大学生物医学研究院AI药企（8家）：英矽智能、腾迈医药、双运生物、予路乾行等12月3日，苏州市发布“生物医药十二条”。具体包括，设立总规模100亿专项基金、丰富债券融资渠道、优化企业资产、支持向CRO/CDMO转型等，近半数围绕金融领域制定。业内人士称，将加速当地产业集群发展。生物医药产业布局以苏州工业园区为核心，高新、太仓、吴中、昆山多集聚区共同发展。数据显示，截至2022年6月底，该市生物医药产值达2400亿元，全市聚集生物医药企业3800余家。地理位置上，苏州背靠长三角经济圈，距离上海仅20分钟高铁车程。因在企业生产、运营、员工生活等方面的成本低于上海，对中小型生物医药企业吸引力大。不过作为地级市,这里的高校、研究机构等长期以来相对较少,人才短板较为明显。主要园区包括苏州生物医药产业园、张家港医疗器械高新产业园等。以苏州BioBAY为例，瞄准了biotech领域的初创企业，不少初创企业如今都成功转型为biopharma。现有百济神州、信达生物、基石药业、康宁杰瑞、亚盛医药等23家上市公司；美国冷泉港实验室亚洲也落地于此，吸引了大批具有国际影响力的科学家。园区总裁殷建国表示，未来会重点关注7个新兴方向，包括核酸药物、新型递送平台及技术、AI制药、蛋白降解PROTAC、基因/细胞疗法、ADC等。2021年底，英矽智能入驻BioBAY。截至目前，BioBAY已汇聚包括晶泰科技、英矽智能、未知君、宇道生物等AI制药企业；另外，园内新格元、艾博生物、再鼎医药等药企也对外达成了多起AI合作。杭州：一核+四园+多点主要园区：钱塘区医药港、余杭生物医药高新园区科研院所：西湖大学、杭州市人工智能研究院AI药企（6家）：德睿智药、西湖欧米、剂泰医药等杭州是布局生物医药产业的“后起之秀”，但与上海张江、北京中关村等地区仍有差距。2021年医药制造业总产值760亿元。上个月《加快生物医药产业高质量发展若干措施》出台，生物医药已作为杭州重点发展产业。该市以“一核四园多点”布局模式，建设了多个生物医药产业园区。其中一核为钱塘区，四园为高新区（滨江）、萧山区、余杭区和临平区。目前已集聚了以贝达、华东医药、启明医疗、泰格医药等为代表的生物医药企业3000多家。核心园区杭州医药港小镇，主要聚焦生物制药、医疗器械、生命医学、数字医疗四大领域。引进了中科院基础医学与肿瘤研究所、浙江大学智能创新药物研究院、中国药科大学(杭州)创新药物研究院等高校科研平台。据智药局不完全统计，杭州市已落地6家AI制药企业，分别是西湖云谷智药、西湖欧米、德睿智药、碳硅智慧、剂泰医药、珞米生命科技，均成立于2020年之后。总结总体而言，基于地缘位置、政策支撑、科研资源等要素，5大生物医药产业集群呈现出各自的发展特色。北京和上海起步早、科研资源丰富、龙头企业居多，产业规模处于第一梯队，已进入千亿级别；苏州、杭州作为后起之秀，通过政府大力招商、出台优惠政策，加之生活成本更低，生物药创新企业更为活跃。归其根本，生物医药产业是技术、资本、人才、产业环境等多维度的比拼，未来持续的增长动力更需要创新驱动和数字赋能。不管是具有先发优势的北上深，还是苏州、杭州等后起之秀，都需高度重视自主创新和源头创新，打造利于成果落地的产业环境，才能在生物医药赛道上持续立于不败之地。参考链接：亿翰智库、前瞻产业研究院《2022年生物医药产业链全景图谱》https://sz.shenkexin.com/news/info-policy-4198.htmlhttps://mp.weixin.qq.com/s/fSBy69QSynQQNKQPGyFgSwhttps://mp.weixin.qq.com/s/bY-crYQ0GE3mAKc-Gl6p_QBiG近期预告12月21-22日，上海70+大咖新秀：开疆拓土创新药，披荆斩棘破寒冬限时免费，席位有限，审核制▼原价门票：1800元/人门票+晚宴：3800元/人暖冬福利：0元扫码加入BiG生物创新社读者交流群，分享、交流纯粹的行业知识，非诚勿扰！BiGScientific Driven, Making Impact!创新生态丨医药论坛丨行业分析媒体公关丨BiG Webinar联系我们商务：Oscar 18662346610媒体：Kathy 17621909690

12月21-22日，上海大咖带队，新秀集结！以创新利刃，破内卷之局前言在过去的几年里，制药行业的数据数字化有了很大的增长。然而，数字化带来的挑战是如何应用这些数据来解决复杂的临床问题。这激发了人工智能的使用，因为它可以通过增强的自动化处理大量数据。人工智能是一个以技术为基础的系统，包括各种先进的工具和网络，可以模仿人类的智能。同时，它不会威胁到完全取代人类的存在。人工智能利用能够解释和学习输入数据的系统和软件，为实现特定的目标做出独立的决定。人工智能在医药领域的应用正在不断扩大。01人工智能人工智能涉及多个方法领域，如推理、知识表示、解决方案搜索，其中包括机器学习（ML）的基本范式。ML的一个子领域是深度学习（DL），它涉及人工神经网络（ANN）。它们包括一组相互关联的复杂计算元素，涉及类似于人类生物神经元的“感知”，模拟人类大脑中电脉冲的传输。神经网络涉及各种类型，包括多层感知器（MLP）网络、递归神经网络（RNNs）、和卷积神经网络（CNNs）。更复杂的形式包括Kohonen网络、RBF网络、LVQ网络、反向传播网络和ADALINE网络。下图总结了人工智能的方法域示例。02人工智能助力药物筛选发现和开发一种化学药物的过程可能需要10年以上，平均花费28亿美元。即便如此，90%的治疗性分子未能通过II期临床试验和监管机构的批准。最近邻近算法、RF、极限学习、SVMs和深度神经网络（DNNs）等算法可用于基于合成可行性的虚拟筛选（VS），也可预测体内的活性和毒性。一些大型生物制药公司，如拜耳、罗氏和辉瑞，已经与IT公司开展合作开发人工智能平台，用于在肿瘤免疫学和心血管疾病等领域发现治疗方法。理化性质预测药物的物理化学性质，如溶解度、分配系数（logP）、电离度和内在通透性，都会间接影响药物的药代动力学特性和靶向受体，因此，在设计新药时必须加以考虑。不同的人工智能工具可以用来预测物理化学性质。例如，ML使用之前在复合优化过程中产生的大数据集来训练程序。药物设计的算法包括分子描述、势能测量、分子周围的电子密度和三维原子坐标，通过DNN生成可行的分子，从而预测其性质。生物活性预测药物分子的疗效取决于它们对靶蛋白或受体的亲和力。对靶蛋白没有任何相互作用或亲和力的药物分子将不能提供治疗反应。在某些情况下，开发出的药物分子可能与非预期的蛋白质或受体相互作用，导致毒性。因此，药物靶向结合亲和力（DTBA）是预测药物与靶点相互作用的关键。基于人工智能的方法可以通过考虑药物及其靶点的特性或相似性来测量药物的结合亲和力。基于特征的相互作用识别药物和靶点的化学成分以确定特征向量。相反，基于相似性的相互作用考虑了药物与靶点之间的相似性，并假设相似的药物将与相同的靶点相互作用。网络应用程序，如ChemMapper和相似集成方法（SEA）可用于预测药物与靶点的相互作用。许多涉及ML和DL的策略已被用于确定DTBA，如KronRLS、SimBoost、DeepDTA和PADME。基于ML的方法，如KronRLS，评估药物和蛋白质分子之间的相似性以确定DTBA。类似地，SimBoost使用回归树来预测DTBA，同时考虑基于特征和基于相似性的交互。毒性预测预测药物分子的毒性对于避免毒性作用至关重要。以细胞为基础的体外试验通常被用作初步研究，然后是动物研究来确定化合物的毒性，增加了药物发现的费用。一些基于网络的工具，如LimTox、pkCSM、admetSAR和Toxtree，可以帮助降低成本。先进的基于人工智能的方法寻找化合物之间的相似性或根据输入特征预测化合物的毒性。由美国国家卫生研究院、环境保护署（EPA）和美国食品和药物管理局（FDA）组织的Tox21数据挑战赛是一项倡议，旨在评估几种预测12707种环境化合物和药物毒性的计算技术。名为DeepTox的ML算法脱颖而出，它通过识别分子化学描述内的静态和动态特征，如分子量（MW）和范德华力，并可根据预定义的2500个毒性基团特征有效地预测分子的毒性。药物发现中使用的不同人工智能工具如下表所示。03人工智能助力药物设计靶蛋白结构预测在开发化学药物的过程中，预测靶蛋白的结构对于设计药物分子至关重要。人工智能可以通过预测3D蛋白质结构来帮助基于结构的药物发现，因为设计要符合目标蛋白位点的化学环境，从而有助于在合成或生产前预测化合物对靶点的影响以及安全考量。以DNNs为基础的人工智能工具AlphaFold分析了相邻氨基酸之间的距离和肽键的对应角度，预测了靶点蛋白的三维结构，并在43个结构中正确预测了25个。药物-蛋白质相互作用预测药物与蛋白质的相互作用对治疗的成功起着至关重要的作用。预测药物与受体或蛋白质的相互作用对于理解药物的疗效和有效性、允许药物的再利用以及防止多药理学是至关重要的。各种人工智能方法在精确预测配体-蛋白质相互作用方面非常有用，确保了更好的治疗效果。人工智能预测药物-靶点相互作用的能力也被用来帮助改变现有药物的用途和避免多药理学。改变现有药物的用途可以直接用于第二阶段临床试验。这也减少了开支，因为与新开发的药品实体相比（4130万美元），重新启动现有药品的成本约为840万美元。“罪恶关联”方法可用于预测药物和疾病的创新关联，这是一个基于知识或计算驱动的网络。在计算驱动的网络中，ML方法被广泛应用，它利用了支持向量、神经网络、逻辑回归和DL等技术。药物-蛋白质的相互作用也可以预测多药理学的机会，这是药物分子与多个受体相互作用的趋势，产生非靶向不良反应。人工智能可以根据多药理学的基本原理设计一种新的分子，并帮助产生更安全的药物分子。像SOM这样的人工智能平台，加上现有的庞大数据库，可以用来将几种化合物与众多目标和非目标联系起来。贝叶斯分类器和SEA算法可用于建立药物药理特征与其可能靶点之间的联系。从头药物设计在过去的几年里，从头设计药物的方法被广泛应用于药物分子的设计。传统的从头设计方法正在被进化的DL方法所取代，前者存在合成路线复杂、难以预测新分子生物活性的缺点。Popova等人开发了用于从头药物合成的结构进化策略的强化学习，包括生成和预测DNN来开发新化合物。Merk等人同时利用生成性AI模型来设计维甲酸X和PPAR激动剂分子，在不需要复杂规则的情况下具有理想的治疗效果。作者成功地设计了五个分子，其中四个在细胞检测中表现出良好的调节活性。人工智能参与分子的从头设计对制药行业是有益的，因为它具有各种优势，例如提供在线学习和同时优化已经学习的数据，以及建议化合物的可能合成路线，从而实现快速的先导设计和开发。人工智能助力医药产品开发一种新的药物分子的发现需要它随后以一种合适的剂型与期望的给药特性相结合。在这方面，人工智能可以取代旧的试错法。借助QSPR，各种计算工具可以解决配方设计领域遇到的问题，如稳定性问题、溶解性、孔隙率等。决策支持工具使用基于规则的系统，根据药物的物理化学属性选择赋形剂的类型、性质和数量，并通过反馈机制进行操作，以监控整个过程并间歇性地对其进行修改。人工智能助力制药制造随着制造过程的日益复杂，以及对效率和更好产品质量要求的不断提高，现代制造系统正试图将人类知识传授给机器，不断改变制造实践。人工智能在制造业中的应用可以证明是对制药行业的一个推动。流体动力学计算（CFD）等工具使用雷诺平均Navier-Stokes求解器技术，研究不同设备（如搅拌槽）中搅拌和应力水平的影响，使制药操作自动化。类似的系统，如直接数值模拟和大涡模拟，涉及到解决制药生产中复杂流动问题的先进方法。人工智能助力质量控制和质量保证从原材料生产所需产品包括各种参数的平衡。产品的质量控制测试以及批次间一致性的维护都需要人工干预。在多种情况下，这可能不是最好的方法，表明了现阶段人工智能实现的必要性。FDA修订了现行的良好生产规范（cGMP），引入了一种“按设计质量”的方法来理解控制药品最终质量的关键操作和具体标准。 人工智能也可用于在线制造过程的监管，以达到产品的预期标准。采用了基于人工神经网络的冻干过程监测，结合了自适应进化算法和局部搜索和反向传播算法。这可用于预测特定操作条件下未来时间点（t+Δt）的温度和干燥滤饼厚度，最终有助于对最终产品质量进行检查。此外，全面质量管理专家系统中的数据挖掘和各种知识发现技术可作为制定复杂决策的有价值方法，为智能质量控制创造新技术。人工智能助力临床试验设计临床试验的目的是确定一种药物在人类特定疾病条件下的安全性和有效性，需要6-7年的时间和大量的资金支持。然而，进入临床试验的小分子十个里可能只有一个获得成功，过低的成功率对工业界来说是一个巨大的损失。这些失败可能是由于病人选择不当、技术要求不足和基础设施差造成的。然而，有了大量可用的数字医疗数据，这些故障可以通过人工智能的实施而减少。病人的登记需要临床试验时间的三分之一。临床试验的成功可以通过招募合适的患者来保证，否则会导致约86%的失败病例。AI可以通过使用患者特定基因组-暴露组分析，帮助选择特定的疾病人群，以便在临床试验的第二和第三阶段招募，这有助于早期预测所选患者的可用药物靶点。临床前发现分子以及在临床试验开始前通过使用人工智能的其他方面（如预测性ML和其他推理技术）预测先导化合物，有助于早期预测通过临床试验的先导分子，并考虑选定的患者群体。从临床试验中退出的病人占临床试验失败的30%，为完成试验创造了额外的招募要求，造成了时间和金钱的浪费。这可以通过密切监视患者并帮助他们遵循临床试验的预期方案来避免。AiCure开发的移动软件在第二阶段试验中监测精神分裂症患者的常规药物摄入，使患者的依从率提高了25%，确保了临床试验的成功完成。04人工智能在制药工业的市场前景为了降低与医药开发相关的财务成本和失败几率，制药公司正转向人工智能。人工智能市场从2015年的2亿美元增加到2018年的7亿美元，预计到2024年将增至50亿美元。从2017年到2024年，预计增长40%，这表明人工智能可能会彻底改变制药和医疗行业。许多制药公司已经并正在继续投资于人工智能，并与人工智能公司合作开发必要的医疗保健工具。不完全统计，国外领先的AI制药平台有：Schrödinger、 Exscientia、AbCellera Biologics、Recursion Pharmaceuticals、Atomwise、Benevolent 、 Insilico（英矽智能） 、硅康医药、Insitro、Cyclica等等。国内利用AI从事药物研发领域相关开发的企业有：湃隆生物、望石智慧、晶泰科技、宇道生物、费米子、燧坤智能、未知君、METiS、星亢原生物、奥睿药业、水木未来、科辉智药、武汉智化科技、新合生物、云深智药、百图生科、阿尔脉生物、康迈迪森、英飞智药、亿药科技、智药科技、赛恪科技、南京双运生物、深度智耀、星药科技、分迪科技、创腾科技等等。采用人工智能的持续挑战人工智能的整个成功取决于大量数据的可用性，因为这些数据用于为系统提供的后续训练。从不同的数据库提供商访问数据可能会给公司带来额外的成本，数据也应该是可靠的和高质量的，以确保准确的结果预测。阻碍人工智能在制药行业全面采用的其他挑战包括：缺乏操作基于人工智能平台的熟练人员、小型组织的预算有限、担心替换人类导致失业、对人工智能产生的数据持怀疑态度以及黑箱现象。尽管如此，人工智能已被多家制药公司采用，预计到2022年，制药行业通过基于人工智能的解决方案将创造21.99亿美元的收入。制药组织需要弄清楚人工智能技术在解决问题方面的潜力，并了解可以实现的合理目标。拥有熟练的数据科学家、对人工智能技术有充分了解的软件工程师，对公司的业务目标和研发目标有清晰的理解，才可以充分利用人工智能平台的潜力。展 望人工智能的进步正不断地致力于减少制药公司面临的挑战，影响药物开发过程以及产品的整个生命周期，这表现在该行业初创企业数量的增加。当前的医疗保健部门正面临着一些复杂的挑战，例如药物和治疗费用的增加，而社会需要在这一领域进行具体的重大变革。随着人工智能在医药产品制造中的应用，可以根据患者个人的需要制造具有所需剂量、释放参数和其他所需方面的个性化药物。使用最新的基于人工智能的技术不仅可以加快产品上市所需的时间，而且还可以提高产品质量和生产过程的整体安全性，在提高成本效益的同时，更好地利用现有资源。对于这些技术的应用，最令人担忧的是随之而来的失业以及实施人工智能所需的严格法规。然而，这些系统只是为了使工作更简单，而不是完全取代人类。人工智能不仅有助于快速、无障碍地识别符合的化合物，而且有助于为这些分子的合成路线提供建议，以及对所需化学结构的预测，以及对药物-靶相互作用及其SAR的理解。人工智能还可以为进一步将开发的药物纳入其正确的剂型以及优化其做出重大贡献，此外，它还可以帮助快速决策，从而加快生产质量更好的产品，同时保证批次间的一致性。人工智能也有助于在临床试验中确定产品的安全性和有效性，并通过全面的市场分析和预测确保产品在市场上的适当定位和成本。虽然目前市场上还没有采用基于人工智能的方法开发的药物，而且在实施这项技术方面仍然存在一些具体的挑战，但人工智能很可能在不久的将来成为制药工业中一种无价的工具。参考文献：1.Artificial intelligence in drug discovery and development. DrugDiscov Today. 2020 Oct 21;S1359-6446(20)30425-6.扫码加入BiG生物创新社读者交流群，分享、交流纯粹的行业知识，非诚勿扰！BiGScientific Driven, Making Impact!创新生态丨医药论坛丨行业分析媒体公关丨BiG Webinar联系我们商务：Max   18662346610媒体：Kathy 17621909690

2022年7月，由于临床I期研究未达到预期标准，全球首个由AI设计进入临床的药物DSP-1181停止研发。该药物由英国AI公司Exscientia和日本住友制药合作开发，是一种用于治疗强迫症(OCD)的长效血清素5-HT1A受体激动剂。经历了过往几年的繁华与高光，AIDD（AI药物发现）行业是否前途不再明朗？近日，动脉网对深圳智药信息科技有限公司（以下简称”智药科技”）创始人黄韬博士进行了专访，与黄韬博士一起见证智药科技的成长，同时在时代的关口中分析AIDD行业发展。携手中山大学进行First-in-Class新冠口服小分子药物研发自2021年起，智药科技与中山大学顶尖生物团队进行项目合作，共同研发First-in-Class新冠口服小分子药物。今年8月该项目获得深圳市科创委《抗疫专题2022036基于人工智能开发新靶点或新结构抗新冠病毒口服药物》专项支持。动脉网：此次合作的出发点是什么？黄韬博士：现有新冠病毒抗疫的主要手段，除常态化核酸检测外，便是疫苗和药物。其中口服小分子药物非常重要，利于病人在家自行服药休养，减轻医院压力。目前上市的代表性口服小分子药物有两个，默克的Molnupiravir（M药）和辉瑞的Paxloid（P药）。前者作用于病毒的RdRp酶，抑制病毒基因合成；后者作用于3CL蛋白酶，抑制病毒蛋白剪接成熟。由于新冠病毒是RNA病毒，变异速度快，药物一旦广泛使用，出现耐药性的风险会大为增加。鉴于目前上市药物针对的新冠靶点类型仍旧十分局限，因此从临床端来说，开发针对新靶点的药物在未来无疑是非常具有潜力：一方面作为储备力量应对潜在的耐药性危机；另一方面和现有上市药物联用，增加疗效。动脉网：双方什么时候开始有合作的意向？各自的优势和分工是怎么样的？黄韬博士：2021年底，双方团队经过几次会议的沟通，决定利用各自的优势，一起合作开展研发项目。中山大学医学院感染免疫平台RNA病毒研究团队从非典爆发时期就开始研究冠状病毒里的一个新靶点，该靶点的功能与病毒免疫逃逸机制相关。经过十几年的研究积累，他们对这个靶点的理解非常深入，有非常扎实的生物学基础。在项目研发过程中，中山大学的团队负责整体项目协调规划、化学合成和生物学评价。智药科技的优势在于拥有成熟的AIDD小分子药物发现平台。该项目研发过程中，我们先通过超大规模虚拟筛选技术，筛选了近20亿虚拟化合物库，找到了靶向新靶点的新母核的化合物。其次通过AI分子生成技术，对苗头化合物进行结构修饰，提高其活性和成药性。动脉网：目前项目进行到什么阶段了？黄韬博士：现阶段获得的先导化合物，在细胞水平对病毒的抑制活性与M药相当，同时也表现出非常不错的在体疗效。在研发过程中，由中山大学牵头，智药科技作为辅助单位，幸运地拿到了深圳市科创委《抗疫专题2022036基于人工智能开发新靶点或新结构抗新冠病毒口服药物》专项支持。使得这个项目能够有足够的资金支持，尽快地推进下去，及早完成临床前研究工作。把握计算药物设计发展的时间节点，再次创业动脉网：您是理工科出身的，后来又先后参与创立CloudScientific和智药科技，是什么原因使您将方向转向计算药物设计并连续创业呢？黄韬博士: 专业方向转变存在机缘巧合。我在清华的本科专业是车辆工程，和药物没有一点联系。但在中科院力学所攻读硕士研究生期间，导师给了一个课题，用分子动力学（MD）来研究家蚕丝蛋白的自组装过程。从那个时期起，开始对使用计算方法研究生物分子产生了浓厚的兴趣。2007年硕士毕业后到上海工作，接触到CADD，逐渐深入了解这个领域。2009年参与创建CloudScientific时，我负责的部门就是CADD，推广包括MOE在内的许多优秀药物设计软件工具。为了弥补药学知识方面的不足，2014年去香港浸会大学攻读药学博士学位。2017年博士毕业，正是AIDD技术萌芽的时候，从那个时候开始接触AIDD领域。直到今天，在计算药物设计方向上的研究和应用，做了将近18年，刚刚有一点心得。相比于第一次创业，再次创业的责任不一样。第一次创业我只需要负责一个部门，但现在要负责整个公司的产品研发、运营和管理。需要解决的问题更多，知识面更宽。因此最近也在参加坪山区委统战部和创新广场联合举办的《点燃计划》培训班，补充经营管理和人文学科方面的理论知识。动脉网：可否结合智药科技经历，谈谈AI在制药领域的落地及商业化心得？黄韬博士: 聆听客户的需求是起点，应该避免“拿着榔头找钉子”这种情况出现。智药科技为客户提供的价值，首先是解决他们无法利用自身人力解决的问题；其次是更快地解决问题。在这个过程中，公开数据、私有数据、算法、经验知识是融合的，每个方面都很重要。商业化路径上，我们选择了软件+服务，这样设计-验证-反馈-改进的迭代相对较快。对于企业而言，首先要保证活下来，并且活得久，才能看到这个行业的发展和一些机会。动脉网：可否介绍一下智药科技的定位和目前的产品进展？黄韬博士：智药科技的定位是技术平台型公司，面向药企和研究机构提供计算药物软件和服务。我们现阶段的主要布局是在两个方面：AI小分子药物技术平台(DeepMOL)和AI蛋白质工程技术平台(DeepPRO)。AI小分子药物技术平台比较成熟，服务过的客户超30家，项目从First-in-Class到Fast-follow均有涉及。AI小分子药物技术平台由靶点成药性预测、超大规模虚拟筛选、分子动力学模拟、自由能计算、分子生成、ADMET预测等技术模块组成，重点解决从靶点筛选到PCC（临床前候选化合物）研发过程中各个环节的难题。AI蛋白质工程技术平台是相对较新的产品，主要有蛋白建模、动力学模拟、Hotspot位点分析等功能模块，帮助解决抗体、酶、疫苗等领域的蛋白设计问题。今年在一个项目上，我们利用该平台帮助客户取得了非常不错的蛋白工程化改造的成果。针对客户的需求，智药科技未来还会研发更多新的技术平台帮助客户解决痛点。对于我们自身而言，开发新的技术平台，不仅可以加深对于新型治疗药物的理解，更能拓宽潜在市场。动脉网：可否介绍一下智药科技与其他公司合作的进展？黄韬博士：在和下游药企和Biotech的合作中，目前智药帮忙参与的管线大都在早期研发阶段。进度较快的管线目前正处于临床前阶段，预计明年或后年可以进入临床。智药科技提供的AI辅助药物研发服务覆盖了从靶点发现到ADMET预测的各个环节，已经与几十家药企和科研机构达成合作，其中多个项目已经发现活性良好的先导化合物。除了通过自主研发的技术平台与外界取得合作以外，智药科技还和CloudScientific一起与美国Nanome Inc.公司达成合作，作为Nanome（用于分子设计的协作虚拟现实工具）在大中华地区(中国大陆、香港、澳门)代理商。AI本身是对计算药物领域算法方面的改进，而在计算药物领域，另一个非常重要的应用是3D展示。Nanome公司的产品在VR应用于药物3D展示领域中占领巨大市场，是目前同类行业中的领跑者。在美国排名前20的药企中，有超过一半的公司都已经购买了他们的产品去进行3D结构的展示并进行药物设计。动脉网：公司未来发展战略布局是怎样的？黄韬博士：短期内，我们会更多地拓展技术平台应用领域，从现有的小分子、蛋白质工程领域向其他新兴治疗领域发展。关于长期战略，我们会坚持软件+服务的商业模式，帮助客户做好药，解决未满足临床需求。AIDD，来日之路光明灿烂动脉网：支撑您个人在计算药物设计深耕多年的原因是什么？黄韬博士: 热爱可抵岁月漫长。我对计算药物设计的兴趣始于2004年，到今年已有18年，在此期间没有换过专业方向。能把一件事情做好并且做出点成绩，个人就很满足。未来还会一直坚持下去，通过智药科技这个平台，开发更多解决客户需求的软件产品和服务，帮助客户更快更好地研发药物。动脉网：您对目前国内外AIDD行业发展有什么自己的见解？预测一下未来的发展前景。黄韬博士: AIDD是过去几年投资领域一个比较热门的赛道，相关话题也比较多。直到今年，我们还能看到不断有新公司涌现出来，说明这个领域还有大量的机会。结合自己多年的从业经验和研究，对于AIDD行业的发展，我观察到两个趋势：一个趋势是AI在药物研发的应用领域正在不断拓展。从一开始把AI应用在小分子药物研发，到如今将AI和抗体药物、核酸药物、细胞治疗药物相结合，带来了很多新的机遇。另外一个趋势是商业模式在不断的演进。在AI制药刚兴起的2019年，业内对于各自公司的商业模式定位都比较模糊，当时的商业模式包括：Biotech自己做药、CRO帮药企做服务、做软件等等，关于各个模式孰优孰劣的争论也比较激烈。而如今，各家公司已经找到自己的商业化模式，有的专心做Biotech去开发药物管线，有的整合实验平台做起了CRO，有的开发了软件推向市场。这些都是各家企业在不断的摸索和尝试中寻找到的适合自家的模式。但我们也能看到，商业模式仍在快速变化的，未来有可能会出现新的商业模式，或是现有商业模式的混合发展。尽管今年整体行业可能有点“冷”，但对于AIDD领域的未来，我始终对它充满信心。计算在药物研发领域中的作用会越来越重要，这个趋势不会逆转。如果说过去的40年是CADD时代，那么现在就是AIDD时代，未来可能是XXDD新时代。但无论采用什么样的计算技术，计算技术与制药相结合对药物开发带来的是效率与准确率提升。更好、更快地研发安全、有效的药物是不变的需求。关于智药科技智药科技成立于2018年8月，是一家技术平台型AIDD公司。成立之初获青松基金千万天使轮融资。智药科技为大中华区的生物医药企业和科研机构提供计算药物设计软件和服务，帮助他们研发具有自主知识产权的创新药物。现阶段智药科技的产品与服务覆盖小分子药物、抗体、酶、蛋白/多肽疫苗、核酸药物等。关于坪山创新广场坪山区创新广场位于深圳市17个重点发展片区的坪山中心区核心地段，为深圳东部CBD的重要组成部分，占地面积2.55万㎡，总建筑面积18.8万㎡。目前创新广场已引进了中建科技、比亚迪丰田、君正时代、天健坪山、鼎铉商用密码、北理工深圳汽车研究院、硬蛋微电子研究院、天使岛孵化器等260多家企业和平台机构，将聚焦生物医药、新能源、新一代信息技术等七大战略性新兴产业，打造深圳东部创新型总部企业集聚的创新超体。*封面图片来源：123rf想要联系动脉网报道的企业，请点击文末左下方“阅读原文”填写表单，我们的工作人员将征求企业意见后，尽快为您服务。左右滑动查看更多近期推荐声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。动脉网，未来医疗服务平台