Chengdu Fendi Technology Co., Ltd

2023年11月30日-12月1日，由成都高新区生物产业局指导，药融圈、天府生命科技园、成都前沿医学中心主办，成都国际生命科学创新园、成都市生物医学信息学会、DrugAI、成都高新区生物产业专家联合会、会会药咖作为支持单位的“人工智能药物开发及医疗应用论坛”在成都前沿医学中心成功举办。论坛吸引了来自全国86家企业、单位的237位嘉宾，本次大会特邀24位医疗领域和药物研发领域的专家带来精彩纷呈的报告，共同探讨人工智能在医学和药物研发领域的前沿技术和创新应用。本次论坛进行了《中国AI制药企业白皮书》线下发布，白皮书电子版可点击下方小程序下载领取。↑↑↑白皮书下载获取↑↑↑白皮书亮点回顾汇编国内优秀AIDD企业白皮书通过收集分析国内AI制药企业的细分赛道、竞争优势，对目前国内AI应用成果和案例进行的汇编。*更多企业详见白皮书内容。汇总药物研发全生命周期AI工具及案例白皮书涵盖药物发现、临床前研发、临床开发及上市后生产及商业化四大板块中各企业如何利用AI提升效率。在AI辅助药物发现领域，更多企业聚焦于靶点发现及化合物分子设计；在药物临床前开发领域，则更多关注ADMET性质预测，而数据科学和智能科学能使ADMET研究更加高效；在药物临床开发领域，作为药物研发全流程中最“烧钱”的阶段，利用AI作为试验工具能够提升药物临床研发效率，实现将本增效的目的，特别是针对临床试验的方案设计到数据管理及受试者管理、统计分析及效果预测。在药物商业化及上市后研究领域，目前国内商业化和药物的立项及研发等阶段结合已经越来越紧密，例如利用上市后的药物安全性及有效性作为支撑临床阶段药物安全及有效性的数据，可以预见今后上市后数据反哺立项阶段及临床阶段将作为药物研发的一个新趋势。未来趋势—AI辅助药物研发的机遇与挑战●多款药物进入临床，但尚无药物成功上市 ●AI制药存在“数据困境”，但并非无法破局 ●多集中在药物发现阶段，临床试验阶段应用或为AI带来新方向 ●“黑盒”算法带来安全风险，突破其不可解释难题意义显著 ●集采、医疗反腐背景冲击下，AI+市场营销迎来新机遇 ●AI+机器人能够极大提高效率 ●AIGC等新突破、新热潮的发展也将为AIDD带来强力的带动作用↑↑↑白皮书下载获取↑↑↑现场照片回顾11月30日 论坛第一天万翔成都高投生物医药园区管理有限公司，董事长开幕致辞王中健享融智云，总经理&CTO《中国AI制药企业白皮书》发布肖海波成都高投生物医药园区管理有限公司，副总经理成都前沿医学中心推介任峰英矽智能, 联席CEO&CSO从生成式AI到临床试验：AI赋能端到端药物研发彭思翔腾讯健康，数据科学负责人腾讯健康医疗大模型助力医疗智能化升级陈斌成都市生物医学信息学会秘书长、临床医学博士数字医疗前沿思考与实践沈倩诚宇道生物，联合创始人&首席执行官基于蛋白动态构象变化的小分子药物开发徐优俊英飞智药，联合创始人&AIDD负责人药效团提示驱动的AI分子设计与案例分享张勇深圳华大生命科学研究院，主任科学家云享时空  智能共创肖恩大侠医疗健康行业专业投资人医疗健康行业与AI的创业投资余昶亚马逊云科技，亚太区医疗与生命科学行业总监AIAIGC（生成式人工智能）在药物研发领域全球案例宫麟北京智医网药科技有限公司，药物研发总监、实验室负责人大数据和AI视角下的中医药研发成都前沿医学中心展厅参观阿斯利康成都中西医结合现代化创新中心参观12月1日 论坛第二天张京雷苏州共同医学发展有限公司，创始人大模型时代的数字疗法和数智医药创新何东升成都高新区生物产业局成果转化处成都高新区产业营商环境推介曹凌霄创腾科技，CEOAI在药物发现与开发领域普及应用的关键技术曾昕盛世君联，CTO从真实药物库到BioAI驱动的生物药物研发徐涛智化科技，副总裁人工智能驱动的实验室数字化、自动化倪锋宁波礼达先导，联合创始人&CEO活细胞药物靶点组学大数据的自动化采集郭震宇腾迈医药&应用科学副总监AlChemical 增强采样 (ACES) 方法提高结合自由能计算的精度魏平四川省中医药转化医学重点实验室数据智能装备中心，主任免疫有效多样性的智能评估徐小玲分迪科技，首席运营官&副总经理超大型化学空间的检索关于我们药融圈PRHub旨在帮助生物医药科技型企业进行品牌推广及商务拓展服务，针对客户的真实需求制定系统化解决方案，通过“翻译-降维-场景化”将客户的品牌信息以直白易懂的方式被公众知悉，同时在流量渠道覆盖100万+垂直用户基础上实现合作目的，帮助合作伙伴完成从品牌开始到商务为终的闭环营销服务。我们已经完成了数十场线下1000人规模的生物医药研发类会议，涵盖小分子新药，大分子新药，改良型新药，BD跨境交易等领域，品牌会议包括中国国际生物及化学制药产业大会(6000人以上)，仿制药峰会（600人以上），新药创新者系列峰会（1200人以上），服务了百余家上市/独角兽/生物技术/制药企业。天府生命科技园天府生命科技园位于成都高新区科园南路88号，占地面积111亩，总建筑面积22万㎡，已被认定为国家级科技企业孵化器、中国产学研合作创新示范基地、四川省小型微型企业创业创新示范基地，四川省科技孵化载体服务联盟先进集体，成都菁蓉创孵之星。截至目前，高投生物医药园公司累计培育4家上市企业、19家“专精特新”企业、4家独角兽（潜在独角兽）企业。成都前沿医学中心一期位于成都高新区新川路2222号，总建筑面积29.4万㎡，于2018年底投入使用。聚焦前沿医学、精准医疗、智慧健康和医疗美容等跨界融合的新业态，目前已引进“疾病分子网络前沿科学中心”和“国家精准医学产业创新中心”等40个高水平研发平台；引入14个四川大学教授成果转化创办企业，落地世界500强企业项目阿斯利康中国西部总部、中国医药工业百强项目倍特药业研发中心。二期项目总建筑面积约30.34万㎡，定位打造“BT+IT”融合产业示范园区，重点发展互联网+医疗健康服务、人工智能（生物信息）+精准医学、人工智能+医疗器械、医药器械销售流通四大方向，于2023年11月投运。目前已确定落地天府锦城实验室（前沿医学中心）、北京大学成都前沿交叉生物技术研究院等重大科研转化项目及生物医药大科学装置平台。

近年来，随着成都在医疗大健康产业生态打造方面的逐步加码，重大项目、人才的引进，成都在中国西部地区医疗行业的枢纽地位日趋明显。“人工智能药物开发及医疗应用论坛”将于2023年11月30日-12月1日在成都前沿医学中心举办，活动当日将有走进阿斯利康、《中国AI制药企业白皮书》发布等活动及十余位医疗领域和药物研发领域的专家，共同探讨人工智能在医学和药物研发领域的前沿技术和创新应用，深入了解医疗大健康产业数字化未来趋势及成都在医疗大健康产业布局。↑↑↑快速报名通道↑↑↑会议信息会议名称：人工智能药物开发及医疗应用论坛会议时间：2023年11月30日-12月1日会议地点：成都前沿医学中心E1栋指导单位：成都高新区生物产业局主办单位：药融圈、天府生命科技园、成都前沿医学中心支持单位：成都国际生命科学创新园（iCampus）、成都市生物医学信息学会、DrugAI、成都高新区生物产业专家联合会、会会药咖嘉宾信息排名不分先后，按照嘉宾姓名首字母排序曹凌霄创腾科技创始人&CEOAI在药物发现与开发领域普及应用的关键技术● 药物发现和开发阶段关键业务场景的总结和归纳● 基于数据驱动的人工智能平台需要具备的相关关键技术● 如何赋能AI的普及应用和传统创新模式的变革曹凌霄，苏州创腾软件有限公司创始人兼CEO，在计算机辅助药物设计、分子模拟与人工智能以及研发数据采集与管理有着多年的研发，推广和管理经验，曾获中国科学院，科技部和航空部相关科技进步奖项。其创立的创腾软件有限公司已经为超过1200家企业和科研机构提供了分子模拟，人工智能和研发数据采集与管理的软件平台，支持了数十万科研人员的应用研究。自2016年起，开始自主研发新一代基于科学数据驱动的人工智能应用SaaS平台，并在数百家企业和科研机构得到落地应用。陈斌成都市生物医学信息学会秘书长、临床医学博士数字医疗前沿思考与实践● 医疗数字化的发展历程和特征● 数字医疗的实践应用● 数字医疗的未来华西医院临床医学博士后，消化内科医生，中国医药教育协会数字医疗专委会副秘书长，四川大学校友总会全球创联副秘书长，成都市生物医学信息学会执行会长兼秘书长宫麟北京智医网药科技有限公司药物研发总监、实验室负责人大数据和AI视角下的中医药研究● 大数据与AI背景下的中西医药研究探索● 从网络与系统角度探索中医药原理，促进精准研发● 探索与展望北京药师协会传承创新专业委员会副主任委员，北京中医药学会中药制剂专业委员会委员、中医药创新转化工作委员会委员，北京中西医结合学会成果转化专业委员会委员。从事中药制剂研发、中医药科技成果转化工作19年。主持、参与新药研发5项（中药3项、化药2项）。主持医疗机构制剂成果转化项目3项，获得中华中医药学会科学技术奖一等奖1项。郭震宇腾迈医药应用科学副总监AlChemical 增强采样 (ACES) 方法提高结合自由能计算的精度小分子与蛋白质结合强度的计算机模拟，如相对和绝对结合自由能（RBFE 和 ABFE）的预测，可大大提高从苗头化合物到先导化合物优化阶段的效率。其预测准确度很大程度上取决于采样精度。通过这次分享，我们将展示Alchemical增强采样 (ACES) 方法在加速收敛方面的广泛功效和实战用例。我们观察到使用 ACES 计算的所有靶标的 RBFE 和 ABFE 具有相当甚至更好的准确性，并且与使用更传统的 HREMD 方法获得结果相比，精度显著提高。中国科学技术的大学学士，华盛顿大学（西雅图）-中科大联合培养博士。研 究领域为量子化学和分子模拟基本理论发展及其应用。历任腾迈医药计算化学首席研究员，副总监，小分子力场平台的负责人，负责并参与多个计算平台工具的开发和药物研发项目。加入腾迈医药之前，曾任四川大学副教授，硅康医药高级研究员。倪峰宁波礼达先导创始人&CEO活细胞药物靶点组学大数据的自动化采集● 活细胞中蛋白靶点和配体结合数据是药物设计和预测的重要依据● 化学蛋白组学是活细胞蛋白靶点/配体数据获取的高效手段● 突破化学蛋白组学样品批量制备和大数据采集瓶颈的自动化技术● 活细胞药物靶点组学大数据将赋能小分子药物设计生成式模型毕业于厦门大学化学化工学院，美国南加州大学博士后、高级科学家，宁波大学教授，主要研究方向为生命有机化学，化学蛋白组学和药物发现。国际化学探针组织Chemical Probes Portal 科学评审专家，浙江省生物信息学会智能药学专业委员会副主任委员，第24届国际磷化学大会秘书长。2017年倪锋先后联合创立宁波礼达先导和宁波大学新药技术研究院，现任宁波礼达先导生物技术有限公司CEO、CTO。专注于搭建化学蛋白组学技术平台，进行活细胞中药物与蛋白靶点数据的挖掘及应用，为数十家客户提供药物靶点鉴定，药物筛选发现以及实验室数据获取自动化服务。任峰英矽智能联合首席执行官&首席科学官从生成式AI到临床试验：AI赋能端到端药物研发● Generative AI enabled Biology and Chemistry●  AI Powered Discovery for IPF and IBD● Insilico At A Glance：A Generative AI & Robotics Powered Biotech任峰博士，英矽智能联合首席执行官兼首席科学官。毕业于美国哈佛大学化学系，拥有超过15年药物研发行业经验。曾任跨国药企葛兰素史克的小分子创新药物研发负责人，2018年加入上海美迪西，历任副总裁、高级副总裁，全面负责化学部和生物部的研发服务业务以及公司的药物发现平台服务业务。2021年加入英矽智能任首席科学官，带领药物研发团队利用公司自主研发的人工智能平台构建临床前/临床产品管线和外部项目合作。任峰博士发表国际学术论文50余篇、国际专利40余件。沈倩诚宇道生物联合创始人&首席执行官基于蛋白动态的小分子药物探索● 变构药物为不可成药靶点提供解决方案，但变构药物开发仍然存在挑战● 宇道AlloStarTM智能化变构药物发现平台始于蛋白动态变化● 宇道AlloStarTM智能化变构药物发现平台简介与案例分享沈倩诚博士，宇道生物CEO, 联合创始人。毕业于中国科学院上海药物研究所，具有生物学、计算化学、临床生物信息学等交叉学科研究背景，长期聚焦于变构机制小分子药物的研究及开发领域。目前沈倩诚博士主要负责公司的运营、组织架构、BD及融资等事务。王中健享融智云总经理&CTO大数据在生物医药立项决策中的应用● 大数据在生物医药立项决策中的应用● 大数据在生物医药立项决策中的应用案例分享2012年毕业于中国科学院上海微系统与信息技术所，工学博士，擅长行业大数据集成开发、高科技情报挖掘、行业知识工程体系设计，领域众包平台的搭建；尤其在生物医药、材料科学、化学化工等领域有近10年的科技文本挖掘与细分行业数据集成经验。魏平四川省中医药科学院、四川省中医药转化医学中心、四川省中医药转化医学重点实验室数据智能装备中心，主任免疫有效多样性的智能评估● 免疫多样性和特异性对于理解适应性免疫应答和免疫治疗至关重要。● 给出综合性概念—TCR有效多样性的定义，揭示有效多样性的科学意义。● 当前免疫特异性智能预测算法进展。● 应用场景，问题与挑战。现任四川省中医药转化医学中心数据智能装备中心主任。入选四川省高层次人才引进专家，成都市人才计划专家。主要从事医疗和健康信息化应用解决方案，医疗大数据、生物信息学智能分析，面向重大疾病预防、远程诊疗、治未病中心、家庭社区健康管理等场景研发中西医融合关键技术装备与转化应用。作为课题负责人承担多项部、省、市级科技支撑计划、重大新药创制、科技成果转化等科研项目。获授权技术发明专利20余项，发表论文30余篇。肖恩大侠医疗健康行业专业投资人医疗健康行业与AI的创业投资● 医疗健康行业的发展及演变趋势● AI技术的发展及应用● 医疗健康领域的AI创业投资历任港股生物医药上市公司首席战略官、副总裁，央企医药集团投资发展部总经理，美国MSQ Ventures风险合伙人，华盖医疗基金董事总经理。徐涛智化科技副总裁人工智能驱动的实验室数字化、自动化● 利用AI机器学习模型提高合成效率● ChemAIRS实验室自动化平台● 化学研发从传统模式向人工智能的迈进徐涛博士，智化科技副总裁，致力于分子模拟，CADD及人工智能领域，实现药物研发数字化、实验室自动化的工程化、产品化、商业化，赋能生命科学研究、生物医药研发创新，目前已经为国内超过两百家“产学研政”客户提供过产品技术服务。2019年入选苏州工业园区领军人才。徐优俊英飞智药联合创始人&AIDD负责人药效团提示驱动的AI分子设计与案例分享● 生成式模型是否能够进行有效的药物设计？● 针对AI分子生成模型在药物设计中存在的问题的AI分子生成技术● 应用案例分享北京英飞智药科技有限公司联合创始人、AIDD技术负责人，主要负责药物分子设计平台的PharmaMind®️和靶点发现与评估平台TopTargets™️的功能技术模块的开发与优化。2019年博士毕业于北京大学。自2014年起从事AI药物设计的应用研究工作，在AI药物设计领域发表论文20余篇，早年利用图神经网络来做小分子的表征与毒性预测研究，主导开发的CavityPlus网站完成了超过3万次靶点结构计算分析，在JCIM上以封面论文发表了基于AI的高精度光学化合物图像识别系统MolMiner，曾获得默克杯AI逆合成预测比赛冠军。余昶亚马逊云科技亚太区医疗与生命科学行业总监AIGC（生成式人工智能）在药物研发领域全球案例● 生成式人工智能在药物研发中的应用及如何充分利用亚马逊云科技（AWS）的全球化基础设施● 生成式人工智能公司（AIGC）通过在亚马逊云科技平台上构建创新性的解决方案● 应用案例分享余昶先生于2019年加入亚马逊云科技公司，担任生命科学行业总监。长期从事生物信息领域相关工作，拥有丰富工业界经验和学术经历。余昶先生获得香港科技大学工商管理硕士学位，及四川大学生物医学工程硕士学位。曾任职于英伟达中国，英特尔中国，华大基因，并担任华大基因-香港中文大学跨组学创新学院兼职助理教授，香港大学计算机系高级科研助理、IT项目经理。现担任四川大学生物医学工程专业学位研究生产业导师，香港中文大学（深圳）兼职导师。共发表论文29篇，拥有两项发明专利。获得2011年度深圳市技术发明奖，科睿唯安2019年度“全球高被引科学家”。张京雷苏州共同医学董事大数据时代的数字疗法和数智创新● 数字医疗/数字疗法概念● 国内各地区最新数字疗法政策● 国内外数字疗法临床应用情况分析● 国内外数字医疗企业现状/临床应用需求● 数字疗法、数字医疗与医疗领域的数智创新张京雷，携力健康管理集团创始人、共同医学研究联合创始人，苏州数字医疗创新联合体联合发起人，雄安新区生物医药产业发展支持人，中国康复技术转化及发展促进会数字疗法专业委员会委员，中国医药教育协会数字医疗专委会委员2019年创建携力健康管理集团，2022年创立共同医学研究，致力于将最新的药械技术、管理平台、数字疗法与慢病管理临床实践相结合并在海南乐城医疗先行区、大湾区、江苏苏州、上海、北京、天津和雄安新区等地落地。2017年初至2019年初担任头部医疗AI科技公司Airdoc合伙人和副总裁，此前他曾在强生中国和诺华中国总部等工作十余年，主要负责政府事务和重点客户管理，重点支持血液及实体肿瘤、心脑血管、精神卫生、内分泌及代谢和呼吸科等产品线。张京雷于2012年获得加拿大渥太华大学MBA学位，1996年他获得医学学士学位。张勇深圳华大生命科学研究院主任科学家云享时空  智能共创● 时空云平台的技术优势● 时空云平台的应用案例分享张勇，男，博士，2010年参加工作，华大研究院时空工具专项主任科学家，AVS-G国家基因数据压缩标准工作组联合组长，作为核心骨干参与国家重点研究计划“精准医学研究”重点专项等多个科研项目，建立了我国自主的基因数据压缩标准，开发了多项自主知识产权的生物信息处理工具和分析系统。在生信大数据系统方面，主导建设了华大大数据平台核心-生命大数据处理平台和华大时空分析云平台，支持生信大数据自动化计算，数据仓库管理和可视化、交互式数据分析等功能，并领导建立了华大数据金标准和国家基因数据压缩标准，发表了5项团体标准和多项企业标准。在生物信息算法软件方面，先后主导开发大规模并行生物信息软件SOAPgaea、SOAPMetaS和SOAPnuke等，数据压缩软件seqarc，低深度变异检测工具BGI-lowpass，时空单细胞处理工具SAW、Stereopy等，实现了超过2000多万的产业转化，支持了数百PB的数据处理。发表文章8篇，其中一作和通讯4篇，申请专利8项，软著10余项。曾昕盛世君联CTO大数据时代的数字疗法和数智创新● 全合成库技术和序列数据● BioAI系统和BioAI for Scientists软件介绍● 应用案例曾昕，博士，成都盛世君联生物技术有限公司首席技术官。博士毕业于清华大学，先后获得成都市“蓉漂人才”计划和成都市高新区“金熊猫”计划，成都医学院校外硕导。结构生物学专业背景深厚，在《自然》等杂志上发表过高分论文。在大分子药物的设计和优化领域有着丰富的一线经验，领导或深度参与了多个单抗、双抗、CAR-T药物的临床前开发。郑铮予路乾行创始人&CEO分子动力学——新药研发分子机制背后的精密科学● 为什么需要三维结构柔性机制信息● 多尺度分子动力学在药物研发中的作用● 应用案例分享予路乾行创始人郑铮博士为北京大学药学+佛罗里达大学计算化学复合背景，师从计算化学领域全球顶级专家Kenneth Merz教授，曾担任美国QuantumBio药物设计软件公司资深科学家，担任化学信息学国际顶级期刊 J. Chem. Inf. Model 编委。开发算法曾授权美国QuantumBio公司在北美进行商业化，服务客户包括GSK，Merck，MD Anderson等。公司算法曾获诺贝尔化学奖得主R. Hoffman推荐。郑铮博士曾获中国产学研合作创新奖、苏州工业园区科技领军人才称号，迄今已在国际顶级学术期刊发表学术论文40余篇，学术专著1部，主持及参与美国NIH项目2项，中国国家自然科学基金1项；主导多项国际专利的商业转化。会议日程议程可能变动，以现场为准11月30日 论坛第一天09:00-09:20开幕式致辞09:20-09:40中国AI制药企业白皮书发布09:40-10:10从生成式AI到临床试验：AI赋能端到端药物研发任峰，英矽智能, 联合首席执行官&首席科学官10:10-10:30茶歇10:30-11:00AI在药物发现中的算法实践腾讯健康智慧医疗（嘉宾行程确认中）11:00-11:30数字医疗前沿思考与实践陈斌，成都市生物医学信息学会秘书长、临床医学博士11:30-12:00基于蛋白动态构象变化的小分子药物开发沈倩诚，宇道生物，联合创始人，首席执行官12:00-13:30午餐13:30-14:00分子动力学——新药研发分子机制背后的精密科学郑铮，予路乾行，创始人&CEO14:00-14:30药效团提示驱动的AI分子设计与案例分享徐优俊，英飞智药，联合创始人14:30-15:00云享时空  智能共创张勇，深圳华大生命科学研究院，主任科学家15:00-15:15茶歇15:15-15:45医疗健康行业与AI的创业投资肖恩大侠，医疗健康行业专业投资人15:45-16:15AIGC（生成式人工智能）在药物研发领域全球案例余昶，亚马逊云科技，亚太区生命科学行业总监16:15-16:45大数据和AI视角下的中医药研发宫麟，北京智医网药科技有限公司，药物研发总监、实验室负责人16:45-18:00成都前沿医学中心参观阿斯利康成都中西医结合现代化创新中心参观12月1日 论坛第二天09:00-09:30大数据在生物医药立项决策中的应用王中健，享融智云，总经理&CTO09:30-10:00大模型时代的数字疗法和数智医药创新张京雷，苏州共同医学发展有限公司，创始人10:00-10:15产业环境介绍及政策解读嘉宾行程确认中10:15-10:30茶歇10:30-11:00AI在药物发现与开发领域普及应用的关键技术曹凌霄，创腾科技，CEO11:00-11:30从真实药物库到BioAI驱动的生物药物研发曾昕，盛世君联，CTO11:30-12:00人工智能驱动的实验室数字化、自动化徐涛，智化科技，副总裁12:00-13:30午餐13:00-14:00活细胞药物靶点组学大数据的自动化采集倪锋，宁波礼达先导，创始人&CEO14:00-14:30AlChemical 增强采样 (ACES) 方法提高结合自由能计算的精度郭震宇，腾迈医药，应用科学副总监14:30-15:00免疫有效多样性的智能评估魏平，四川省中医药转化医学重点实验室数据智能装备中心，主任15:00-15:30超大型化学空间的检索徐小玲，分迪科技，首席运营官&副总经理报名活动▲转发与本次会议相关文章至朋友圈，11月30日-12月1日现场签到即可领取商务简餐1份，先到先得哦~▲转发与本次会议相关文章至朋友圈，11月30日现场签到即可免费领取《中国AI制药企业白皮书》▲点击下方小程序填写信息并上传截图本次报名为预登记，以审核结果为准！如何查看审核结果？方式一：扫描报名二维码查看目前审核进度方式二：查看是否收到短信通知方式三：会务组微信添加或电话通知参会咨询：18215607723（李亚玲，微信同号）关于我们药融圈PRHub旨在帮助生物医药科技型企业进行品牌推广及商务拓展服务，针对客户的真实需求制定系统化解决方案，通过“翻译-降维-场景化”将客户的品牌信息以直白易懂的方式被公众知悉，同时在流量渠道覆盖100万+垂直用户基础上实现合作目的，帮助合作伙伴完成从品牌开始到商务为终的闭环营销服务。我们已经完成了数十场线下1000人规模的生物医药研发类会议，涵盖小分子新药，大分子新药，改良型新药，BD跨境交易等领域，品牌会议包括中国国际生物及化学制药产业大会(6000人以上)，仿制药峰会（600人以上），新药创新者系列峰会（1200人以上），服务了百余家上市/独角兽/生物技术/制药企业。天府生命科技园天府生命科技园位于成都高新区科园南路88号，占地面积111亩，总建筑面积22万㎡，已被认定为国家级科技企业孵化器、中国产学研合作创新示范基地、四川省小型微型企业创业创新示范基地，四川省科技孵化载体服务联盟先进集体，成都菁蓉创孵之星。截至目前，高投生物医药园公司累计培育4家上市企业、19家“专精特新”企业、4家独角兽（潜在独角兽）企业。成都前沿医学中心一期位于成都高新区新川路2222号，总建筑面积29.4万㎡，于2018年底投入使用。聚焦前沿医学、精准医疗、智慧健康和医疗美容等跨界融合的新业态，目前已引进“疾病分子网络前沿科学中心”和“国家精准医学产业创新中心”等40个高水平研发平台；引入14个四川大学教授成果转化创办企业，落地世界500强企业项目阿斯利康中国西部总部、中国医药工业百强项目倍特药业研发中心。二期项目总建筑面积约30.34万㎡，定位打造“BT+IT”融合产业示范园区，重点发展互联网+医疗健康服务、人工智能（生物信息）+精准医学、人工智能+医疗器械、医药器械销售流通四大方向，于2023年11月投运。目前已确定落地天府锦城实验室（前沿医学中心）、北京大学成都前沿交叉生物技术研究院等重大科研转化项目及生物医药大科学装置平台。

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