药物发现过程通常既耗时又费力。一个成功的新药开发需要突破从可成药的靶点蛋白识别到巨额费用的临床试验等许多难关。
但基于高质量大数据分析和机器学习等人工智能的帮助，可以大大简化药物发现过程，减少所涉及的时间和成本，能开发出更有效和高效的治疗方法。据《福布斯》报道，制药公司通过使用人工智能进行药物发现可以节省近 70% 的成本。
需要明确的是，技术本身并不是目的，解决药物研发的问题才是。换句话说，“黑猫白猫，能抓老鼠的就是好猫”。对于新药研发来说，AI是一只好猫吗？
AI研发降本增效，但行业争议仍存
新药研发的目标在于“设计并合成具有足够稳定性和选择性的分子，达到与靶点蛋白相互作用并扰乱其致病功能的效果，进而实现治疗疾病的目的。”
传统的药物发现过程从一开始就是基于有限证据的盲人摸象游戏，有位基因泰克的高管曾在TED演讲时总结为“瞎猫碰死耗子”。而且过程极其漫长（10-15年）、复杂（需要多名不同背景专家的努力）且昂贵（数十亿美元）。它涉及几个阶段，每个阶段的失败率都很高，而人工智能能够在药物研发全生命周期发挥作用，如药物设计、化学合成、药物筛选、多药理学和药物再利用等。它提供了一种更快速、更准确、更高效的方法来发现和设计新药物，达到降本增效的目的。
药物发现：人工智能可以帮助科学家从数以百万计的候选化合物中筛选出最有可能成为治疗方案的化合物。通过机器学习算法，人工智能可以分析大量已知药物的结构、性质和活性，预测哪些化合物具有潜在的生物活性，并加速药物研发的流程。
药物设计：人工智能可以通过模拟分子动力学和分子对接等技术，精准地预测化合物与靶标的相互作用，帮助科学家制定更优秀的药物设计方案。
临床前研究：人工智能可以分析患者的基因组数据、影像数据和生理数据等信息，帮助科学家更好地理解疾病的机制和病理生理过程，以及预测药物在人体中的药代动力学和剂量。这些信息不仅有助于确定最佳的治疗方案，而且可以帮助科学家更好地了解药物的安全性和毒性。
个体化医疗：人工智能可以根据每个患者的基因组、表型和环境因素等信息，为每个患者提供最适合的治疗方案。通过这种方式，科学家可以开发出更加个性化和精确的药物，提高治疗效果并降低副作用。
总之，人工智能在新药物研发中发挥着越来越重要的作用。
在争议中前行
就在同一时期，英矽智能（Insilico Medicine）在6月27日宣布，其已经开始AI研制药物的首批人体试验，为一名中国患者提供了一种治疗慢性肺部疾病特发性肺纤维化的新型疗法。该药研发代号INS018_055，是全球第一种完全由AI设计和研制的药物，目前已推进至2期临床试验验证阶段，或即将成为制药业的重要里程碑。
INS018_055进入临床2期就是将AI和DD（药物发现/设计）有机结合的有力证明。
笔者看来，薛定谔代表的传统计算机药物设计软件公司和英矽智能代表的新兴AIDD公司就好比是黑猫白猫。传统的CADD软件公司也不断在自己的计算平台中加入先进的AI算法提高软件性能。比如业界常用的商业套件薛定谔公司maestro，德国Biosolvit公司的SeeSAR以及Cresset公司spark等优秀代表。
以激酶抑制剂TYK2为例，之前曾被宣传为“AI驱动的药物研发”的典型。但实际上，该案例是由薛定谔子公司Nimbus以BMS发表的分子结构为参考，在进行FEP（Free Energy Perturbation）计算优化的基础上得到的结果。FEP计算方法被广泛应用于预测同系物的结合自由能变化，近年来，得益于计算机性能的飞速发展，它已经成为药物设计中研究自由能的主要手段。
CADD领域的专家告诉笔者，基于传统虚拟对接和MMGBSA计算的候选化合物与实际测试后的化合物活性相关性不到30%。最近随着计算能力的提升，利用自由能计算（如FEP）等技术，可以将激酶抑制剂等化合物的活性预测准确率提高到70%。需要特别关注的是，FEP等功能的授权价格十分昂贵。且这类技术属于关键技术，一旦遭到国外公司的拒绝授权，就类似于关闭了GPS导航系统。
幸运的是，近几年国内也涌现出不少优秀的人工智能药物研发公司，有望打破技术垄断给更多研究团队四两拨千斤的工具。
但基于高质量大数据分析和机器学习等人工智能的帮助，可以大大简化药物发现过程，减少所涉及的时间和成本，能开发出更有效和高效的治疗方法。据《福布斯》报道，制药公司通过使用人工智能进行药物发现可以节省近 70% 的成本。
需要明确的是，技术本身并不是目的，解决药物研发的问题才是。换句话说，“黑猫白猫，能抓老鼠的就是好猫”。对于新药研发来说，AI是一只好猫吗？
AI研发降本增效，但行业争议仍存
新药研发的目标在于“设计并合成具有足够稳定性和选择性的分子，达到与靶点蛋白相互作用并扰乱其致病功能的效果，进而实现治疗疾病的目的。”
传统的药物发现过程从一开始就是基于有限证据的盲人摸象游戏，有位基因泰克的高管曾在TED演讲时总结为“瞎猫碰死耗子”。而且过程极其漫长（10-15年）、复杂（需要多名不同背景专家的努力）且昂贵（数十亿美元）。它涉及几个阶段，每个阶段的失败率都很高，而人工智能能够在药物研发全生命周期发挥作用，如药物设计、化学合成、药物筛选、多药理学和药物再利用等。它提供了一种更快速、更准确、更高效的方法来发现和设计新药物，达到降本增效的目的。
药物发现：人工智能可以帮助科学家从数以百万计的候选化合物中筛选出最有可能成为治疗方案的化合物。通过机器学习算法，人工智能可以分析大量已知药物的结构、性质和活性，预测哪些化合物具有潜在的生物活性，并加速药物研发的流程。
药物设计：人工智能可以通过模拟分子动力学和分子对接等技术，精准地预测化合物与靶标的相互作用，帮助科学家制定更优秀的药物设计方案。
临床前研究：人工智能可以分析患者的基因组数据、影像数据和生理数据等信息，帮助科学家更好地理解疾病的机制和病理生理过程，以及预测药物在人体中的药代动力学和剂量。这些信息不仅有助于确定最佳的治疗方案，而且可以帮助科学家更好地了解药物的安全性和毒性。
个体化医疗：人工智能可以根据每个患者的基因组、表型和环境因素等信息，为每个患者提供最适合的治疗方案。通过这种方式，科学家可以开发出更加个性化和精确的药物，提高治疗效果并降低副作用。
总之，人工智能在新药物研发中发挥着越来越重要的作用。
在争议中前行
就在同一时期，英矽智能（Insilico Medicine）在6月27日宣布，其已经开始AI研制药物的首批人体试验，为一名中国患者提供了一种治疗慢性肺部疾病特发性肺纤维化的新型疗法。该药研发代号INS018_055，是全球第一种完全由AI设计和研制的药物，目前已推进至2期临床试验验证阶段，或即将成为制药业的重要里程碑。
INS018_055进入临床2期就是将AI和DD（药物发现/设计）有机结合的有力证明。
笔者看来，薛定谔代表的传统计算机药物设计软件公司和英矽智能代表的新兴AIDD公司就好比是黑猫白猫。传统的CADD软件公司也不断在自己的计算平台中加入先进的AI算法提高软件性能。比如业界常用的商业套件薛定谔公司maestro，德国Biosolvit公司的SeeSAR以及Cresset公司spark等优秀代表。
以激酶抑制剂TYK2为例，之前曾被宣传为“AI驱动的药物研发”的典型。但实际上，该案例是由薛定谔子公司Nimbus以BMS发表的分子结构为参考，在进行FEP（Free Energy Perturbation）计算优化的基础上得到的结果。FEP计算方法被广泛应用于预测同系物的结合自由能变化，近年来，得益于计算机性能的飞速发展，它已经成为药物设计中研究自由能的主要手段。
CADD领域的专家告诉笔者，基于传统虚拟对接和MMGBSA计算的候选化合物与实际测试后的化合物活性相关性不到30%。最近随着计算能力的提升，利用自由能计算（如FEP）等技术，可以将激酶抑制剂等化合物的活性预测准确率提高到70%。需要特别关注的是，FEP等功能的授权价格十分昂贵。且这类技术属于关键技术，一旦遭到国外公司的拒绝授权，就类似于关闭了GPS导航系统。
幸运的是，近几年国内也涌现出不少优秀的人工智能药物研发公司，有望打破技术垄断给更多研究团队四两拨千斤的工具。
