近日，首款生成式AI發(fā)現(xiàn)和設計的藥物得到臨床療效驗證。一款來自AI制藥公司英矽智能的TNIK抑制劑ISM001-055在IIa期臨床試驗中取得了積極的初步研究結果。在特發(fā)性肺纖維化（IPF）這一難治性疾病領域，ISM001-055顯示出改善患者的用力肺活量（FVC）的潛力。
生成對抗網絡技術在生成化學領域的應用發(fā)展
新藥研發(fā)投資大、周期長、風險高。Nature數(shù)據(jù)顯示，一款新藥的研發(fā)成本平均約26億美元，耗時約10年，成功率不到10%。新藥研發(fā)大致可分為：疾病假說和靶點確認、化合物設計和評估，以及臨床試驗驗證等三個階段。
AI平臺在藥物研發(fā)過程中發(fā)揮著越來越重要的作用，其大大提高了研發(fā)效率，降低了研發(fā)成本。以ISM001-055為例，從早期的靶點發(fā)現(xiàn)到臨床前候選化合物的確定，英矽智能僅用了18個月的時間，并投入了260萬美金的研發(fā)資金。相比之下，傳統(tǒng)藥物研發(fā)流程通常需要4年半的時間，并需耗費數(shù)千萬美金以上的研發(fā)投入。AI的發(fā)展，為新藥研發(fā)帶來了新的技術手段，有望應用于藥物研發(fā)中的多個場景和階段，幫助提高新藥研發(fā)的效率和成功率。
利用生成式AI技術，英矽智能針對特發(fā)性肺纖維化這一難治性疾病，找到了全新的靶點，并成功生成了能夠抑制該靶點的分子。據(jù)悉，為搭建最初的疾病靶點假說，研發(fā)團隊采用英矽智能Pharma.AI平臺的靶點發(fā)現(xiàn)引擎PandaOmics，首先在按照年齡和性別注釋的組學數(shù)據(jù)和臨床數(shù)據(jù)集上進行訓練，再利用2016年發(fā)表在Nature Communications的iPANDA算法，通過深度特征合成、因果關系推斷和全新通路重建提名潛力靶點。此后，團隊融合自然語言處理（NLP）引擎，基于涵蓋專利、出版物、研發(fā)基金、臨床試驗等文本數(shù)據(jù)的百萬級文件進行新穎性評估和疾病-靶點關聯(lián)度評分。
在英矽智能首席科學官任峰看來，當缺乏AI技術助力時，藥物研發(fā)管線的成功率往往低于5%，即有95%的項目可能遭遇失敗。而引入AI技術后，盡管無法確保將成功率提升至100%，但即便是將成功率提升三倍乃至五倍，已是很大的進步。他認為，有關AI必然失敗或必然成功的觀點都有失偏頗。對于AI制藥技術應當持有合理的期望值。
任峰表示，過往，中國在藥物研發(fā)領域擅長的是從“1到100”的跟進與優(yōu)化工作。一旦有了優(yōu)質的產品，中國在快速跟進與市場競爭方面往往能超越全球其他國家和地區(qū)。在“1到100”的轉化過程中，中國無疑展現(xiàn)出了卓越的實力。然而，在創(chuàng)新藥領域，中國所欠缺的往往是“0到1”的原創(chuàng)性突破。而AI技術的引入，無疑為國內進行原創(chuàng)性藥物研發(fā)提供了新的可能性和機遇。
