点燃创新药的火种,AI赢面有多大?


 

 

新晋“欧股市值一哥”诺和诺德,这回选择“押注”AI制药了。
 
9月25日,这家凭借司美格鲁肽降糖、减肥等功效几度出圈的MNC,和Valo Health达成总计27亿美元的合作,试图加速心脏代谢疾病药物开发,挖深自己的护城河。
 
当然,走上AI制药的可不仅是诺和诺德。把时间往前推5天,另一家制药巨头默克分别跟两家公司签署协议,合计花费超过12亿美元探索AI制药的可能。9月9日,阿斯利康旗下的Alexion也宣布一项长达4年的合作,期望借助机器学习为罕见病药物开发提供指引,潜在里程碑款项最高达到8.4亿美元。
 
众所周知,新药研发需要耗费大量的时间和金钱,根据“双十定律”,药企向市场推出一款新药平均需要10年,投入成本约10亿美元。但这显然是化约式的说法,资金投入的水涨船高早就不是秘密。Drug Discovery Today发表的报告显示,制药巨头研发一款新药的成本已经高达61.6亿美元。
 
如果成本投入最终可以通过市场回报来填补,对药企而言,上述局面倒还不成问题。但在专利悬崖叠加IRA等其他因素的介入下,开发新药的回报率呈现的趋势并不乐观。而AI的出现,被寄予破局的可能性。
 
AI制药,是以医药大数据为基础,通过运用机器学习、深度学习等AI技术代替大量实验,对药物结构、功效等进行快速分析,以达到缩短试验周期、降低成本、促进新药发现、提升试验成功率的目的。
 
理论上说,AI技术可赋能新药研发全产业链,这种想象空间令AI制药概念一度备受追捧,成为创新药领域的新宠。据Deep Pharma Intelligence统计,截至2022年,全球近800家AI制药公司获得的总投资额达到59.3亿美元,9年间增长了27倍。并且,该领域的资本热度还未消退。
 
光在过去的8月里,共有15家AI制药公司披露完成新一轮融资。到9月,Generate Biomedicines完成2.73亿美元的C轮融资。
 
尽管得承认,AI制药的模式尚未完全走通,但一些逐渐延伸向终点的火苗正在燃起。9月12日,英矽智能以8000万美元卖出ISM3091。正如该公司创始人Alex Zhavoronkov强调的,此次合作有别于主流聚焦的靶点发现阶段,而将AI生成的药物直接以license-out形式转让。
 
AI与制药的碰撞,会产生怎样的火花?从星星之火到燎原之势,AI制药还要等多久?

 

 
1
1个月,15家,融了近60亿元 

从模式创新的意义上,AI制药理念由来已久。1980年,默沙东运用计算机辅助药物设计(CADD)进行药物发现,开创计算化学在药物研发领域的应用,这可以算作最早时期的跨界探索。

 

2012年,Exscientia将AI用于药物研发。近年来,随着AI和计算机技术的爆发式增长,尤其是AlphaFold2以及ChatGPT的出现,AI制药更是迎来快速发展。不完全统计,全球已经有近800家AI制药公司。

 

即使在生物医药行业遭遇资本寒冬的情况下,AI制药赛道的融资事件仍较为火爆,该领域吸引的融资不断创新高。仅在今年8月,全球就一共有15家AI制药企业完成新一轮融资,披露交易总金额约58.06亿元。

 

 

来源:公开资料

 

Genesis Therapeutics以B轮2亿美元位居8月AI制药领域融资金额榜首。而放眼国内,深势科技以C轮7亿元创下8月AI制药领域融资新高,这家成立仅3年的初创公司估值已从最初的1亿元上涨至如今的数十亿元。

 

分析8月的融资情况可以发现,资本对AI制药企业的关注点主要聚焦在早期阶段,大部分企业都处于A轮、天使轮。技术平台在药物发现、筛选、设计等加入AI辅助,加速遗传性疾病、神经性疾病、免疫系统疾病和肿瘤等多领域研发。

 

MNC也正积极布局AI制药。在这其中,阿斯利康是典型代表。

 

9月8日,阿斯利康旗下专注于罕见病的Alexion与一家利用AI开发神经系统疾病疗法的Verge Genomics达成一项近9亿美元的合作,共同开发针对神经退行性疾病与神经肌肉疾病的新型药物靶点。

 

这已经不是阿斯利康初涉AI制药。2017年,阿斯利康试水AI。2019年,其成立数据科学和AI部门,接着便频繁合作AI制药公司,以发现新靶点、提供自动化化合物合成效率。目前,阿斯利康达成的AI合作至少27项,成为全球AI合作伙伴最多的跨国药企。

 

2019年不仅是阿斯利康广泛涉猎AI制药的开始,也是AI制药赛道火爆的开端。2020年,AI制药赛道交易总额突破40亿美元,2021年交易总额就已达143亿美元,交易金额的快速增长足以看出药企对AI制药的高涨热情。

 

阿斯利康之外,武田制药、罗氏、GSK、辉瑞、赛诺菲、诺华、BMS、默沙东、礼来等MNC,在AI制药领域也均有布局,它们大多通过投资/收购、孵化器赋能AI制药初创企业进入AI制药领域。

 

来源:公开资料(不完全统计)

 

巨头们重金押注的赛道,一定程度上代表了整个行业的发展风向。但具体来说,AI与制药的结合,究竟会产生怎样的奇妙反应?

 

 
2
AI与制药:平台加成进临床

要想发挥AI在新药研发领域的真正价值,一个重点在于“新药研发平台”。平台不仅意味着碎片环节的整合,还暗示了规模效应带来的成本降低。

 

以国内的华为云为例,其开发的基于盘古药物分子大模型的“一站式AI辅助药物研发平台”,具备靶点发现、药物筛选、分子优化三大核心功能,可覆盖新药研发的所有环节。

 

得益于此,科学家成功研发出超级抗菌药Drug-X。Drug-X不仅在医学效用上有较大突破,其还在AI制药发展史上具备相当的里程碑意义。数据显示,Drug-X先导药物的研发周期从数年之久缩短至仅仅一个月,研发成本显著降低70%,大幅度提升了新药的研发效率。

 

Drug-X的案例之外,6月,望石智慧携手广州实验室合作开发的抗新冠小分子口服药物,获得NMPA临床试验许可。在AI技术加持下,望石智慧仅用12个月就完成国内首款进入临床阶段的二代3CL小分子口服抑制剂的IND申报。而以往,研发环节中新药IND的成功申报通常需要耗时数年。

 

望石智慧将该项目的显著提速,归功于其AI药物研发平台AIGC模型,后者已在多个项目中得到验证。现阶段,望石智慧通过引入更大量、更多样化的真实/接近真实世界的多模态数据,对模型进行优化,以此获得关于分子及相互作用进行更全面、有效的表征。

 

但最具突破性意义的代表,当属英矽智能首次利用AI发现新机制特发性肺纤维化药物ISM001-055。从靶点发现、分子生成和通过传统实验验证,到动物体内IPF疗效确认及安全性评估,这一耗时不到18个月、成本约200万美元的研发过程,刷新了新药研发的最快速度和最低成本记录。

 

6月27日,英矽智能启动ISM001-055的首批人体试验,目前已经推进到II期临床试验验证阶段。如果试验结果达到预期,该款药物或将成为首款上市的AI新药,届时也意味着AI制药领域中的一个新的里程碑。

 

借助生成式AI药物发现平台,英矽智能目前布局了29个靶点的31条自主研发管线,涉及纤维化、癌症、自免和神经退行性疾病领域。

 

另一家值得关注的Biotech,是刚完成新一轮7亿元融资的深势科技,其打造的新一代药物计算设计平台Hermite,融合AI、物理建模和高性能计算,可为临床前药物研发提供一站式计算解决方案。由于Hermite的大部分工具都涉及计算加速,深势科技与NVIDIA合作,打造针对制药行业开箱即用的软硬件一体化解决方案,并取得初步成果。

 

在AI赋能下,Exscientia、BenevolentAI等均有产品处于临床阶段。

 

Exscientia目前有两款药物处于临床I/II期,此外,另一款利用AI进行治疗验证和自身免疫性疾病的候选药物EXS4318,已经以12亿美元的价格授权给BMS;BenevolentAI完成一款治疗特应性皮炎的药物BEN-2293的IIa期临床,2022年底,BEN-8744的IND已递交。

 

至于科研机构参与方面,瑞士日内瓦的被忽视疾病药物研究所(DNDi),目前正在利用机器学习尝试为一些主要影响世界上贫穷国家人民可能出现的疾病开发有效药物。

 

摩根士丹利报告显示,大型制药公司和投资者都在争相利用AI领域的市场机会,该市场规模已达500亿美元。而麦肯锡估计,全球有近270家公司正在探索AI驱动的药物发现。以此来说,AI制药似乎起飞在望。

 

但我们还是可以追问,AI制药真的只差临门一脚吗?

 

 
3
摆在“拐点”前的“痛点”

业界什么时候才能迎来一款由AI推动的“重磅炸弹”?这个疑惑一定程度透露出,在AI制药领域仍存在荆棘。

 

随着医药板块估值回调近一年,AI制药的实际应用表现并没有达到预期目标。有投资人表示,AI制药本身的提升速度在未来很长时间里可能都不会很大。在此关头,6月27日,英矽智能向港交所递交招股书,自然成为行业的一个重要关切。

 

无法否认,盈利能力不足是英矽智能的硬伤。从盈利上看,2021年和2022年,该公司整体上收不抵支,累计亏损已达3.53亿美元。管线布局方面,只有小分子候选药物ISM001-055推进到II期临床,在多家药企折戟的特发性肺纤维化领域,该候选药物能否最终突破,目前尚不明确。

 

此外,AI制药领域最近还出现了另一件令人唏嘘的事情——AI制药元老薛定谔正急于撕掉自身的“AI标签”。薛定谔成立至今30多年,却没有一款真正用CADD做成的药物,其市值已从最高点的80亿美元下滑到如今不足30亿美元。

 

并且,继去年Exscientia停止开发全球首个AI设计进入临床试验的药物后,今年,英国AI制药头部企业BenevolentAI宣布,其用于治疗特应性皮炎的候选药物在II期临床中未达到次要疗效终点。

 

以上AI制药公司的发展,不禁会让制药人思考医药与计算机两个领域交叉产生的概念,其究竟能否落到地面。AI制药至今没有跑通的原因,或许有以下方面:

 

第一,复合型人才稀缺是根本性痛点。

 

对AI制药这一多学科交叉的高壁垒行业来说,需要对制药和AI都深刻理解的人才,只有在此基础上,才能知道新药研发过程中哪些关键问题是AI擅长解决的,找到两者的契合点,发现适合的业务场景。

 

另外,有投资人曾表示,由于专业壁垒的存在,生物背景出身的他们在投资AI制药公司时,只是更多地将AI视作一种辅助工具。也就是说,他们在评估AI制药公司时,仍然主要是以产品管线的商业价值作为主要的判断依据,AI在其中的占有比例并不是他们关注的重点。

 

生物背景出身的投资人们还面临将一些生物学相关问题传达给AI技术团队,并让AI技术团队再次反馈给生物技术团队的问题。要想做出一个成功的AI制药公司,这是需要解决的主要挑战。

 

第二,AI在新药研发中的注意力有所偏差。

 

目前,AI制药公司更多的是执着于分子设计及优化的效率问题,然而只有基于对药物作用机制和疾病机制的理解,才能使AI更好地应用于新药研发各个环节。比如,选择更优质地临床候选化合物、更准确地进行靶点验证、入组更合适的患者、更好地执行临床研究。

 

第三,AI制药领域目前很难实现数据共享。

 

数据化在AI制药中非常重要,因为AI以大量高质量数据作为基础。只有海量的数据加持,才能充分训练AI模型,提升其准确性和效率。但与之相悖的是,生物医药领域很多关键数据是保密的,或者非常敏感、难以接触,为保护自己的产品,大部分企业并不愿意公开分享一些数据。

 

如果能够有效解决AI工具层面的问题,后面的问题或许会简单许多。

 

第四,AI应用于制药行业尚需时间的验证。

 

目前为止,尚未有一款完全由AI设计并研制的药物上市——这并非“一棍子打死”,强调AI技术在制药领域的应用堪忧,而是任何一款药物的出现都需要一个漫长的研发过程。在这过程中,如何应用AI并提升效率都需开展更多工作。

 

基于上述考量,我们可以说,AI在生物医药领域的应用仍处未进入成熟期,距离技术真正走向市场还有很长的距离。不过,随着越来越多进入临床的资产探索,我们也有理由期待一个真正的转折时刻。

 

参考资料:

1.15家AI制药公司完成新一轮融资(8月)

 

2. Artificial intelligence-enhanced drug design and development: Toward a computational precision medicine
 
3. 英矽智能冲刺上市的冷思考

 

4. 英矽智能火线IPO背后:AI制药的存亡之秋

 

5. 是助力还是颠覆?AI制药或将终结药物研发“双十定律”

 

6.每逢AI火,AI新药必被追问:哪些已成现实,哪些仍是幻觉?

Recommended content

Contact us

Address:Room 62, 6th Floor, Building 1, Zone 1, No.186 South 4th Ring West Road , Fengtai District, Beijing

Tel:010-83634390

Address:Address:Room 1704, Building E, Nanotechnology Park, SIP, Suzhou, Jiangsu Province

TONACEA

图片名称

XIEYI Release

图片名称

TONACEA Biotech

图片名称

TONACEA Micro Service

图片名称

©2022 TONACEA(beijing)Technology Development Co., Ltd