来源:
导语:近年来，AI制药成为医疗领域新的热点赛道。2023年ChatGPT的爆发，让人们看到了生殖式AI在制药领域的新可能。当AI制药的潜力不断被证实，在大趋势下，AI制药该如何突破数据和监管的难关，突破挑战，迎来新的发展？
ChatGPT火了，AI制药能否迎来新发展？自OpenAI发布ChatGPT以来，人工智能的发展再次进入快车道。最近一个月，人们每隔几天就能看到人工智能的新进展。无论是行业巨头还是初创企业，都在积极寻求应对新一轮AI浪潮的方法，并制定相应的AI战略。
ChatGPT的爆发和AI 2.0时代的到来，也给生物制药行业带来了新的变化。近日，AI药物研发公司Insilico Medicine在生成化学领域的知名期刊《化学科学》上发表文章，阐述了在AIphaFold2的蛋白质结构预测基础上，对分子生成平台Chemistry42进行分子设计的过程，然后在30天内发现针对潜在抗癌靶点CDK20的小分子抑制剂，显示了人工智能可以在分子结构数据有限的情况下辅助发现新药，实现降本增效。
更早之前，初创公司Profluent首次使用类似于ChatGPT的蛋白质工程深度学习语言模型ProGen实现了AI预测蛋白质的合成，并将研究成果发表在了《自然》杂志的子刊上。可以说，AI正在给制药领域带来根本性的变革。Gartner的《2022年人工智能技术成熟度曲线》报告称，2025年50%的药物发现和研发将使用生成式AI；2027年，30%的制造商将使用生成式AI来提高产品开发效率。随着生成性AI的不断发展，医药领域也可能迎来新的发展期。
AI+蛋白质新投资热点ChatGPT的火爆，势必带动新一波AI投资热潮。事实上，随着近期人工智能制药话题的持续升温，一批人工智能概念股的股价也随之上涨。虽然目前国内还没有真正意义上的AI制药公司，但这并不妨碍CRO(医药R&D合同外包服务机构)成都先锋的股价在3月份一路上涨，几个涨停。成都先锋表示，公司一直密切关注AI在药物研发领域的进展，持续探索研究，未来将继续加大在该领域的尝试。
在今年3月复星医药的业绩发布会上，董事长吴贻芳在接受采访时表示，未来将在创新药物靶点发现和药物设计方面开展AI制药业务。
上市公司持续深耕AI制药，初创企业融资能力也表现不俗。
2月20日，AI蛋白质设计平台公司Molecular Heart宣布获得过亿元战略投资，用于AI蛋白质优化设计平台MoleculeOS的进一步发展，以及在生物制药、合成生物学等产业领域的应用探索。不到一年的时间，分子心已经完成了两轮融资。
在国外，资本市场对AI+蛋白质的投资热情持续高涨。2022年4月，Arzeda宣布完成正在进行的蛋白质设计项目的3300万美元B轮融资。
2022年11月，AI+合成生物学初创公司Cradle获得550万欧元种子轮融资，将用于支持公司基于AI设计蛋白质和细胞工厂的研究进程。
2023年1月，Profluent宣布完成900万美元的种子轮融资，将用于在加州伯克利建设综合实验室，使Profluent能够在实验方法产生的数据和其AI系统之间创建一个紧密的反馈回路，不断提高公司的AI。
资金投入将更有利于企业不断完善AI技术，进一步促进人们对细胞基本结构的认识，进一步推动生物制药进程，进而推动生命科学和医学的发展。
为什么药企看重“AI+蛋白质”领域？由于生物制药主要来源于蛋白质，蛋白质原料是生物制药上游占比最大的原料之一。目前，重组蛋白药物已经成为生物制药领域最重要的产品之一。
当人们向AI提供大量蛋白质数据时，AI可以对这些数据进行分析和研究，从而创造出一种新的蛋白质。在蛋白质设计过程中，AI可以将原本无序、不规则的氨基酸残基拼接成可以与靶标结合的候选蛋白质，从而促进新药的研发。相比传统实验技术耗时费力的蛋白质结构测定，AI强大的计算算法和数据处理能力可以颠覆传统药物研发，加快药物研发速度。
2017年，《自然》发表文章称，人类能找到的药物分子数量可能是10的60次方，而传统药物筛选方法能找到的分子数量只有10的11次方左右。11次方到60次方之间有一个大黑洞，这里可能藏着很多新药的可能性。生成式AI可能是创造可能性的有力工具之一。
生成式AI可以基于训练数据生成算法模型，独立生成各种形式的内容。ChatGPT的出现让人们看到了大语言模型(LLM)的优秀效果。
Profluent的蛋白质工程深度学习语言模型ProGen类似于ChatGP，实现了对蛋白质的AI预测合成。据悉，Profluent设计的蛋白质是一种高活性蛋白质，通常需要数百年才能进化出来。可见，生成式AI还可以学习生物学的基本原理，大大提高蛋白质设计的效率。
像ChatGPT一样，ProGen模型是在研究人员从不同的蛋白质中输入2.8亿个氨基酸序列并训练数周之后创建的。同样，ProGen通过学习如何将氨基酸结合到2.8亿个现有的蛋白质语法中，学会了如何生成一种新的蛋白质。ProGen和ChatGPT一样，被馈入大量数据，使算法模型越来越精确。
众所周知，新药的研发是一个漫长而复杂的过程，失败率很高。随着生成性AI的发展，它可以帮助制药公司更快地识别和分类小分子和生物制剂，并改善临床试验的结果。
Legend:利用条件语言模型生成人工蛋白质。
AI制药面临的挑战虽然AI的快速发展给制药带来了新的机遇，但挑战一直存在。首先是数据。早在2019年，发表在《自然评论·药物发现》(Nature Reviews Drug Discovery)上的文章就将“获得合适的数据集”视为AI药物面临的五大挑战之一。数据首先要面对质量问题。GPT-3的很多训练数据来自互联网，让人觉得ChatGPT在胡说八道。药品数据的质量更是难以保证。同时，药品数据比其他数据更敏感，数据分散在各大医院，科技公司很难获取和使用。数据孤岛无法打破，AI模型的训练就会差强人意。
其次，相比电商、金融、游戏等行业，在医药领域，数据的丰富性和多样性相差甚远，使用场景有限。要知道，只有数据足够丰富，AI的落地才会更加顺畅。
最重要的一点是，AI制药还将面临监管问题。ChatGPT的火爆引起了世界各国政府的关注，相应的监管规则也在不断发布。路透社报道，3月31日，意大利个人数据保护局宣布ChatGPT被禁，OpenAI被暂停处理意大利数据，并对其进行调查。德国、法国、爱尔兰等国也准备加强对ChatGPT的监管。中国国家互联网信息办公室起草了《生成式人工智能服务管理办法(征求意见稿)》，向全社会公开征求意见。当野蛮生长的新兴技术遇到监管，未来的发展将充满更多的不确定性。
值得一提的是，虽然AI制药是大势所趋，但在传统结构生物学家看来，AI才是未来，但还是差强人意。
颜宁曾表示，AI仍有局限性，AI需要更大的数据库、更强的计算能力和更新的算法。2013年诺贝尔化学奖得主迈克尔·莱维特在接受第一财经采访时表示，“我认为很多结构生物学家不仅仅是在做结构方面的研究，还在蛋白质功能和药物研发方面做了很多工作，就像颜宁教授一样。人工智能只是解放了一部分传统人力，但科学的进步还是需要依靠最聪明的人脑。光靠人工智能恐怕不行。”
结语AI制药领域非常火爆，AI制药创业公司的融资额也与日俱增。我们可以看到，医药行业正在热切拥抱AI，将希望寄托在这一前沿技术上，缩短药物研发周期，降低药物研发成本，提高药物研发成功率，创造更大的商业和社会价值。
但现阶段，AI制药公司面临着技术和政策的诸多挑战。部分传统药企对AI态度复杂，仍持观望态度。AI制药的商业化前景仍需市场检验。
但从长远来看，随着AI技术的快速发展，AI药房仍然是未来的发展趋势。当医药企业的经验不断积累，AI不断优化，AI在医药行业的价值会越来越大，可以进一步推动生物科学的发展，让更多的普通人受益。这条路很长很长，但是充满想象。
温馨提示：注：内容来源均采集于互联网，不要轻信任何，后果自负，本站不承担任何责任。若本站收录的信息无意侵犯了贵司版权，请给我们来信(j7hr0a@163.com)，我们会及时处理和回复。
原文地址"雷石产业观察 | ChatGPT火了，AI制药能迎来新发展吗？"：http://www.guoyinggangguan.com/qkl/149007.html。
微信扫描二维码关注官方微信
▲长按图片识别二维码
