蓝鲸财经 屠俊

传统的药物研发通常从确定导致疾病的生物靶标开始，然后筛选可能与之相互作用的分子——这就是所谓的药物“发现”阶段。经药物“发现”阶段后的候选药物，药物化学家会致力于提高它们的活性和优化成药性，并完善安全性。如果实验成功，研究人员将开发一种临床前候选化合物进入临床前测试。

在制药业漫长的历史中，“研发一款创新药，需要十年时间、十亿美元”成为行业魔咒，而事实上这个成本一直在上升，根据2023年夏季发布的最新研究显示，大型制药公司从零开始将一种药物上市的平均成本超过61亿美元。

在此背景下，AI 制药呈现出的高效率一度被制药行业认为能颠覆传统流程。而“AI+新药研发”也成为上海重点布局的新赛道和新方向。在上海汇聚了一批全球领先的人工智能制药公司。

中国首款利用生成式人工智能研发并进入临床的AI药物

虽然“AI+新药研发”正在被业内普遍看好且重点布局，但行业一直在等待一款AI研发的重磅药物诞生。但是到目前为止，全球暂时还没有一款AI研发的全新药物成功获批上市，因此也表示目前行业还处于早期探索阶段，而这或许是AI制药领域需要面对的一个难题。

不过，行业似乎有了新的进展，以英矽智能进展最为领先的抗纤维化项目为例，INS018_055是一款潜在用于治疗特发性肺纤维化（IPF）疾病的在研药物，也是中国首款利用生成式人工智能研发并进入临床的AI药物。特发性肺纤维化是一种不可逆的纤维化疾病，确诊后的中位生存期仅为2～3年。目前，仅有不足30%的患者可从已经获批的疗法中获益。

作为新药研发的第一步，英矽智能选择以与衰老密切相关的纤维化作为研究重心，采用组织纤维化相关的组学和临床数据集，对其自有的靶点发现引擎PandaOmics进行训练。以此为基础，PandaOmics平台通过深度特征合成、因果关系推断和全新通路重建等过程提名潜在靶点列表。此后，PandaOmics中的自然语言处理（NLP）模型通过分析了涵盖专利、出版物、研发基金、临床试验等文本数据，进一步评估潜在靶点的新颖性以及与疾病的关联性，最终确定TNIK为最有潜力的抗纤维化靶点。

值得注意的是，历史研究曾揭示TNIK与多种纤维化驱动生物通路的间接关联，但从未提出将其作为特发性肺纤维化治疗靶点，正是AI药物发现平台给药物研发提供了新的思路。

确定TNIK靶点后，英矽智能研发团队利用生成化学引擎Chemistry42，根据基于结构的药物设计（SBDD）策略生成具有所需特性的创新分子结构，旨在得到安全、特异性、高效的TNIK抑制剂。Chemistry42 结合了 40 多种生成化学算法和超过500个预训练的模型，支持新颖化合物从头生成，能根据专家反馈进行虚拟筛选并优化生成结果。经过多次迭代筛选，团队发现了具有开发潜力苗头化合物并进行进一步优化，最终获得了候选分子 INS018_055，共合成并测试了不到80个分子。

在随后的临床前研究中，INS018_055显示出良好的安全性和药代动力学特性，并在两种动物模型中显示了显著的抗纤维化能力。基于这些研究，INS018_055 于 2021 年 2 月被提名为临床前候选化合物。此时距离项目启动仅仅过去18个月，时间投入远小于传统药物研发平均4.5年的早期研发耗时。

据悉，目前该药物已经进入2期临床试验正在患者群体中做进一步的验证，有望成为全球范围内首批真正惠及患者的AI药物之一。

据相关统计，全国现有的102家AI+医药研发企业中，有30家在张江科学城布局，约占全国的30%。全国AI+医药产品在临床前研究阶段和临床试验阶段的项目分别有76项和30项，张江科学城分别有34项和15项，在全国占比分别为45%和50%。

数据红利即将到来

2021年10月张江AI新药研发联盟（以下简称AI联盟）成立，由陈凯先院士、蒋华良院士、饶子和院士创始倡议，张江集团、中国科学院上海药物研究所、浙江大学上海高等研究院、晶泰科技、美迪西、英矽智能、翰森制药等单位创始发起。

目前AI制药主要有三大类模式：SAAS，自营管线的biotech，创新技术平台型企业。以晶泰科技为例，以量子物理、AI、机器人实验三者紧密结合的药物研发平台，为药企提供靶点发现后到临床实验前的研发服务，成为药企源头创新的重要伙伴。

具体来说，用量子物理+AI去针对疾病靶点设计出有效、适合成药的分子，再由机器人将算法设计的分子在真实世界中合成出来，而将靶点选择的生物学问题，和临床试验的医学问题等，交给更具有优势的药企客户。

整个研发过程中，AI 算法与机器人平台，以提高人类科学家的创造性和效率为目标，为人类服务，形成算法、机器人、人三位一体的研发格局。

有业内指出，从行业整体情况来说，美国、欧洲作为老牌药物研发热土，医药行业的发展比中国更加先进、完善，这是不争的事实。包括科研人才、研发数据、产业积淀、市场和技术成熟度、基础研究实力等。对于 AI 制药技术，欧美药企展现了更积极的拥抱动力和更强的付费能力，头部大药企纷纷在 AI 制药领域布局，甚至‘All-in AI’， 将这一新技术的重要性提升到全新的战略高度。

而中国具有明显的数据优势。大家所讲的通用大模型以自然语料训练，欧美在这些数据的量和质上都更有优势。而在垂直工业领域中，特别是自然科学类数据上，中国凭借其工业体量，具有更大的数据优势。

“如果能够在AI和药物研发当中出现重大突破的话，我们相信更多的是来自数据的积累，而数据的积累其实是一个基础建设的过程，就像如果只是盖一座三层的楼，平整一下地面就可以开始施工了。但是如果要建一座摩天大楼，可能有一半的时间是要用来打地基的。”上述人士指出。

在大模型飞速发展的阶段，中国继工程师红利之后，或将迎来数据红利阶段，我们的产业体量让我们在积累大量细分领域的研发数据、促成大模型在垂直赛道获得应用方面有明显的优势。

集成电路、生物医药、人工智能是上海三大先导产业；这里靠近长三角的生物医药集群，而张江针对新技术打造了格外具有吸引力的产业生态，张江药谷、机器人谷、人工智能岛等产业集群形成协同发展优势。AI制药的到来或将快速赋能早期药物研发流程，更为人类高质量健康生活赋能。