行業(yè)專家表示，憑借人工智能（AI）的有力支持，藥物研發(fā)領域正經歷一波翻天覆地的變化。專注于抗體等大分子的機器學習與預測算法，正在開創(chuàng)一個加快藥物發(fā)現速度、提升新藥設計效率的新時代。過去，這些環(huán)節(jié)都是復雜度最高的研究領域，而如今，一系列進步正在制藥行業(yè)和風險投資方的資源推動下成為現實。

過去幾年間，AI已經開始在制藥領域嶄露頭角，且主要關注小分子方向。別看它們尺寸不大，小分子藥預計已在2021年的全球藥品銷售額中占比90%。AI可用于預測小分子與靶標之間的相互作用、優(yōu)化其有效性，甚至對人體安全性做出預測。

隨著制藥企業(yè)逐步邁向抗體、蛋白質、基因治療和基于RNA的治療等大分子技術，AI現被用于應對更加困難的挑戰(zhàn)。2022年，上述技術已經滲透進40%的新藥生產，著力為生物制藥行業(yè)開辟出又一條前進道路。以腫瘤學為例，預計到2030年，領域內近半數制藥收入都將來自大分子藥。結合行業(yè)分析師的預測，其整體市場規(guī)模將達到3.2萬億美元，其中又有80%以上屬于抗體藥物。那么，AI將如何為這波趨勢提供助力？

AI正被應用于大分子藥物發(fā)現的三大核啟動項。著名學術期刊《自然》上發(fā)表的一篇最新文章，詳盡介紹了其對于AI如何改變大分子藥物研究的看法。大分子科研中存在著不少昂貴且耗時的挑戰(zhàn)，包括準確理解分子結構、預測功能以及設計出安全的新療法等。

AI在大分子藥物發(fā)現中的作用

首先需要強調，預測蛋白質結構絕非易事。大家可以把這一步理解成動手施工之前，先要整理好描繪整棟建筑物的藍圖。以DeepMind開發(fā)的AlphaFold2（AF2）等工具為代表，AI技術正幫助我們在實現高精度蛋白質結構預測方面取得突破。AF2是一套AI系統，可根據氨基酸痛死預測蛋白質的三維（3D）結構。AF2的預測結果于2021年7月被發(fā)表的《自然》雜志上。而RoseTTAfold等其他研究項目，則希望在易用性、可擴展性和性能方面做出探索。根據華盛頓大學蛋白質設計研究所的介紹，RoseTTAfold是一款軟件工具，它能通過深度學習根據有限信息快速準確地預測出蛋白質結構。這樣的方案可以消除過去需要耗時數年的實驗室工作，極大壓縮單個蛋白質的結構確定周期。根據在著名學術期刊《科學》上發(fā)表的結果，這套模型在配置較高的游戲PC上僅需十分鐘就能計算出結果。

除此之外，AI還能夠預測大分子的行為方式。或者更直觀地說，AI模型就如同是在預測鑰匙跟鎖具間的匹配程度。這種預測對于治療藥物的快速篩選非常重要，尤其擅長理解藥物分子的結合、相互作用和藥代動力學原理。拋開這些花哨的詞語不談，AI能夠更好地理解蛋白質如何與靶標相結合、抗體如何在體內流動，并利用深度學習加神經網絡等技術完成這些繁重的工作。從《科學》雜志發(fā)表的文章來看，深度學習模型已經被用于生成更精確的蛋白質結構、增強小分子結合效力，旨在設計出能夠激發(fā)適當治療反應的新型化合物。

AI還有助于啟發(fā)出新的大分子療法。隨著現有數據的爆炸式增長，AI算法已經在設計蛋白質、抗體等方面有所建樹。設想一下，AI模型也許能幫助我們設計出一種適合對抗癌癥的蛋白質、或者開發(fā)出能夠對抗感染的mRNA結構。正如最近《自然》雜志發(fā)表的文章所言，這類算法正被用于為新冠病毒等疾病設計出更穩(wěn)定、更安全的mRNA疫苗。

由AI驅動的新未來

生物科技領域正在蓬勃發(fā)展，目前有80多家企業(yè)已經涉足AI驅動的大分子藥物發(fā)現領域。其中大多數公司誕生于過去五年之內，證明在技術飛躍與資金的有力加持之下，這一行業(yè)正在快速增長。

其中投資金額尤其巨大，2021年總投入達39億美元，其中近30億美元來自風險投資。Abcelera和Abcy等致力于抗體和生物制劑發(fā)現的企業(yè)，已經成功完成了募資上市。生物制藥領域的老牌巨頭們自然也不甘落后。例如，基因泰克收購了Precious Design，這就是一家AI驅動的抗體發(fā)現公司。禮來公司則與Abcelera合作，共同開展新冠病毒研究。

AI在大分子藥物發(fā)現方面擁有巨大的潛力，但探索的道路上也有不少挑戰(zhàn)需要應對。作為其中幾個重要環(huán)節(jié)，我們需要將AI模型融入研究過程、創(chuàng)造出合適的技術環(huán)境，并讓AI成為整個研發(fā)流程中的必要環(huán)節(jié)。這不僅是在創(chuàng)造一種新的技術手段，更是在徹底顛覆一個行業(yè)，讓挽救生命、提升療效變得更加簡單易行。如果運用得當，AI也許將幫助人類開啟醫(yī)學研究的全新時代。