在今年諾貝爾獎的激烈角逐中，人工智能（AI）無疑大放異彩，搶盡了風(fēng)頭。

先是諾貝爾獎物理學(xué)授予了AI在人工神經(jīng)網(wǎng)絡(luò)機器學(xué)習(xí)，后有諾貝爾獎化學(xué)領(lǐng)域再次對垂青AI，肯定了其在計算蛋白質(zhì)設(shè)計與蛋白質(zhì)結(jié)構(gòu)預(yù)測方面的卓越應(yīng)用。AI硬控諾貝爾獎，成為了萬眾矚目的焦點。

圖源：諾貝爾官網(wǎng)

在AI變革時代，美迪西作為一站式生物醫(yī)藥臨床前研發(fā)服務(wù)平臺，憑借其敏銳的洞察力和前瞻性的布局，不僅緊跟時代步伐，更成為了AI+CRO領(lǐng)域的先行者和推動者。

AI+制藥，全面滲透藥物研發(fā)

在醫(yī)藥領(lǐng)域，AI的應(yīng)用已逐步滲透到藥物研發(fā)的各個關(guān)鍵環(huán)節(jié)，從靶點的發(fā)現(xiàn)和識別、藥物的從頭設(shè)計、ADMET（吸收、分布、代謝、排泄和毒性）預(yù)測，到臨床試驗的設(shè)計與執(zhí)行，AI正全面改變著藥物研發(fā)的傳統(tǒng)模式。

1. 靶點的發(fā)現(xiàn)和識別

傳統(tǒng)靶點發(fā)現(xiàn)過程往往依賴于實驗數(shù)據(jù)積累和文獻調(diào)研，耗時耗力且成本高昂。而AI技術(shù)則能夠通過大數(shù)據(jù)分析，快速挖掘海量生物信息數(shù)據(jù)中的潛在靶點，結(jié)合機器學(xué)習(xí)算法，對靶點進行精準預(yù)測和驗證。這不僅大大提高了靶點發(fā)現(xiàn)的效率，還降低了發(fā)現(xiàn)成本，為藥物研發(fā)提供了更多可能性。

圖源：英矽智能

如：三名高中生使用英矽智能AI靶點發(fā)現(xiàn)平臺PandaOmics確定了多形膠質(zhì)母細胞瘤的新治療靶標(biāo)^[1]，而IBM的Watson系統(tǒng)通過閱讀大量的文獻摘要和論文，預(yù)測了RNA結(jié)合蛋白與肌萎縮側(cè)索硬化（ALS）的相關(guān)性^[2]，這些案例都有力地證實了AI在靶點發(fā)現(xiàn)領(lǐng)域的完善與強大潛力。

2. 藥物的從頭設(shè)計

在藥物設(shè)計方面，AI展現(xiàn)出了強大的計算能力。通過機器學(xué)習(xí)算法，AI能夠預(yù)測化合物的生物活性、毒性以及藥代動力學(xué)性質(zhì)，從而設(shè)計出具有潛在藥效的候選分子。這種從頭設(shè)計的方法不僅提高了藥物的研發(fā)效率，還降低了研發(fā)成本，為新藥研發(fā)開辟了新的道路。

一種自然界中不存在的蛋白質(zhì)折疊形式 Top7

圖源：Terezia Kovalova/The Royal Swedish Academy of Sciences

如：大衛(wèi)·貝克爾（David Baker）利用軟件創(chuàng)造出了一個與天然蛋白質(zhì)截然不同的新蛋白質(zhì)Top7，以及英矽智能利用AI驅(qū)動的藥物設(shè)計平臺Chemistry42快速設(shè)計出新的潛在藥物化合物INS018_055，都是AI在藥物設(shè)計領(lǐng)域取得的重要成果。值得關(guān)注的是，INS018_055已進入臨床二期，并受到諾貝爾化學(xué)獎得主邁克爾·萊維特博士的高度評價。

3. ADMET預(yù)測

ADMET預(yù)測是藥物研發(fā)過程中的重要一環(huán)。AI技術(shù)能夠綜合考慮化合物的物理化學(xué)性質(zhì)、生物轉(zhuǎn)化途徑以及潛在毒性等多方面因素，對化合物的ADMET性質(zhì)進行精準預(yù)測。這有助于在早期階段就篩選出具有良好藥代動力學(xué)性質(zhì)和較低毒性的候選藥物，減少后期研發(fā)失敗的風(fēng)險。

AiDMET預(yù)測的Fosravuconazole經(jīng)酯酶代謝為Ravuconazole的過程

圖源：AiDMET成藥性預(yù)測平臺

如：天智藥成團隊開發(fā)的AiDMET成藥性預(yù)測平臺成功預(yù)測了Fosravuconazole和Ravuconazole的理化性質(zhì)參數(shù)以及代謝過程；Liu等人利用定向消息傳遞網(wǎng)絡(luò)（D-MPNN）對FOODB庫中的化合物進行的Nrf2激動活性預(yù)測及毒性分析^[3]，以及QSAR模型的廣泛用都充分展示了AI在藥物ADMET預(yù)測中的有效性和準確性。

4. 臨床試驗設(shè)計與執(zhí)行

在臨床試驗階段，AI同樣發(fā)揮著重要作用。通過分析歷史試驗數(shù)據(jù)和患者信息，AI能夠優(yōu)化試驗設(shè)計，提高試驗效率和準確性。同時，AI還能實時監(jiān)測患者的生理指標(biāo)和反應(yīng)情況，為醫(yī)生提供及時的反饋和建議，確保試驗的安全性和有效性。

臨床試驗?zāi)M及分析流程圖^[4]

如：斯坦福大學(xué)團隊開發(fā)的Trial Pathfinder^[4]利用電子健康記錄（EHR）數(shù)據(jù)優(yōu)化臨床試驗入組標(biāo)準，提高招募效率并確?；颊甙踩?；醫(yī)渡科技與北京大學(xué)腫瘤醫(yī)院合作，利用AI自動掃描技術(shù)發(fā)現(xiàn)臨床試驗數(shù)據(jù)質(zhì)量問題[5]。這些應(yīng)用通過AI技術(shù)自動篩選患者、分析數(shù)據(jù)，有力支持藥物研發(fā)與上市。

AI+CRO模式的探索與實踐

國內(nèi)AI+新藥企業(yè)商業(yè)模式統(tǒng)計情況

數(shù)據(jù)來源：公開信息及調(diào)研訪談，蛋殼研究院制

CRO，同AI技術(shù)一樣，致力于降低研發(fā)成本并提升研發(fā)效率。AI技術(shù)的蓬勃發(fā)展，不僅顛覆了藥物研發(fā)的傳統(tǒng)范式，更引領(lǐng)了AI+CRO這一創(chuàng)新研發(fā)模式的誕生。該模式將AI技術(shù)的前沿智能分析、精準預(yù)測能力，與CRO公司卓越的藥物研發(fā)專業(yè)實力、豐富項目經(jīng)驗及高效執(zhí)行策略完美融合，為新藥研發(fā)帶來了顯著優(yōu)勢：

高效精準的研發(fā)體系：結(jié)合AI的數(shù)據(jù)處理、模型預(yù)測與自動化實驗?zāi)芰虲RO的專業(yè)研發(fā)及實驗驗證經(jīng)驗，構(gòu)建了一個高效、精準的藥物研發(fā)體系，顯著提升了研發(fā)效率。與傳統(tǒng)新藥研發(fā)管線比，基于AI和生物計算的新藥研發(fā)管線平均 1-2 年就可以完成臨床前藥物研究 ^[6]，可縮短前期研發(fā)約一半時間，使新藥研發(fā)的成功率從當(dāng)前的 12% 提高到 14%，每年為全球節(jié)約化合物篩選和臨床試驗費用約 550 億美元 ^[7]。

數(shù)據(jù)驅(qū)動與智能化決策：利用CRO積累的實驗數(shù)據(jù)，AI技術(shù)進行深度分析和預(yù)測，為藥物研發(fā)提供智能化的決策支持，快速篩選出具有潛力的藥物候選物，優(yōu)化了研發(fā)流程。

降低成本與提高成功率：AI技術(shù)的精準預(yù)測和優(yōu)化能力減少了不必要的實驗和重復(fù)勞動，降低了研發(fā)成本；同時，通過模擬和預(yù)測藥物在生物體內(nèi)的行為，AI技術(shù)提高了研發(fā)成功率。

促進新藥發(fā)現(xiàn)與加速上市：AI+CRO模式為藥物研發(fā)提供了新的思路和方法，推動了新藥發(fā)現(xiàn)的創(chuàng)新。AI的創(chuàng)新能力不斷拓展藥物研發(fā)的邊界，為治療各種疾病提供了更多可能性，有助于發(fā)現(xiàn)傳統(tǒng)方法難以發(fā)現(xiàn)的新藥。

美迪西：一站式生物醫(yī)藥臨床前CRO的AI探索

作為AI+CRO領(lǐng)域的先行者和實踐者，美迪西二十年來一直積極探索藥物研發(fā)的前沿技術(shù)。在AI制藥領(lǐng)域，美迪西于2021年聯(lián)合發(fā)起成立張江AI新藥研發(fā)聯(lián)盟，陳春麟博士出任聯(lián)盟首屆輪值聯(lián)席主席。至今，美迪西已與英矽智能、德睿智藥、深勢科技等多家AI創(chuàng)新藥研發(fā)公司達成戰(zhàn)略合作。此外，美迪西基于AI技術(shù)的一站式創(chuàng)新藥臨床前研發(fā)服務(wù)平臺項目申報了政府相關(guān)政策扶持。

基于自身豐富的創(chuàng)新藥物分子設(shè)計經(jīng)驗及技術(shù)儲備，以及AI的賦能，美迪西搭建了AI藥物發(fā)現(xiàn)服務(wù)平臺，可提供蛋白結(jié)構(gòu)預(yù)測與模擬、binding site發(fā)現(xiàn)、信息提取與清洗，以及定制化項目數(shù)據(jù)庫構(gòu)建等，滿足科研工作者多樣化的需求。此外，平臺還深度助力Target-to-hit、Hit-to-lead、Lead-to-PCC等關(guān)鍵研發(fā)階段，為藥物研發(fā)提供了全方位的技術(shù)支持，加速藥物研發(fā)管線進程。

多年的深耕細作，美迪西在AI制藥領(lǐng)域取得了豐碩的成果。如美迪西為英矽智能ISM3412藥物提供了涵蓋藥代動力學(xué)、安全性評價等在內(nèi)的全面臨床前研發(fā)服務(wù)；為德睿智藥MDR-001提供了原料藥工藝開發(fā)和制劑研發(fā)服務(wù)，為藥物的快速獲批奠定了堅實的基礎(chǔ)。

2024年諾貝爾化學(xué)獎的頒布，再次彰顯了AI+制藥深度結(jié)合的巨大潛力。隨著AI技術(shù)的不斷發(fā)展和應(yīng)用，AI藥物研發(fā)已經(jīng)成為新藥發(fā)現(xiàn)的重要途徑之一。美迪西將繼續(xù)秉持“創(chuàng)新驅(qū)動、質(zhì)量至上”的服務(wù)理念，積極探索AI在藥物研發(fā)中的新應(yīng)用和新模式，為新藥研發(fā)提供更加高效、靈活和定制化的解決方案。同時，美迪西期待與更多合作伙伴攜手共進，共同開創(chuàng)AI制藥領(lǐng)域的新紀元。

參考文獻：
1.Olsen, A., Harpaz, Z., Ren, C., Shneyderman, A., Veviorskiy, A., Dralkina, M., ... & Zhavoronkov, A. (2023). Identification of dual-purpose therapeutic targets implicated in aging and glioblastoma multiforme using PandaOmics-an AI-enabled biological target discovery platform. Aging, 15.
2.劉曉凡,孫翔宇,朱迅.人工智能在新藥研發(fā)中的應(yīng)用現(xiàn)狀與挑戰(zhàn)[J].藥學(xué)進展,2021,45(07):494-501.
3.Liu S, et al. Virtual Screening of Nrf2 Dietary-Derived Agonists and Safety by a New Deep-Learning Model and Verified In Vitro and In Vivo. J Agric Food Chem. 2023 May ;71(21):8038-8049.
4.Ruishan Liu, et al. Evaluating eligibility criteria of oncology trials using real-world data and AI. Nature, 2021.
5.https://mp.weixin.qq.com/s/j2_z_CSZf0VNRVRVrULxOQ
6.Chan H, Shan H, Dahoun T, et al. Advancing drug discovery viaartificial intelligence[J]. Trends Pharmacol Sci, 2019, 40(8): 592–604.
7.Wong C H, Siah K W, Lo A W. Estimation of clinical trial successrates and related parameters[J]. Biostatistics, 2019, 20(2): 273–286.