发布时间:2015-02-02 15:18 原文链接: 礼来chorus新药研发模式为何会如此高效?

  Nature reviews Drug Discovery 2015年1月的文章,讲Eli1新药研发模式在新药研发中的经验。Chorus: 是Eli Lily下的机构,属于10年前各大药企希望提高研发成功率的创新举措下的产物。

  有几个数据:

  1.Chorus10年终总共有15-17个项目开发,这些项目都来自Lily,而且大多数是Lilly不看好的项目,所谓"below the radar“或者“deprioritzied assets“。十年中,总共有23%的项目进入了临床III期,这个数据已经比行业平均成功率高(粗略估算行业平均数据,传统研发历经同样的阶段后,大约只有16%的项目能进入临床III期)。考虑到这些项目本身不算优质,这个成功率就很好看了。

  2.时间:经历同样阶段的研发,行业平均数据需要48个月,4200万美元;Chorus只需要2个月,630万美元。而根据文中提供的数据,一个新药每晚1年上市,会造成10亿美元的收入损失。因此Chorus模型不仅在研发效率和成本上远远高于传统研发,还为公司创造了额外的收益。

  那么为何Chorus模式能区别于传统研发?

  1. 集中研发计划,尽快解决最关键的不确定性(killerexperiment),比如在药代有缺陷的分子和结果未能达标的分子(原文举例说明);原文也提到临床前研发结果有时候看起来很好,但是如果未经统计学验证其有效性,在后续研发中多半要吃瘪;如果动物模型无效,那人身上多半无效。另外,原文也提到他们从lily接手项目前,希望Lily能提供足够的POM(Proof of Mechanism)数据: apparent windowbetween target engagement, safety limits, practical dose regimen, manageabledegree of PK/PD variablity. 虽然在进入这个阶段前,研发数据可能不全面,但是有问题的分子应该中止研发,如辉瑞所提出的存活三要素:fundamental PK/PD principles of exposure at the site of action,target bindling and expression of functional pharmacological activity. 这些要素决定了项目能否最终通过临床试验。引入可比药物PD数据对比,也有助于判断项目是否继续。总之将风险和判断都前移。而POC的研究结果,数据必须提供足够的有效性和安全性以决定项目的进程。

  2. 保持项目研发的公正性(所谓truthseeking)。对此我的理解是,大药企也是人所组成,也有部门的利益纠葛,再加上当项目的研发进展牵扯到公司市值管理和资本市场预期后,就会出现II期结果不好的项目仍然强上III期,最后惨败的结局(AZ和Lily这几年都有III期项目终结的例子,而那几个项目照我的理解是因为对靶点的机制理解仍然不够,现有假说有缺陷)。此外文中还提到Chorus模式下,并不急于在早期就确定适应症和靶点人群,而是验证靶点机制的清晰有效,至于靶点的人群和适应症,是Chorus和Lily谈判讨论决定。

  3.对验证临床假说无直接相关的研发,推迟进行(限制所谓的平行进展),直到关键风险释放后。以避免不必要的开支。

  4. 人员组成小而富有经验:整个Chorus模式下,只有40人。并且整个组织扁平化,避免层次汇报造成的拖延和官僚扯皮,避免管理上的遗漏。尽可能外包不关键的研发。研发工作设立标准流程(SOP)。允许人员在采购和外包上有独立签署合同的权利。

  Chorus的团队构成:

  团队人员都具有丰富经验,并涵盖了多个专业方向。在组织结构上做到单一层级汇报并由此人统一向Lily汇报。单个项目由一个两人小组负责,两人小组里一人负责科学层面,有早期药物研发和设计临床试验的背景;另一人负责临床试验管理,供应商管理。此二人负责时间、预算、并与别的组员合作。此二人小组同时负责3个项目的进展。并且得到别的成员的支持;另外Chorus模式会从外部寻求包括疗效和功能方面的人员的支持,甚至包括药物的合成,也是外包完成。

  有趣的是,Chorus模式如此富有成效,此模式的创建者和曾经的直接负责人Steven M Paul却在2-3年前离开Lily,据说是公司政治的结果。而Chorus模式最初的40人里,有20人已经离开,自己成了一个bio-tech 的基金。

  所以难怪此文的作者会在学术期刊里写出下列文字:Chorus model .....provide clear evidence to refute the decade-longmyth that the chorus....creates value in short term ....only destroyvalue...... 并且在原文中直接指出,大型机构本身是反创新的,实际上读完此文。我的粗浅体会:

  1. 药物开发必须尊重客观规律,尊重科学事实,对靶点不清晰,机制不明确的药物就应该尽早中止。

  2. 大型药物公司的传统模式里,人员组织层级的臃肿是药物研发进程缓慢的主要原因,公司政治更加恶化了这一局势。如果这一点不改变,药物研发高成本的趋势不会好转。

  反过来,不知道是否可以把今日如日中天的celgene的商业模式,看成是强化放大版的Chorus?

相关文章

数据“中毒”会让AI“自己学坏”

在一个繁忙的火车站,监控摄像头正全方位追踪站台的情况,乘客流量、轨道占用、卫生状况……所有信息实时传输给中央人工智能(AI)系统。这个系统的任务是帮助调度列车,让它们安全准点进站。然而,一旦有人恶意干......

国家数据局召开推动地方数据集团创新发展专题座谈会

为推动地方数据集团创新发展,服务全国一体化数据市场培育建设,7月23日,国家数据局组织召开座谈会。国家数据局党组书记、局长刘烈宏出席会议并讲话,局党组成员、副局长沈竹林、夏冰、余英出席会议。局党组成员......

智能化养猪助力育种领域全新探索

随着人工智能(AI)、自动化等技术的持续突破,利用传感器进行数据采集与高速传输,并通过物联网存储海量数据,正持续推进智能化养殖业发展,逐渐成为推动猪育种向精准化、高效化、智能化转型的核心驱动力。从整个......

广西发布第一批行业大模型研发揭榜制项目需求清单通知

各大模型开发企业,各有关单位:为深入贯彻落实自治区党委、政府关于“人工智能+”行动的决策部署,积极推进人工智能赋能千行百业发展,广西科技厅聚焦特色优势产业,围绕行业龙头企业亟待解决的关键技术难题,遴选......

国知办印发《知识产权数据使用手册及开放目录》

国家知识产权局办公室关于印发《知识产权数据使用手册及开放目录》的通知国知办函服字〔2025〕153号各省、自治区、直辖市和新疆生产建设兵团知识产权局,各地方有关中心:为促进知识产权数据开发利用,提高知......

研究揭示地方真实数据在全球疾病负担研究中的重要性

2月23日,记者从海南医科大学获悉,该校热带医学院杨国静教授团队近日在国际医学期刊《英国医学杂志》在线发表论文《中国被忽视热带病负担估计的差异:真实世界数据与GBD2021的比较研究(2004—202......

2025年度湖南省自然科学基金项目立项名单发布

关于2025年度湖南省自然科学基金项目立项的通知各市州科技局、财政局,省直管试点县市科技行政主管部门、财政局,省直有关部门,湘江新区管委会,国家高新区管委会,中央驻湘高校和科研院所,省属本科院校和科研......

合成数据能否让AI模型精确可靠?

人工智能(AI)初创公司xAI创始人埃隆·马斯克近日表示:“在AI训练中,我们现在基本上耗尽了人类知识的累积总和。”之前研究也表明,人类生成的真实数据将在2到8年内消耗殆尽。鉴于真实数据日益稀缺,为满......

“人民数据数融平台”上线试运行

 12月28日,由人民数据开发的“数融平台”正式上线试运营。平台整体依托区块链、人工智能和企业经营相关数据要素,实现链上信息全透明、全上链,实现数据资产情况全穿透,实时追踪一手风控数据,对潜......

五部门制定数据产业发展促进政策

随着新一轮科技革命和产业变革深入发展,数据作为关键生产要素的价值日益凸显。五部门:制定数据产业发展促进政策近日,国家数据局联合中央网信办、工业和信息化部、公安部、国务院国资委印发了《关于促进企业数据资......