新药研发和人工智能能擦出什么火花？

　　大多数情况下，药物研发工作者会利用高通量筛选的方式无限扩大筛选对象以期邂逅目标化合物，提高药物发现的机率。由于不断试错的成本太高，越来越多的药物研发企业开始引入人工智能开发虚拟筛选技术，以取代或增强传统的高通量筛选过程。

　　药物研发企业通过运用人工智能药物研发系统，能在医药研发过程中减少人力、时间、物力等投入，降低药品研发成本。同时基于疾病、用药等建立数据模型，预测药品研发过程中的安全性、有效性、副作用等。此外，随着人工智能和机器学习的不断整合，药物研发企业有望在新药研发过程中显着地实现“去风险”，保守估计每年将节约大概260亿美元的研发成本。同时，还将提高全球医疗信息领域的效率，节约的成本价值超过每年280亿美元。

　　人工智能及机器学习可以应用在药物开发的不同环节，包括新药开发、药物有效性及安全性预测、构建新型药物分子、筛选生物标志物、研究新型组合疗法等。从全球的情况来看，人工智能辅助药物研发的公司比例相对较高，在研发周期长、投入大、失败率高等为特点的药物研发现状影像下，产业发展的需求量大，可达到千亿级的市场。

　　本文整理了一些全球应用人工智能技术进行研发的典型公司。

　　BenevolentAI

　　人工智能用于药物分子挖掘

　　位于英国伦敦的BenevolentAI成立于2013年，是一家致力于人工智能技术开发和应用的公司，是欧洲最大的AI初创公司，在全世界排名第五。这家公司建立了一种有望更快更好开发新药的人工智能技术，他们的目标是建立人们期盼已久的“制药企业2.0”，利用人工智能助力新药开发，避免代价高昂的临床试验失败。

　　BenevolentAI的核心技术是一个叫做JACS（Judgment Augmented Cognition System）的人工智能系统。他们认为可以通过人工智能把人、技术和生物学结合起来，集中处理全世界大量高度碎片化的信息，用以加速科学研究和发展。自2013年以来，BenevolentAI已经开发出24个候选药物，且已经有药物进入临床IIb期试验阶段。

　　国际制药巨头之一的强生公司已经与BenevolentAI达成合作协议，强生将一些已经进入临床阶段的试验药物连带ZL一起特许给BenevolentAI，而BenevolentAI将利用人工智能系统来指导临床试验的进行和数据的收集。

　　Berg Health

　　人工智能用于筛选生物标志物

　　众所周知，生物标志物是指可以标志系统、器官、组织、细胞以及亚细胞结构功能的改变或可能发生的改变的生化指标，可用于疾病诊断、判断疾病分期或者用来评价新药或新疗法在目标人群中的安全性及有效性。

　　Berg Health是位于美国波士顿的一家生物制药公司，成立于2006年。公司通过Interrogative Biology技术平台对患者样本进行高通量质谱分析，获得患者的基因组、蛋白组、代谢组以及线粒体功能等多方面的信息。在这过程中，可以从一个患者样本中获得上兆个数据点，将这些数据与患者的临床信息相结合，通过人工智能分析，详细描绘出患者体内生物系统个体化状态。根据这些信息，研究人员可以进一步发掘与疾病相关的生物标记物，检测手段和治疗方法。

Berg Health的研发管线

　　2016年10月，Berg Health公司与美国国防部宣布达成合作，利用人工智能技术开展新药研发。以寻找应对现有药物不起反应的侵入性乳腺癌治疗方案，将筛选多达25万个样本来寻找早期癌症的新生物学指标和生物标记。

　　Atomwise

　　人工智能用于新药有效性/安全性预测

　　成立于2012年的Atomwise是一家药物挖掘与人工智能结合领域的比较有代表性的初创公司，Atomwise的核心技术平台称为AtomNet，这是一种深度卷积神经网络，通过自主分析大量的药物靶点和小分子药物的结构特征，AtomNet可以学习小分子药物与靶点之间相互作用规律，并且根据学习到的规律预测小分子化合物的生物活性，从而加快药物研发进程。

　　这家公司通过与IBM超级计算机合作，通过分析数据库，并用深度学习神经网络分析化合物的构效关系，于药物研发早期评估新药风险。早在2015年，这家公司宣布寻找埃博拉病毒治疗方案方面有一些进展，在为时一周的时间内，从已有的药物中找到两种或许能用来抗击埃博拉病毒的药物。

　　总的来讲，Atomwise的商业模式是为制药公司、创业公司和研究机构提供候选药物预测服务。公司成立以来，已经与斯坦福大学、Scripps研究所等著名科研机构合作开展了27个药物研发项目，与默沙东也有药物研发合作项目。

　　结语：作为全球当下最热门的科技话题之一，随着大数据、云计算以及计算机深度学习等多个方面取得突破，人工智能在药物研发领域的应用已然是一个前景广阔的新兴领域。当新药研发遇到人工智能后，通过数据生成假定药物，显示出更快、更有效率开发新药的潜力。