今年年初,AI生物制藥領域迎來重磅消息:Isomorphic Labs近期分別與制藥巨頭禮來(Eli Lilly and Company)和諾華(Novartis)簽訂了合作協(xié)議,這兩項合作未來價值或將超過30億美元。
這一重大合作展示了AI在藥物開發(fā)中的潛力,也預示著AI與生物技術領域的交融將帶來更多變革。這次合作不僅是商業(yè)上的進展,更反映了生物制藥行業(yè)對高效、精確與創(chuàng)新技術的迫切需求。
在AI逐步改變各行各業(yè)之際,生物醫(yī)藥領域的企業(yè)應當如何看待這一工具?與大公司相比,創(chuàng)業(yè)公司的機會與挑戰(zhàn)又在哪里?基于近期N1 Life創(chuàng)始人及CEO臧曉羽博士與YDS Pharmatech創(chuàng)始人及CEO車興博士的對談,我們可以一窺未來的“AI+生物制藥”的種種可能性。
播客地址:小宇宙https://www.xiaoyuzhoufm.com/episode/668bae918fcadceb90d27dc8
喜馬拉雅http://www.ximalaya.com/swf/sound/red.swf?id=740335958
AI+生物技術:數(shù)據(jù)驅動的新趨勢
隨著技術成熟,AI技術在現(xiàn)代藥物研發(fā)中發(fā)揮著越來越重要的作用。
從淺層神經(jīng)網(wǎng)絡到深度神經(jīng)網(wǎng)絡,AI模型在處理和分析海量生物數(shù)據(jù)方面表現(xiàn)出色。英偉達(NVIDIA)的BioNeMo便是一個針對生物醫(yī)學領域的大型語言模型(LLM)和生成式AI框架,它旨在加速生命科學和醫(yī)療保健領域的研究和發(fā)現(xiàn)。BioNeMo這類平臺的底層設施展示了AI對生物數(shù)據(jù)的巨大需求,而這些數(shù)據(jù)正是訓練先進AI模型的基礎。
AI的核心優(yōu)勢在于其處理大規(guī)模數(shù)據(jù)集的能力,以及在這些數(shù)據(jù)集上提取復雜模式的能力。這使得AI在生物醫(yī)學領域中的應用極為廣泛。例如,AI可以用來預測蛋白質的三維結構,模擬藥物與目標蛋白的相互作用,甚至預測潛在藥物的療效和副作用。通過這些應用,AI不僅提高了藥物開發(fā)的效率,還顯著降低了成本和時間。
基于這一特性,近年來涌現(xiàn)了許多AI生物制藥企業(yè)。比如Isomorphic Labs,它由Alphabet旗下的DeepMind團隊于2021年創(chuàng)立,基于 DeepMind 的 AlphaFold 2技術來預測蛋白質的結構。通過揭示這些結構,研究人員有望能夠識別出新的靶點路徑,以便開發(fā)出針對疾病的新型藥物或療法。
而Iambic Therapeutics是一家使用生成式AI平臺開發(fā)新型治療藥物的公司,主要聚焦于小分子藥物。Iambic結合物理基礎和實驗數(shù)據(jù)生成新分子,其技術不僅用于預測蛋白質-配體相互作用,還用于生成分子設計。Iambic的兩大主要項目——針對HER2的IAM-H1和針對CDK2/CDK4的IAM-C1,分別計劃在明年進入臨床階段。
在AI的加速發(fā)展過程中,NVIDIA等公司不僅提供強大的計算資源,還推動數(shù)據(jù)標準化和共享,以支持AI模型的訓練和應用。預計到2025年,隨著數(shù)據(jù)量的不斷增長,AI模型可能會遇到數(shù)據(jù)增長的瓶頸,而具有海量數(shù)據(jù)的Biotech極有可能成為驅動下一增長點的終極力量。這也是NVIDIA這類企業(yè)不斷投入、甚至成為Biotech-AI生態(tài)主要推動力量的主要原因,具體做法包括投資這些Biotech公司去支持更多數(shù)據(jù)的產(chǎn)生、應用的落地和計算方法開發(fā)等,深度、廣泛地進行長遠布局。
贏者通吃的市場?創(chuàng)業(yè)者的機會與挑戰(zhàn)
在AI與生物技術的交匯點上,大型Pharma公司和小型Biotech公司各自面臨不同的挑戰(zhàn)與機遇。
像谷歌旗下的DeepMind和Meta(原FaceBook)這樣的科技巨頭,憑借其豐富的計算資源和技術儲備,有著雄厚的資源推動AI大模型的研究。
例如,DeepMind的幾代AlphaFold模型在蛋白質結構預測方面取得了革命性進展,成為生命科學領域劃時代的里程碑。這些公司的技術和算力優(yōu)勢使它們能夠迅速取得重大技術突破,突破技術邊界,引領行業(yè)發(fā)展。與之相對的、資源量相對落后的技術,例如RoseTTAFold All Atom模型的準確度已經(jīng)遺憾地落后于AlphaFold 3。從某種意義上來說,AI模型方面的創(chuàng)新已經(jīng)基本形成由巨頭公司推動的形勢,而非學術機構或創(chuàng)業(yè)公司。
AI創(chuàng)業(yè)公司在人力和技術資源以及資金上雖然不如大公司充裕,但在靈活性和創(chuàng)新速度方面卻有著得天獨厚的優(yōu)勢,它們能夠迅速適應市場動態(tài)變化,將新技術快速應用于實際問題中。
然而,創(chuàng)業(yè)公司也時刻面臨著持續(xù)融資和技術迭代的挑戰(zhàn)。與大公司相比,創(chuàng)業(yè)公司缺乏大規(guī)模的研發(fā)團隊和基礎設施,在開發(fā)新技術時也就面臨更多的風險,尤其是在數(shù)據(jù)的獲取和模型的優(yōu)化方面,必須在資源有限的情況下保持競爭力。
除此之外,AI Biotech公司還需面對傳統(tǒng)制藥公司的競爭——這些公司擁有深厚的行業(yè)經(jīng)驗和強大的研發(fā)能力。為了在競爭中脫穎而出,小型AI Biotech公司需要找到市場中的獨特定位。AI biotech典型的例子如上文提到的Iambic,利用AI技術在管線推進方面取得了顯著的進展。
另一方面,傳統(tǒng)Biotech公司則更關注解決實際的科學和醫(yī)學問題,并利用AI工具加速實驗科學的進步,推動新藥的發(fā)現(xiàn)和開發(fā)。N1 Life便是典型的Biotech公司,致力于將多肽等生物兼容性分子材料用于藥物遞送載體的研發(fā)與應用,目前已開發(fā)針對不同藥物類型的Absotride和ChARLS兩大模型。N1 Life的N1-109正是這種創(chuàng)新的例子,針對轉移型卵巢癌、胰腺癌和胃癌等適應癥,展示了極高的治療潛力。目前N1 Life將理性設計及AI技術結合,實現(xiàn)指定性質的篩選和定向優(yōu)化,逐步建立了從載體設計、到載體篩選、再到載體成藥應用的“干濕結合”研發(fā)線路。通過平臺合作等方式與國內外數(shù)家創(chuàng)新藥企達成技術合作,將自主開發(fā)的載體分子應用于不同的疾病領域,旨在以更低的成本和更短的研發(fā)周期。
這些各有所長的AI biotech公司正面臨著一個蓬勃發(fā)展的市場:Transparent Market Research報告預測,到2030年,AI生物制藥市場將增長至131億美元。
科學家 vs AI:日益緊密的共生關系
AI驅動的生物技術革命中,科學家扮演著關鍵角色。
盡管AI模型在蛋白質結構預測和藥物設計等方面展示了強大能力,但這些模型的開發(fā)和應用離不開科學家的專業(yè)知識和經(jīng)驗。
例如,DeepMind的AlphaFold 2模型整合了物理學和生物信息學的研究成果,利用了科學家們幾十年來積累的蛋白質結構數(shù)據(jù),使其在蛋白質結構預測方面取得了重要突破?？茖W家們的貢獻不僅在于數(shù)據(jù)的提供,還包括對AI模型結果的解釋和應用,這對于推動模型的應用(例如新藥研發(fā))非常關鍵。
除了為AI提供了大量的數(shù)據(jù)和研究成果,科學家們還參與了模型的設計和優(yōu)化。這種緊密的協(xié)作確保了AI技術在生物技術領域中的科學準確性和實用性。
從另一方面來看,科學家與AI的共生關系不僅體現(xiàn)在數(shù)據(jù)的分析和模型的優(yōu)化上,也包括在臨床試驗和藥物開發(fā)的各個階段。除靶點模擬和分子設計之外,科學家還利用AI技術分析臨床數(shù)據(jù),設計臨床實驗,提高生產(chǎn)效率,加速法規(guī)流程等。這種“你中有我,我中有你”的融合,不斷加速整個藥物開發(fā)的進程,還提高了藥物開發(fā)的成功率。
更重要的是,人體生物系統(tǒng)是如此地復雜難解,比計算機要復雜許多,仍有大量的問題需要受過經(jīng)驗豐富的科學家來定義問題、設計解決思路、論證和優(yōu)化模型。未來,對于交叉學科科學人才的需求將呈現(xiàn)爆發(fā)式增長,生物語言和計算語言的互通將成為無法阻擋的趨勢。從教育體系到人才職業(yè)培養(yǎng)、科學訓練,也是人類駕馭人工智能不可或缺的工具。
隨著AI技術走向落地,有一點已成行業(yè)共識:AI無法代替科學家,而能夠提升科學家效率、以合作共贏心態(tài)來開發(fā)的AI解決方案,未來會成為幫助生物制藥領域科學家的優(yōu)秀工具。
AI推動下的未來醫(yī)藥:更高效、更精準
未來AI與生物技術的融合將繼續(xù)推動藥物研發(fā)和醫(yī)療技術的發(fā)展。除傳統(tǒng)技術類型之外,AI在新興領域,例如基因編輯、疾病診斷和新型療法開發(fā)中的應用將更加廣泛。這不僅將提高新藥的開發(fā)效率、優(yōu)化現(xiàn)有流程,更能打開理解和治療疾病的新視角。
隨著AI模型的不斷完善和應用的擴展,我們有望看到更加精準和個性化的醫(yī)療解決方案。這種變革不僅能改善患者的治療效果,還能顯著降低醫(yī)療成本,并提升全球醫(yī)療服務的可及性。
大量資金涌入、技術突破頻現(xiàn)之際,AI與生物技術的結合可能是醫(yī)藥行業(yè)的本世紀最重要的轉折點。這一趨勢可能改變我們對疾病的理解和治療方式,還將引領整個醫(yī)療行業(yè)進入新的時代,為人類健康帶來深遠影響。
然而,AI的廣泛應用也帶來了新的挑戰(zhàn),包括數(shù)據(jù)隱私、算法偏見和模型透明度等問題。這些問題需要行業(yè)和監(jiān)管機構共同努力解決,以確保AI技術在醫(yī)學和生物技術領域的安全應用。
本文轉載自：，不代表科技訊之立場。原文鏈接：http://whjh.rwmeiti.com/preview/1/202408161002594372692.html
