人工智能：在药物发现的艰难时期颠覆游戏规则

行业专家表示，凭借人工智能（AI）的有力支持，药物研发领域正经历一波翻天覆地的变化。专注于抗体等大分子的机器学习与预测算法，正在开创一个加快药物发现速度、提升新药设计效率的新时代。过去，这些环节都是复杂度最高的研究领域，而如今，一系列进步正在制药行业和风险投资方的资源推动下成为现实。

过去几年间，AI已经开始在制药领域崭露头角，且主要关注小分子方向。别看它们尺寸不大，小分子药预计已在2021年的全球药品销售额中占比90%。AI可用于预测小分子与靶标之间的相互作用、优化其有效性，甚至对人体安全性做出预测。

随着制药企业逐步迈向抗体、蛋白质、基因治疗和基于RNA的治疗等大分子技术，AI现被用于应对更加困难的挑战。2022年，上述技术已经渗透进40%的新药生产，着力为生物制药行业开辟出又一条前进道路。以肿瘤学为例，预计到2030年，领域内近半数制药收入都将来自大分子药。结合行业分析师的预测，其整体市场规模将达到3.2万亿美元，其中又有80%以上属于抗体药物。那么，AI将如何为这波趋势提供助力？

AI正被应用于大分子药物发现的三大核启动项。著名学术期刊《自然》上发表的一篇最新文章，详尽介绍了其对于AI如何改变大分子药物研究的看法。大分子科研中存在着不少昂贵且耗时的挑战，包括准确理解分子结构、预测功能以及设计出安全的新疗法等。

AI在大分子药物发现中的作用

首先需要强调，预测蛋白质结构绝非易事。大家可以把这一步理解成动手施工之前，先要整理好描绘整栋建筑物的蓝图。以DeepMind开发的AlphaFold2（AF2）等工具为代表，AI技术正帮助我们在实现高精度蛋白质结构预测方面取得突破。AF2是一套AI系统，可根据氨基酸痛死预测蛋白质的三维（3D）结构。AF2的预测结果于2021年7月被发表的《自然》杂志上。而RoseTTAfold等其他研究项目，则希望在易用性、可扩展性和性能方面做出探索。根据华盛顿大学蛋白质设计研究所的介绍，RoseTTAfold是一款软件工具，它能通过深度学习根据有限信息快速准确地预测出蛋白质结构。这样的方案可以消除过去需要耗时数年的实验室工作，极大压缩单个蛋白质的结构确定周期。根据在著名学术期刊《科学》上发表的结果，这套模型在配置较高的游戏PC上仅需十分钟就能计算出结果。

除此之外，AI还能够预测大分子的行为方式。或者更直观地说，AI模型就如同是在预测钥匙跟锁具间的匹配程度。这种预测对于治疗药物的快速筛选非常重要，尤其擅长理解药物分子的结合、相互作用和药代动力学原理。抛开这些花哨的词语不谈，AI能够更好地理解蛋白质如何与靶标相结合、抗体如何在体内流动，并利用深度学习加神经网络等技术完成这些繁重的工作。从《科学》杂志发表的文章来看，深度学习模型已经被用于生成更精确的蛋白质结构、增强小分子结合效力，旨在设计出能够激发适当治疗反应的新型化合物。

AI还有助于启发出新的大分子疗法。随着现有数据的爆炸式增长，AI算法已经在设计蛋白质、抗体等方面有所建树。设想一下，AI模型也许能帮助我们设计出一种适合对抗癌症的蛋白质、或者开发出能够对抗感染的mRNA结构。正如最近《自然》杂志发表的文章所言，这类算法正被用于为新冠病毒等疾病设计出更稳定、更安全的mRNA疫苗。

由AI驱动的新未来

生物科技领域正在蓬勃发展，目前有80多家企业已经涉足AI驱动的大分子药物发现领域。其中大多数公司诞生于过去五年之内，证明在技术飞跃与资金的有力加持之下，这一行业正在快速增长。

其中投资金额尤其巨大，2021年总投入达39亿美元，其中近30亿美元来自风险投资。Abcelera和Abcy等致力于抗体和生物制剂发现的企业，已经成功完成了募资上市。生物制药领域的老牌巨头们自然也不甘落后。例如，基因泰克收购了Precious Design，这就是一家AI驱动的抗体发现公司。礼来公司则与Abcelera合作，共同开展新冠病毒研究。

AI在大分子药物发现方面拥有巨大的潜力，但探索的道路上也有不少挑战需要应对。作为其中几个重要环节，我们需要将AI模型融入研究过程、创造出合适的技术环境，并让AI成为整个研发流程中的必要环节。这不仅是在创造一种新的技术手段，更是在彻底颠覆一个行业，让挽救生命、提升疗效变得更加简单易行。如果运用得当，AI也许将帮助人类开启医学研究的全新时代。