AI+制藥：AI技術(shù)蓬勃發(fā)展AI+制藥行業(yè)潛力巨大2024

lAI技術(shù)蓬勃發(fā)展，AI+制藥有望成為下一個(gè)黃金賽道。AI技術(shù)通過機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等手段，已經(jīng)在藥物發(fā)現(xiàn)、臨床前研究和臨床試驗(yàn)等全流程中發(fā)揮重要作用。從2007年的早期探索至今，AI制藥技術(shù)經(jīng)歷了技術(shù)積累、驗(yàn)證和快速發(fā)展期，目前正處于一個(gè)技術(shù)創(chuàng)新活躍、政策扶持明顯、市場(chǎng)前景廣闊的階段。AI制藥投融資市場(chǎng)活躍，根據(jù)DeepPharmaIntelligence官網(wǎng)數(shù)據(jù)，截止2023Q1累積投資額達(dá)60.2億美元，市場(chǎng)規(guī)模持續(xù)增長(zhǎng)，預(yù)計(jì)到2026年全球市場(chǎng)規(guī)模將達(dá)到29.94億美元。lAI+制藥受到國(guó)家政策支持，產(chǎn)業(yè)鏈上下游投資機(jī)會(huì)多元，應(yīng)用端百花齊放。AI制藥行業(yè)得到國(guó)家層面的政策支持，如《“十四五”醫(yī)藥工業(yè)發(fā)展規(guī)劃》和《“十四五"生物經(jīng)濟(jì)發(fā)展規(guī)劃》等，旨在推動(dòng)云計(jì)算、大數(shù)據(jù)、人工智能等技術(shù)在新藥研發(fā)中的應(yīng)用。AI技術(shù)在新藥研發(fā)領(lǐng)域中的應(yīng)用推動(dòng)行業(yè)快速變革，涉及靶點(diǎn)發(fā)現(xiàn)、蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)、化合物篩選、ADMET特性預(yù)測(cè)、臨床試驗(yàn)結(jié)果預(yù)測(cè)、藥物重定位、晶型預(yù)測(cè)和逆向合成分析等多個(gè)關(guān)鍵環(huán)節(jié)。AI制藥技術(shù)的應(yīng)用有望縮短藥物研發(fā)周期，降低成本，提高研發(fā)成功率。AI技術(shù)使得從藥物設(shè)計(jì)到臨床試驗(yàn)的全流程更加高效，為傳統(tǒng)藥物研發(fā)帶來創(chuàng)新變革，并展現(xiàn)出在藥物研發(fā)領(lǐng)域的廣闊前景和巨大潛力。lCRO公司加速布局AI+制藥應(yīng)用技術(shù)。CRO藥物研發(fā)外包公司的AI技術(shù)應(yīng)用正逐步深化，涵蓋藥物發(fā)現(xiàn)的各個(gè)環(huán)節(jié)，從靶點(diǎn)識(shí)別、化合物篩選、結(jié)構(gòu)預(yù)測(cè)到藥物設(shè)計(jì)等。維亞生物建立縱向AI應(yīng)用技術(shù)平臺(tái)加速先導(dǎo)化合物發(fā)現(xiàn)；泓博醫(yī)藥持續(xù)推進(jìn)PR-GPT多模態(tài)大型語言模型的應(yīng)用；成都先導(dǎo)依托DNA編碼化合物庫(kù)技術(shù)與AI技術(shù)結(jié)合，優(yōu)化苗頭化合物的識(shí)別過程；藥石科技利用其分子砌塊庫(kù)結(jié)合AI技術(shù)，開發(fā)動(dòng)態(tài)化學(xué)空間，并通過一站式計(jì)算篩選平臺(tái)，提供全面的活性化合物篩選服務(wù)。隨著AI技術(shù)的不斷進(jìn)步和CRO公司專業(yè)能力的增強(qiáng)，我們預(yù)計(jì)未來藥物研發(fā)領(lǐng)域?qū)⒂瓉砀鄤?chuàng)新突破。風(fēng)險(xiǎn)提示。AI+制藥技術(shù)發(fā)展不達(dá)預(yù)期風(fēng)險(xiǎn)、AI+制藥研發(fā)成本導(dǎo)致公司虧損風(fēng)險(xiǎn)、生物醫(yī)藥投融資下滑風(fēng)險(xiǎn)、地緣政治風(fēng)險(xiǎn)、數(shù)據(jù)隱私與安全風(fēng)險(xiǎn)、市場(chǎng)競(jìng)爭(zhēng)加劇風(fēng)險(xiǎn)。行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)21.AI制藥領(lǐng)域蓬勃發(fā)展，有望成為下一個(gè)黃金賽道 51.1AI技術(shù)發(fā)展迅速，引領(lǐng)制藥領(lǐng)域創(chuàng)新變革 51.2技術(shù)革新與政策扶持促進(jìn)AI制藥行業(yè)快速發(fā)展 51.3AI制藥市場(chǎng)藍(lán)海前景廣闊 71.4AI制藥產(chǎn)業(yè)鏈上中下游分析 82.AI+制藥技術(shù)方興未艾，應(yīng)用端百花齊放 2.1AI技術(shù)驅(qū)動(dòng)治療靶點(diǎn)發(fā)現(xiàn)，增加靶點(diǎn)新穎性 2.1.1系統(tǒng)生物學(xué)方法 2.1.2基于結(jié)構(gòu)的靶點(diǎn)發(fā)現(xiàn)計(jì)算輔助方法 2.2AlphaFold促使蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)革命性進(jìn)步 2.3化合物虛擬篩選有效提升化合物結(jié)構(gòu)新穎性 2.4ADMET預(yù)測(cè)可提前考量藥物成藥可能性 2.5臨床試驗(yàn)結(jié)果預(yù)測(cè)可有效節(jié)省失敗臨床的經(jīng)費(fèi) 2.6人工智能促使藥物重定位快速上市 2.7晶型預(yù)測(cè)可提供不同于經(jīng)驗(yàn)規(guī)則的新見解 2.8逆向合成分析可有效優(yōu)化和創(chuàng)造合成路線 3.CRO公司加速布局AI技術(shù)應(yīng)用 3.1維亞生物建立縱向AI應(yīng)用技術(shù)平臺(tái)加速先導(dǎo)化合物發(fā)現(xiàn) 3.2泓博醫(yī)藥語言模型具備豐富應(yīng)用場(chǎng)景 3.3成都先導(dǎo)具備獨(dú)家骨架骨架躍遷算法 3.4藥石科技分子砌塊結(jié)合AI技術(shù)突破顯著 4.風(fēng)險(xiǎn)提示 行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)3 圖1AI技術(shù)在制藥行業(yè)的中的應(yīng)用發(fā)展歷程 5圖2AI制藥領(lǐng)域投融資金額 7圖32021-2026年全球AI制藥市場(chǎng)規(guī)模趨勢(shì)預(yù)測(cè)圖 8圖42019-2024年中國(guó)AI制藥市場(chǎng)規(guī)模趨勢(shì)預(yù)測(cè)圖 8圖5AI藥物研發(fā)產(chǎn)業(yè)鏈布局分布圖 8圖6人工智能(AI)在藥物研發(fā)過程中的應(yīng)用 圖7靶點(diǎn)識(shí)別的三種探索性策略 圖8人工智能驅(qū)動(dòng)的靶點(diǎn)發(fā)現(xiàn)的工作流 圖9虛擬篩選的一般流程示意圖 圖10基于配體的虛擬篩選和基于受體的虛擬篩選流程 圖11ADMETlab3.0數(shù)據(jù)及DMPNN-Des模型框架概覽 圖12舌下右美托咪定與安慰劑對(duì)與雙相情感障礙相關(guān)的急性激動(dòng)的影響 圖13晶型預(yù)測(cè)評(píng)估轉(zhuǎn)晶風(fēng)險(xiǎn) 圖14晶型預(yù)測(cè)與實(shí)驗(yàn)研究時(shí)間流程對(duì)比 圖15逆向合成流程概述 圖18語言模型參數(shù)量和訓(xùn)練計(jì)算量對(duì)比 圖19大語言模型的發(fā)展歷程 圖20DEL技術(shù)概念圖 圖21成都先導(dǎo)DNA編碼化合物庫(kù)設(shè)計(jì)的邏輯 圖22骨架躍遷移技術(shù)路徑概念圖 圖23利用GraphGMVAE進(jìn)行骨架躍遷 圖24藥石科技一站式先導(dǎo)化合物計(jì)算篩選平臺(tái) 圖25藥石科技化合物激酶選擇性預(yù)測(cè)平臺(tái) 行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)4表1AI技術(shù)分類 表2國(guó)家層面AI新藥研發(fā)行業(yè)政策 表3“十四五”期間中國(guó)部分省份AI新藥研發(fā)發(fā)展目標(biāo) 表4靶點(diǎn)選擇標(biāo)準(zhǔn) 表5已有系統(tǒng)生物學(xué)平臺(tái)/系統(tǒng)/方法 表6基于結(jié)構(gòu)的靶點(diǎn)發(fā)現(xiàn)主要策略 表7inClinico前瞻性研究第二階段臨床試驗(yàn)的預(yù)測(cè)和結(jié)果（截至2022年12月） 行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)5藥物開發(fā)過程因其周期長(zhǎng)、成本高、效率低而成為該行業(yè)長(zhǎng)期關(guān)注的問題。平均而言，藥物開發(fā)需要2億美元的投資，需要10-15年才能完成開發(fā)創(chuàng)新藥物的整個(gè)過程，從研發(fā)到營(yíng)銷。AI制藥是以醫(yī)藥大數(shù)據(jù)為基礎(chǔ)，通過運(yùn)用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等AI技術(shù)替代大量實(shí)驗(yàn)，對(duì)藥物結(jié)構(gòu)、功效等進(jìn)行快速分析，以優(yōu)化藥物研發(fā)環(huán)節(jié)的技術(shù)手段。從初期計(jì)算機(jī)輔助藥物設(shè)計(jì)，發(fā)展到如今的人工智能藥物研發(fā)，AI幾乎參與了從藥物靶點(diǎn)發(fā)現(xiàn)到臨床試驗(yàn)的全流程。AI制藥技術(shù)發(fā)展歷史：1)早期探索期（2007-2012年人工智能技術(shù)在藥物發(fā)現(xiàn)中的使用，可以追溯到2007年劍橋大學(xué)開發(fā)的Adam機(jī)器人成功預(yù)測(cè)酵母菌新功能的案例。而后，機(jī)器人Eva發(fā)現(xiàn)了牙膏中的成分三氯生可以靶向抑制DHFR酶來治療瘧疾。2)技術(shù)積累期（2013-2016年一大批標(biāo)志性企業(yè)在此階段成立，包括Exscientia、Atomwise、Recursion，國(guó)內(nèi)的英矽智能、晶泰科技等。這一階段主要是進(jìn)行前期的技術(shù)積累與早期商業(yè)模式的探索，研究AI如何與新藥研發(fā)的各環(huán)節(jié)融合。3)技術(shù)驗(yàn)證期（2017-2019年最早一批AI+新藥企業(yè)基本完成前期技術(shù)積累，并陸續(xù)開始獲得臨床前候選藥物一類的驗(yàn)證性成果，部分AI+新藥企業(yè)為藥企或藥物研發(fā)CRO企業(yè)提供更具廣度和深度的端到端AI技術(shù)服務(wù)。4)快速發(fā)展期（2020年-至今隨著技術(shù)進(jìn)步，AI+新藥企業(yè)與傳統(tǒng)藥企的合作逐漸深入，最早成長(zhǎng)起來的一批AI+新藥企業(yè)相繼取得實(shí)質(zhì)性成果，逐漸形成AI制藥的早期參與者、互聯(lián)網(wǎng)巨頭和傳統(tǒng)制藥企業(yè)三股勢(shì)力。行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)6AI技術(shù)底層突破顯著，賦能醫(yī)藥行業(yè)發(fā)展。近年來，藥物開發(fā)領(lǐng)域在計(jì)算機(jī)技術(shù)方面取得了重大進(jìn)展，特別是在人工智能領(lǐng)域，利用人工智能系統(tǒng)和軟件使用機(jī)器學(xué)習(xí)算法處理、解釋和學(xué)習(xí)輸入數(shù)據(jù)的人工智能藥物設(shè)計(jì)得到了廣泛采用。數(shù)據(jù)、算法和算力被認(rèn)為是AI的三大支柱，持續(xù)推動(dòng)AI領(lǐng)域的發(fā)展。機(jī)器學(xué)習(xí)是AI的一種類型，計(jì)算機(jī)可以自己學(xué)習(xí)，識(shí)別模式然后建立模型，并根據(jù)這些模型進(jìn)行預(yù)測(cè);深度學(xué)習(xí)則是機(jī)器學(xué)習(xí)的一種進(jìn)階類型。AI算法可以按照不同的分類標(biāo)準(zhǔn)進(jìn)行類型劃分，例如按照模型訓(xùn)練方式的差異可以分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)，以及強(qiáng)化學(xué)習(xí)，按照模型預(yù)測(cè)任務(wù)的不同可分為分類算法(包括二分類和多分類)、回歸算法、聚類算法、降維算法、異常檢測(cè)算法等。概述典型算法代表監(jiān)督監(jiān)督學(xué)習(xí)是指在帶有標(biāo)簽的數(shù)據(jù)上訓(xùn)練得到數(shù)學(xué)模型，然后給定新的輸入，模型會(huì)預(yù)測(cè)相應(yīng)的輸出值。典型算法包括支持向量機(jī)、決策樹、隨機(jī)森林、樸素貝葉斯、K-近鄰、梯度提升、多層感知器、人工神經(jīng)網(wǎng)絡(luò)等。無監(jiān)督學(xué)習(xí)無監(jiān)督學(xué)習(xí)則與監(jiān)督學(xué)習(xí)過程相反，在沒有標(biāo)簽的數(shù)據(jù)上訓(xùn)練得到模型。常用的無監(jiān)督學(xué)習(xí)算法包括聚類和降維。代表算法包括K均值、期望最大化、主成分分析、線性判別分析、高斯混合模型、奇異值分解、自編碼器等。強(qiáng)化強(qiáng)化學(xué)習(xí)是另一種機(jī)器學(xué)習(xí)范式，不需要外部提供大量帶標(biāo)簽的數(shù)據(jù)進(jìn)行訓(xùn)練。強(qiáng)化學(xué)習(xí)中有兩個(gè)可交互的對(duì)象，智能體與環(huán)境，智能體利用已有動(dòng)作和經(jīng)驗(yàn)的反饋不斷地與環(huán)境進(jìn)行交互，以實(shí)現(xiàn)特定目標(biāo)或取得最大化的預(yù)期利益。-深度深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集，其源于對(duì)ANN的研究。ANN是由一系列人工神經(jīng)元互連構(gòu)成的網(wǎng)絡(luò)系統(tǒng)，用來模擬人類大腦神經(jīng)系統(tǒng)的結(jié)構(gòu)與功能。至今已發(fā)展出多種類型的網(wǎng)絡(luò)架構(gòu)，包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、圖卷積神經(jīng)網(wǎng)絡(luò)、AE等。宏觀政策利好AI制藥，AI制藥企業(yè)欲乘東風(fēng)。AI新藥研發(fā)是人工智能和醫(yī)藥的深入融合產(chǎn)物，也屬于國(guó)家重點(diǎn)鼓勵(lì)和發(fā)展的行業(yè)，近年來國(guó)務(wù)院、政府主管部門出臺(tái)了一系列振興及規(guī)范生物醫(yī)藥及AI新藥研發(fā)行業(yè)發(fā)展的產(chǎn)業(yè)政策，依據(jù)《“十四五”醫(yī)藥工業(yè)發(fā)展規(guī)劃》與《“十四五”生物經(jīng)濟(jì)發(fā)展規(guī)劃》政策，國(guó)家將重點(diǎn)扶持云計(jì)算、大數(shù)據(jù)、人工智能等信息技術(shù)在新藥研發(fā)中的應(yīng)用，支持和引導(dǎo)AI新藥研發(fā)行業(yè)快速發(fā)展。發(fā)布時(shí)發(fā)布部門政策名稱與AI制藥相關(guān)內(nèi)容2021.12工業(yè)和信息化部、國(guó)家發(fā)展和改革委員會(huì)等9部門《“十四五"醫(yī)藥工業(yè)發(fā)展規(guī)劃》探索人工智能、云計(jì)算、大數(shù)據(jù)等技術(shù)在研發(fā)領(lǐng)域的應(yīng)用，通過對(duì)生物學(xué)數(shù)據(jù)挖掘分析、模擬計(jì)算，提升新靶點(diǎn)和新藥物的發(fā)現(xiàn)效率。在實(shí)驗(yàn)動(dòng)物模型構(gòu)建、藥物設(shè)計(jì)、藥理藥效研究、臨床試驗(yàn)、數(shù)據(jù)分析等環(huán)節(jié)加強(qiáng)信息技術(shù)應(yīng)用,縮短研發(fā)周期,降低研發(fā)成本。2022.05國(guó)家發(fā)展改革委《“十四五"生物經(jīng)濟(jì)發(fā)展規(guī)劃》利用云計(jì)算、大數(shù)據(jù)、人工智能等信息技術(shù)，對(duì)治療適應(yīng)癥與新靶點(diǎn)驗(yàn)證、臨床前與臨床試驗(yàn)、產(chǎn)品設(shè)計(jì)優(yōu)化與產(chǎn)業(yè)化等新藥研制過程進(jìn)行全程監(jiān)管，實(shí)現(xiàn)藥物產(chǎn)業(yè)的精準(zhǔn)化研制與規(guī)?；l(fā)展。提升制藥裝備的自動(dòng)化、數(shù)字化和智能化水平，發(fā)展基于人工智能的藥物潔凈、超臨界萃取和色譜分離，固體制劑生產(chǎn)在線檢測(cè)，連續(xù)培養(yǎng)生物反應(yīng)器、蛋白質(zhì)大規(guī)模純化、冷鏈儲(chǔ)存運(yùn)輸?shù)刃畔⒒扑幯b備。地方政策發(fā)展目標(biāo)明確，大力扶持AI制藥技術(shù)發(fā)展。地方政策的明確發(fā)展目標(biāo)和對(duì)AI制藥技術(shù)的大力扶持，已經(jīng)成為推動(dòng)中國(guó)醫(yī)藥行業(yè)創(chuàng)新和轉(zhuǎn)型的重要力量，激發(fā)了企業(yè)的創(chuàng)新活力，縮短新藥上市周期，提高研發(fā)成功率，從而在全球醫(yī)藥市場(chǎng)中增強(qiáng)競(jìng)爭(zhēng)行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)7省市重點(diǎn)內(nèi)容利用人工智能與云計(jì)算技術(shù)、大數(shù)據(jù)和高性能計(jì)算相結(jié)合的方式，建立和發(fā)展新藥研發(fā)加速平臺(tái)，提高藥物研發(fā)的效率與成功率。天津利用單細(xì)胞測(cè)序及人工智能、生物信息分析等技術(shù)，研究創(chuàng)新藥作用分子機(jī)制，開展與細(xì)胞凋亡和耐藥相關(guān)蛋白及關(guān)鍵致病基因的表達(dá)、基因及蛋白組學(xué)測(cè)定和藥物敏感度分級(jí)研究。上海瞄準(zhǔn)合成生物學(xué)、基因編輯、干細(xì)胞與再生醫(yī)學(xué)、細(xì)胞治療與基因治療、人工智能輔助藥物設(shè)計(jì)等重點(diǎn)領(lǐng)域布局若干市級(jí)科技重大專項(xiàng)和戰(zhàn)略性新興產(chǎn)業(yè)重大項(xiàng)目。開展靶標(biāo)發(fā)現(xiàn)和驗(yàn)證、先導(dǎo)化合物優(yōu)化設(shè)計(jì)、藥物晶型研究、藥物成藥性評(píng)價(jià)等關(guān)鍵技術(shù)攻關(guān)，加快突破人工智能和計(jì)算機(jī)輔助藥物設(shè)計(jì)、體內(nèi)外藥物篩選模型、藥物毒性早期發(fā)現(xiàn)、新藥臨床轉(zhuǎn)化醫(yī)學(xué)研究等關(guān)鍵技術(shù)。浙江支持發(fā)展基于人工智能、大數(shù)據(jù)、工業(yè)互聯(lián)網(wǎng)的數(shù)字化藥物研發(fā)平臺(tái)，支持藥物精準(zhǔn)研發(fā)。安徽鼓勵(lì)應(yīng)用人工智能、云計(jì)算、大數(shù)據(jù)等技術(shù)進(jìn)行藥物靶標(biāo)篩選、藥物分子設(shè)計(jì)，提升新靶點(diǎn)和新藥物發(fā)現(xiàn)效率。綜合應(yīng)用大數(shù)據(jù)、云計(jì)算、人工智能等技術(shù)進(jìn)行藥物靶標(biāo)篩選、藥物分子設(shè)計(jì)、藥物篩選、藥效早期評(píng)價(jià)、提高研發(fā)效率和降低研發(fā)成本。湖北加快突破人工智能和計(jì)算機(jī)輔助藥物設(shè)計(jì)、體內(nèi)外藥物篩選模型、新藥臨床轉(zhuǎn)化醫(yī)學(xué)研究等關(guān)鍵技術(shù)。AI制藥投融資市場(chǎng)活躍，根據(jù)DeepPharmaIntelligence官網(wǎng)數(shù)據(jù)，截止2023年一季度累積投資額達(dá)60.2百億美元。自2015年以來，投資于人工智能驅(qū)動(dòng)的制藥公司的資本金額大幅增加。根據(jù)DeepPharmaIntelligence官網(wǎng)數(shù)據(jù)，在過去的九年里，800家公司的年投資額增加了近27倍（截至2023年3月，總額為593億美元）。2021年，當(dāng)時(shí)人工智能在藥物開發(fā)公司的年度新增投資為96.6億美元，由于全球經(jīng)濟(jì)衰退，2022年藥物開發(fā)公司對(duì)人工智能的投資沒有像往年一樣高增（2022年為141.8億美元，而2021年為136.8億美元截止2023年3月，人工智能在藥物開發(fā)公司的投資總額為602億美元。AI制藥市場(chǎng)藍(lán)海廣闊，潛在發(fā)展?jié)摿薮蟆Ｏ噍^于傳統(tǒng)藥物研發(fā)，AI技術(shù)能將藥物發(fā)現(xiàn)、臨床前研究的時(shí)間縮短近40%，將臨床新藥研發(fā)的成功率從12%提高到約14%。根據(jù)中商產(chǎn)業(yè)研究院發(fā)布的《2024-2029中國(guó)AI制藥市場(chǎng)現(xiàn)狀研究分析與發(fā)展前景預(yù)測(cè)報(bào)告》顯示，2022年全球AI制藥市場(chǎng)規(guī)模為10.4億美元，較上一年增長(zhǎng)31.31%。中商產(chǎn)業(yè)研究院分析師預(yù)測(cè)，到2026年全球AI制藥市場(chǎng)規(guī)模將達(dá)到29.94億美元。行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)8左軸：中國(guó)AI制藥市場(chǎng)規(guī)模（億元）右軸：yoy20192020202120222023E50AI制藥產(chǎn)業(yè)鏈上游涉及算力、算法和數(shù)據(jù)，主要分兩大類:提供AI技術(shù)的企業(yè)和提供生物技術(shù)的企業(yè)。提供AI技術(shù)的企業(yè)中，輔助制藥的人工智能硬件設(shè)備包括服務(wù)器和芯片等；軟件包括各類機(jī)器學(xué)習(xí)、深度學(xué)習(xí)以及其他人工智能算法，還有數(shù)據(jù)收集和處理平臺(tái)、開源軟件包以及云計(jì)算平臺(tái)等輔助類軟件。提供生物技術(shù)的企業(yè)包括提供CRO服務(wù)的企業(yè)和提供先進(jìn)設(shè)備的企業(yè)，提供CRO服務(wù)的企業(yè)為提供制藥流程中不同階段輔助服務(wù)的傳統(tǒng)CRO企業(yè)；提供先進(jìn)設(shè)備的企業(yè)，則擁有制造冷凍電鏡、自動(dòng)化實(shí)驗(yàn)室等設(shè)備的高端技術(shù)。AI制藥產(chǎn)業(yè)鏈中游主要分為四大類：AI+biotech、AI+CRO、AI+SaaS以及IT頭部企業(yè)在AI制藥產(chǎn)業(yè)中的布局。AI+biotech：從藥物本身性質(zhì)或治療手段分類，從細(xì)分領(lǐng)域看，又可以分為三大類，即小分子藥物、大分子藥物、細(xì)胞和基因編輯法。AI+CRO：通過人工智能的輔助為客戶更好地交付先導(dǎo)化合物或PCC，再由藥企進(jìn)行后續(xù)的開發(fā)，或者合作推進(jìn)藥物管線。AI+SaaS：為客戶提供AI輔助藥物開發(fā)平臺(tái)，通過平臺(tái)為企業(yè)賦能，幫助企業(yè)加速研發(fā)流程，節(jié)省成本與時(shí)間。IT頭部企業(yè)：借助對(duì)外投資、打造自有相關(guān)平臺(tái)、提供算力及計(jì)算框架服務(wù)等參與其中。AI制藥產(chǎn)業(yè)鏈下游分為傳統(tǒng)藥企和CRO企業(yè)。傳統(tǒng)藥企主要通過自建團(tuán)隊(duì)、對(duì)外投資、CRO及技術(shù)合作等方式進(jìn)入AI制藥賽道。CRO們主要通過風(fēng)險(xiǎn)投資、建立內(nèi)部算法團(tuán)隊(duì)、采用外部AI技術(shù)、與AI制藥公司進(jìn)行合作等方式切入該領(lǐng)域。行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)9在商業(yè)模式上，我國(guó)AI藥物研發(fā)企業(yè)主要分為AISaaS、AICRO、AIbiotech三種模式，即出售軟件、服務(wù)和研發(fā)藥物，分別占了商業(yè)模式總數(shù)的25%、23%和8%。并多兼容上述三種模式中的2種或3種，兼容2種商業(yè)模式的最多，占31%，兼容≥3種模式的占13%。有較強(qiáng)藥物研發(fā)經(jīng)驗(yàn)的團(tuán)隊(duì)多以自研管線為主，而算法背景強(qiáng)的團(tuán)隊(duì)則傾向于進(jìn)行SaaS和研發(fā)服務(wù)?！白匝?外部合作”已成為主流，以降低liscencein的風(fēng)險(xiǎn)。行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)10新藥研發(fā)具有周期長(zhǎng)、投入大、風(fēng)險(xiǎn)高等特點(diǎn)，人工智能介入新藥研發(fā)全流程加速新藥研發(fā)速度。以小分子藥物為例，研發(fā)周期平均需要約10年，包括發(fā)現(xiàn)苗頭化合物并經(jīng)過層層結(jié)構(gòu)優(yōu)化得到先導(dǎo)化合物的藥物發(fā)現(xiàn)階段(2-4年)、針對(duì)候選化合物的臨床前研究階段(1-3年)和臨床階段(3-7年)，其中藥物發(fā)現(xiàn)階段是小分子藥物研發(fā)中最重要的基礎(chǔ)環(huán)節(jié)，且藥物篩選技術(shù)直接關(guān)系到先導(dǎo)化合物質(zhì)量、研發(fā)效率、研發(fā)成本以及成藥可能性，是新藥研發(fā)持續(xù)進(jìn)行的關(guān)鍵。人工智能已介入新藥開發(fā)全流程，在靶點(diǎn)發(fā)現(xiàn)、蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)、化合物虛擬篩選、ADMET預(yù)測(cè)有廣泛應(yīng)用，并可輔助臨床試驗(yàn)設(shè)計(jì)患者招聘等，對(duì)臨床期試驗(yàn)結(jié)果預(yù)測(cè)可有效節(jié)省研發(fā)費(fèi)用支出?；诎悬c(diǎn)的藥物發(fā)現(xiàn)是藥物研發(fā)的主流手段，治療靶點(diǎn)的選擇仍具有挑戰(zhàn)性。截止于2021年9月，F(xiàn)DA批準(zhǔn)的1619個(gè)藥物中，共涉及靶點(diǎn)893個(gè)，其中667個(gè)為人體靶點(diǎn)，藥物靶點(diǎn)對(duì)整個(gè)新藥研發(fā)項(xiàng)目起到?jīng)Q定性的作用。盡管許多候選藥物在臨床前階段進(jìn)行了廣泛的優(yōu)化，但2009年至2018年臨床試驗(yàn)的平均失敗率達(dá)到了84.6%。用于選擇藥物靶點(diǎn)的標(biāo)準(zhǔn)可以大大地影響藥物開發(fā)的成功，靶點(diǎn)選擇標(biāo)準(zhǔn)主要包括因果關(guān)系、成藥性、毒性、新穎性等。項(xiàng)目概述因果關(guān)系因果關(guān)系是選擇藥物靶點(diǎn)的關(guān)鍵標(biāo)準(zhǔn)。除了實(shí)驗(yàn)方法外，推斷靶點(diǎn)與疾病之間因果關(guān)系的常見計(jì)算方法是基于網(wǎng)絡(luò)的分析，它涉及構(gòu)建生物網(wǎng)絡(luò)，以捕獲不同基因，蛋白質(zhì)，藥物和其他分子實(shí)體之間的關(guān)系。這些網(wǎng)絡(luò)可用于根據(jù)其在網(wǎng)絡(luò)中的中心性和連通性來確定可能與疾病有因果關(guān)系的潛在靶點(diǎn)。成藥性靶點(diǎn)的成藥性，即靶點(diǎn)被藥物分子調(diào)節(jié)的能力。影響成藥性的因素包括治療方式、蛋白質(zhì)定位、分類和結(jié)構(gòu)可用性。例如，小分子藥物通常用于具有明確結(jié)合口袋（例如激酶）的靶點(diǎn)，而基于蛋白質(zhì)的療法更適合于難以用小分子處理的靶點(diǎn)。藥物靶點(diǎn)的結(jié)構(gòu)信息有助于通過基于AI的預(yù)測(cè)進(jìn)行藥物設(shè)計(jì)和優(yōu)化，例如AlphaFold，從而擴(kuò)大了蛋白質(zhì)結(jié)構(gòu)的覆蓋范圍。靶點(diǎn)毒性通過評(píng)估所涉及的細(xì)胞過程、基因必要性和組織特異性來考慮靶點(diǎn)毒性。新穎性基于文本的證據(jù)可用于評(píng)估給定靶點(diǎn)的新穎性和可信度。通過仔細(xì)研究已批準(zhǔn)的藥物、分子靶點(diǎn)和治療適應(yīng)癥之間的關(guān)系，Santos等人發(fā)現(xiàn)，高置信度靶點(diǎn)（或“特權(quán)”靶點(diǎn)家族）占已批準(zhǔn)藥物的大多數(shù)，人工智能輔助的靶點(diǎn)選擇有望增加靶點(diǎn)新穎性。行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)11知識(shí)圖譜結(jié)合系統(tǒng)生物學(xué)有效識(shí)別靶點(diǎn)。系統(tǒng)生物學(xué)通過研究各個(gè)生物系統(tǒng)內(nèi)部所有組分成分間相互關(guān)系，期望最終能夠建立整個(gè)系統(tǒng)的可理解模型，為有機(jī)體繪制完整圖譜。將知識(shí)圖譜技術(shù)與系統(tǒng)生物學(xué)結(jié)合構(gòu)建生物醫(yī)藥知識(shí)圖譜已開始在醫(yī)學(xué)實(shí)踐和研究中發(fā)揮關(guān)鍵作用。信號(hào)通路激活分析則是一種從大規(guī)模轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)數(shù)據(jù)中提取生物學(xué)相關(guān)特征的強(qiáng)大方法。類型公司平臺(tái)/系統(tǒng)/方法概述生物醫(yī)藥知識(shí)信號(hào)通路激活分析BERGInterrogativeBiology平臺(tái)基于AI的系統(tǒng)生物學(xué)平臺(tái)，可生成數(shù)據(jù)驅(qū)動(dòng)的無偏網(wǎng)絡(luò)，用于識(shí)別靶點(diǎn)和疾病的生物標(biāo)志物。BenevolentAI判斷加強(qiáng)認(rèn)知系統(tǒng)JACS通過發(fā)現(xiàn)疾病、藥物、試驗(yàn)數(shù)據(jù)等大量非結(jié)構(gòu)化數(shù)據(jù)間的新聯(lián)系，實(shí)現(xiàn)藥物重定位。MindRankAIPharmKG利用異構(gòu)圖注意力神經(jīng)網(wǎng)絡(luò)構(gòu)建藥物與疾病之間聯(lián)系的多關(guān)系屬性生物醫(yī)藥知識(shí)圖譜，包含了29種關(guān)系種類以及超過8000種歧義實(shí)體。InsilicoMedicine基于Transformer的知識(shí)圖譜功能從期刊文獻(xiàn)中提取信息，將基因、疾病、化合物和生物通路聯(lián)系起來，并將其與基于大型語言模型的問答功能相結(jié)合，以快速識(shí)別疾病發(fā)展的遺傳基礎(chǔ)和分子機(jī)制，促進(jìn)藥物靶點(diǎn)和生物標(biāo)志物的識(shí)別。InsilicoMedicine通路激活網(wǎng)絡(luò)分解分析方法iPANDAiPANDA以疾病患者樣本中基因表達(dá)水平與正常組樣本的平均表達(dá)水平之間的倍數(shù)變化作為輸入，并引入基因重要性因子來表征基因?qū)ν芳せ畹挠绊懗潭?，進(jìn)而進(jìn)行標(biāo)志信號(hào)通路識(shí)別。計(jì)算輔助方法成為高效篩選靶點(diǎn)的有效方案，人工智能驅(qū)動(dòng)的靶點(diǎn)發(fā)現(xiàn)工作流協(xié)同加深復(fù)雜疾病理解。靶點(diǎn)識(shí)別可分為三種不同的策略：實(shí)驗(yàn)、多組學(xué)和計(jì)算輔助方法；傳統(tǒng)的實(shí)驗(yàn)方法主要包括基于親和力的生化、比較分析和化學(xué)/遺傳篩選，常用手段小分子親和探針、氨基酸的穩(wěn)定同位素標(biāo)記、通過RNA干擾或CRISPR-Cas9基因編輯等；多組學(xué)方法可提供靜態(tài)基因組數(shù)據(jù)和時(shí)空動(dòng)態(tài)表達(dá)和代謝譜以便全面的了解疾病機(jī)制視圖，綜合多組學(xué)分析常用于促進(jìn)生物標(biāo)志物和治療靶點(diǎn)的發(fā)現(xiàn)、治療反應(yīng)和患者預(yù)后預(yù)測(cè)；基于結(jié)構(gòu)的靶點(diǎn)發(fā)現(xiàn)計(jì)算輔助方法可以作為補(bǔ)充實(shí)驗(yàn)方法的策略，例如反向?qū)?、藥效團(tuán)、結(jié)合位點(diǎn)相似性和基于指紋交互的方法。類型概述反向?qū)永盟幮Т笠?guī)模靶蛋白數(shù)據(jù)庫(kù)（PDTD）涵蓋了約1100個(gè)具有3D結(jié)構(gòu)的蛋白質(zhì)條目，其數(shù)據(jù)是從文獻(xiàn)和幾個(gè)在線數(shù)據(jù)庫(kù)（如TDD、DrugBank和Thom?sonPharma）中提取的，包括830個(gè)已知或潛在藥物靶點(diǎn)的信息，使用該數(shù)據(jù)庫(kù)發(fā)現(xiàn)了茶多酚和人參皂苷的潛在靶蛋白。基于一致性對(duì)接方法的藥物重定位（老藥新用）平臺(tái)ACID2019年楊光富教授團(tuán)隊(duì)開發(fā)該平臺(tái)，用來評(píng)估每個(gè)蛋白質(zhì)和給定小分子之間的親和力，預(yù)測(cè)準(zhǔn)確度提高了10%團(tuán)模型進(jìn)藥效團(tuán)匹配與潛在識(shí)別靶該平臺(tái)可通過將所查詢化合物的藥效團(tuán)與內(nèi)部藥效團(tuán)模型數(shù)據(jù)庫(kù)進(jìn)行匹配來執(zhí)行反向找靶標(biāo)平臺(tái)標(biāo)平臺(tái)PharmMapper行預(yù)測(cè)行預(yù)測(cè)行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)12AI靶點(diǎn)發(fā)現(xiàn)可跳出傳統(tǒng)認(rèn)知，不遵守預(yù)先假設(shè)，降低對(duì)人員經(jīng)驗(yàn)的依賴度。英矽智能于2022年7月宣布，公司與AnswerALS項(xiàng)目合作開展的肌萎縮側(cè)索硬化癥（ALS）靶點(diǎn)識(shí)別項(xiàng)目利用英矽智能自研人工智能平臺(tái)PandaOmics分析了來自公共數(shù)據(jù)集的中樞神經(jīng)系統(tǒng)（CNS）樣本表達(dá)譜和由誘導(dǎo)性多功能干細(xì)胞分化成的運(yùn)動(dòng)神經(jīng)元（diMN）表達(dá)譜，成功發(fā)現(xiàn)28個(gè)經(jīng)過驗(yàn)證的潛在靶點(diǎn)，其中18個(gè)（64%）在果蠅實(shí)驗(yàn)中被驗(yàn)證有效，涵蓋8個(gè)未經(jīng)報(bào)告過的基因。機(jī)器學(xué)習(xí)的應(yīng)用不僅限于預(yù)測(cè)現(xiàn)有藥物或化合物的生物靶點(diǎn)，還可以識(shí)別任何感興趣的疾病的新治療靶點(diǎn)。機(jī)器學(xué)習(xí)分析還可以發(fā)現(xiàn)支撐疾病的復(fù)雜生理途徑，并深入了解為什么某種特定疾病的患者之間存在差異?；诎悬c(diǎn)的藥物設(shè)計(jì)是藥物開發(fā)的主導(dǎo)方法，其中蛋白質(zhì)是最重要的靶類型。傳統(tǒng)的蛋白質(zhì)三維結(jié)構(gòu)測(cè)定方法多采用X射線晶體學(xué)、核磁共振光譜、低溫電子顯微鏡，在設(shè)備要求、蛋白質(zhì)結(jié)構(gòu)的復(fù)雜性和時(shí)間消耗方面存在局限性。截至2023年6月，Uniport數(shù)據(jù)庫(kù)中擁有超過2.4億條蛋白質(zhì)序列，然而PDB數(shù)據(jù)庫(kù)中僅包含約20萬個(gè)實(shí)驗(yàn)確定的蛋白質(zhì)結(jié)構(gòu)被存入蛋白數(shù)據(jù)庫(kù)（PDB占總序列的不到0.1%AlphaFold確定了約2億個(gè)蛋白質(zhì)的結(jié)構(gòu)，范圍覆蓋地球上幾乎所有已知生物。傳統(tǒng)上，科研人員一直在用X射線晶體學(xué)和冷凍電鏡這種耗時(shí)且成本高昂的實(shí)驗(yàn)技術(shù)解析蛋白質(zhì)的結(jié)構(gòu)，2021年AlphaFold誕生后，預(yù)報(bào)的蛋白質(zhì)主鏈原子坐標(biāo)誤差中值降至了1.1?,側(cè)鏈原子也接近1.5?,已達(dá)到了實(shí)驗(yàn)X射線晶體學(xué)最高分辨率的程度。EMBL-EBI（歐洲分子生物學(xué)實(shí)驗(yàn)室歐洲生物信息研究所）表示，在這些逾2.14億個(gè)結(jié)構(gòu)預(yù)測(cè)中，約35%的預(yù)測(cè)結(jié)果被認(rèn)為準(zhǔn)確度很高，即和實(shí)驗(yàn)解析的結(jié)構(gòu)一樣可靠。另有45%的預(yù)測(cè)被認(rèn)為置信度足夠高，在很多情況下都能使用。2020年舉辦的第14屆CASP比賽中，升級(jí)版AlphaFold2對(duì)所有目標(biāo)蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的平均GDT得分達(dá)到92.4分，其準(zhǔn)確性可以與使用冷凍電鏡等實(shí)驗(yàn)技術(shù)解析的3D結(jié)構(gòu)相媲美。虛擬篩選可有效降低實(shí)驗(yàn)成本，針對(duì)性挑選苗頭/先導(dǎo)化合物。虛擬篩選是基于靶點(diǎn)與藥物分子之間的鎖鑰理論，借助計(jì)算機(jī)技術(shù)發(fā)展而來的新型藥物篩選方法，它能夠利用專業(yè)計(jì)算機(jī)軟件模擬配體與對(duì)應(yīng)受體的結(jié)合，通過計(jì)算藥物與對(duì)應(yīng)靶點(diǎn)之間的結(jié)合能力從化合物數(shù)據(jù)庫(kù)中挑選出苗頭化合物。應(yīng)用虛擬篩選的方法發(fā)現(xiàn)先導(dǎo)，大大地增強(qiáng)了藥物研究的針對(duì)性，增加了生物活性測(cè)試的命中率，從而降低了實(shí)驗(yàn)成本的消耗。虛擬篩選分為兩類i）基于結(jié)構(gòu)的虛擬篩選（SBVS）和（ii）基于配體的虛擬篩選（LBVS）。基于結(jié)構(gòu)的虛擬篩選從靶蛋白的三維結(jié)構(gòu)出發(fā)，研究靶蛋白結(jié)合位點(diǎn)的特征性質(zhì)以及它與小分子化合物之間的相互作用模式，根據(jù)與結(jié)合能相關(guān)的親合性打分函數(shù)對(duì)蛋白和小分子化合物的結(jié)合能力進(jìn)行評(píng)價(jià)，最終從大量的化合物分子中挑選出結(jié)合模式比較合理的、預(yù)測(cè)得分較高的化合物，用于后續(xù)的生物活性測(cè)試。行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)13基于配體的虛擬篩選一般是利用已知活性的小分子化合物，根據(jù)化合物的形狀相似性或藥效團(tuán)模型在化合物數(shù)據(jù)庫(kù)中搜索能夠與它匹配的化學(xué)分子結(jié)構(gòu)，最后對(duì)這些挑選出來的化合物進(jìn)行實(shí)驗(yàn)篩選研究。分子對(duì)接作為基于結(jié)構(gòu)的虛擬篩選中最重要的方法，可以預(yù)測(cè)目標(biāo)靶點(diǎn)與配體的結(jié)合模式。在過去20年間，大量的分子對(duì)接軟件和程序被開發(fā)出來，包括Autodock、等。對(duì)于一個(gè)分子對(duì)接軟件來講，最關(guān)鍵的兩部分是采樣算法和評(píng)分函數(shù)，他們分別決定了軟件的采樣能力和評(píng)分能力。目前比較流行的采樣算法大致可以分為三類：形狀匹配，系統(tǒng)搜索（窮舉搜索，分割和構(gòu)象系綜）和隨機(jī)搜索算法（如蒙特卡洛算法，遺傳算法，禁忌搜索方法和群體優(yōu)化方法）。而流行的評(píng)分函數(shù)主要可以分為三類：力場(chǎng)，經(jīng)驗(yàn)和基于知識(shí)的評(píng)分函數(shù)。ADMETlab提供藥物代謝動(dòng)力學(xué)在線預(yù)測(cè)功能。ADMETlab是2018年中南大學(xué)湘雅藥學(xué)院曹東升課題組首次發(fā)布的一款用于計(jì)算分子屬性和藥物代謝動(dòng)力學(xué)（ADME）的在線工具，提供了一系列計(jì)算模型，包括溶解度、血漿蛋白結(jié)合、肝臟代謝、腎臟排泄等，可以預(yù)測(cè)藥物在人體內(nèi)的吸收、分布、代謝和排泄過程，并評(píng)估其潛在的毒性和安全性，幫助藥物研究人員更好地理解分子的性質(zhì)和在人體內(nèi)的行為。截止截至2024年4月份，ADMETlab2.0文章已被引用1088次，網(wǎng)站訪問量超過170萬次，為滿足更多科研工作者的使用，目前ADMETlab已升級(jí)到3.0版本。行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)14圖11ADMETlab3.0數(shù)據(jù)及DMP候選藥物臨床失敗幾率大，預(yù)測(cè)臨床試驗(yàn)結(jié)果可有避免研發(fā)投入損失。藥物進(jìn)入臨床階段后，將有90%的候選藥物會(huì)在I、II、III期臨床試驗(yàn)或藥物批準(zhǔn)過程中失敗。如果將臨床前階段失敗的候選藥物計(jì)算在內(nèi)，藥物研發(fā)的失敗率將遠(yuǎn)遠(yuǎn)高于90%。存在如此高失敗率有4種可能原因：缺乏臨床療效（40-50%）、毒性不可控（30%）、成藥性差（10-15%）、缺乏市場(chǎng)需求和產(chǎn)品規(guī)劃策略不善（10%這常常導(dǎo)致研發(fā)團(tuán)隊(duì)面臨數(shù)萬億美元和數(shù)十年投入的巨大損失。inClinico成功且準(zhǔn)確預(yù)測(cè)了11個(gè)新藥的II期臨床試驗(yàn)的結(jié)果，9個(gè)月投資收益高達(dá)35%。inClinico使用三個(gè)AI引擎：一個(gè)用于評(píng)分試驗(yàn)設(shè)計(jì)、一個(gè)用于靶點(diǎn)選擇和一個(gè)用于患者符合資格標(biāo)準(zhǔn)，進(jìn)而來產(chǎn)生一個(gè)表示任何試驗(yàn)成功可能性的元分?jǐn)?shù)。inClinico平臺(tái)使用ClinicalT的55653項(xiàng)獨(dú)特的II期臨床試驗(yàn)中進(jìn)行了訓(xùn)練。在準(zhǔn)前瞻性驗(yàn)證中，inClinico在預(yù)測(cè)臨床試驗(yàn)II期至III期的轉(zhuǎn)化成功率方面的ROCAUC達(dá)到了0.88（機(jī)器學(xué)習(xí)模型性能指標(biāo)在前瞻性驗(yàn)證中，它對(duì)真實(shí)世界臨床試驗(yàn)結(jié)果預(yù)測(cè)的準(zhǔn)確率達(dá)到了79%。行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)15公司適應(yīng)證靶點(diǎn)inClinico評(píng)分讀出日期預(yù)測(cè)結(jié)果NVS慢性自發(fā)性蕁麻疹Remibrutinib0.77成功成功NVS陣發(fā)性夜間血紅蛋白尿LNP023FactorB0.79成功成功APTX纖維肌痛NYX-2925GRIN10.09失敗失敗APTX帕金森病或路易體癡呆引起的輕度認(rèn)知障礙或輕度癡呆NYX-458NMDAreceptors0.35失敗失敗BBIO軟骨發(fā)育不全I(xiàn)nfigratinibFGFR1,FGFR2,FGFR3,FGFR40.59成功成功BIVI肝硬化和難治性腹水TerlipressinAVPR1A,AVPR1B,AVPR20.5成功成功CORT抗精神病誘導(dǎo)的體重增加MiricorilantNR3C1,NR3C20.42失敗失敗CORT抗精神病誘導(dǎo)的體重增加MiricorilantNR3C1,NR3C20.42失敗失敗GOSS肺動(dòng)脈高壓SeralutinibCSF1R,KIT,PDGFRA,PDGFRB0.42失敗失敗TRVI特發(fā)性肺纖維化咳嗽NalbuphineOPRK1,OPRM10.37失敗失敗AZN蛋白尿性慢性腎臟疾病AtuliflaponFLAP0.03失敗失敗CINC未控制的高血壓BaxdrostatCYP11B20.49成功失敗HRMY普拉德-威利綜合征PitolisantHRH30.27失敗成功BNOX社交焦慮障礙BNC210CHRNA70.56成功失敗AI技術(shù)促使老藥新用，安全性確認(rèn)有效節(jié)省新藥開發(fā)時(shí)間。2022年4月，美國(guó)FDA已批準(zhǔn)右美托咪定舌下膜劑上市，用于急性治療與精神分裂癥或I/II型雙相情感障礙相關(guān)的激越。BioXcel構(gòu)建了一個(gè)帶標(biāo)簽的知識(shí)圖譜，它在視覺上將神經(jīng)精神癥狀、腦回路、藥物靶點(diǎn)和現(xiàn)有藥物聯(lián)系起來。通過建立這些聯(lián)系，現(xiàn)有藥物會(huì)出現(xiàn)新的潛在用途。BioXcel的AI技術(shù)平臺(tái)根據(jù)指定適應(yīng)癥，設(shè)定搜索條件，從海量科學(xué)論文中搜索發(fā)現(xiàn)右美托咪定具有可以治療激越的所有特征，并基于此啟動(dòng)右美托咪定舌下膜劑的開發(fā)。BioXcel基于人工智能的方法推出的第一個(gè)商業(yè)產(chǎn)品IGALMI?（右美托咪?。┥嘞卤∧呐R床研究到FDA的批準(zhǔn)花費(fèi)時(shí)間僅不到4年，這是由于由于右美托咪定已經(jīng)獲批上市，具有已知的安全性特征，可以節(jié)省臨床開發(fā)時(shí)間。行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)16資料來源：EffectofSublingualDexmedetomidinAI研發(fā)平臺(tái)促使巴瑞替尼重定位治療新冠，降低重癥患者病死率。2020年2月3日，英國(guó)公司BenevolentAI就在《柳葉刀》雜志發(fā)表論文稱，通過其研發(fā)的AI平臺(tái)檢索海量科學(xué)文獻(xiàn)，發(fā)現(xiàn)巴瑞替尼或可用于治療新冠。晶型預(yù)測(cè)可有效評(píng)估轉(zhuǎn)晶風(fēng)險(xiǎn)，節(jié)省實(shí)驗(yàn)研究時(shí)間。晶泰科技在面對(duì)客戶預(yù)測(cè)評(píng)估三種晶型轉(zhuǎn)晶風(fēng)險(xiǎn)的需求時(shí)僅用四周完成前期計(jì)算工作，對(duì)解得的晶胞參數(shù)及預(yù)測(cè)得到的晶體結(jié)構(gòu)進(jìn)行衍射精修，獲得實(shí)驗(yàn)晶型FormC的單晶結(jié)構(gòu)；隨后使用PSCP方法，比較實(shí)驗(yàn)存在的晶型和理論的潛在穩(wěn)定晶型的相對(duì)穩(wěn)定性，給出隨溫度變化的穩(wěn)定性變化曲線，估計(jì)相變溫度。晶型預(yù)測(cè)計(jì)算周期僅為6~8周，而晶型實(shí)驗(yàn)共花費(fèi)17周才得出與計(jì)算結(jié)果對(duì)應(yīng)的相同結(jié)果，證明晶型預(yù)測(cè)是藥物結(jié)晶研究中迅速、準(zhǔn)確的轉(zhuǎn)晶風(fēng)險(xiǎn)評(píng)估晶型預(yù)測(cè)助力仿制藥新晶型開發(fā)，預(yù)測(cè)未能從實(shí)驗(yàn)中開發(fā)的晶型結(jié)構(gòu)。通過理論計(jì)算了解晶型穩(wěn)定性全景，判斷是否存在其他穩(wěn)定晶型或可開發(fā)亞穩(wěn)晶型，評(píng)估各個(gè)實(shí)驗(yàn)晶型和潛在虛擬穩(wěn)定晶型的相對(duì)穩(wěn)定性，可為實(shí)驗(yàn)制備可開發(fā)的穩(wěn)定/亞穩(wěn)晶型提供思行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)17逆向合成是分析合成路線的重要手段。人工智能驅(qū)動(dòng)的逆合成預(yù)測(cè)涵蓋了單步逆合成預(yù)測(cè)和多步逆合成預(yù)測(cè)的兩個(gè)主要組成部分，以及分子表示和候選反應(yīng)評(píng)估的兩個(gè)算法設(shè)計(jì)元素，這四個(gè)元素共同為人工智能驅(qū)動(dòng)的逆轉(zhuǎn)合成預(yù)測(cè)方法建立了一個(gè)設(shè)計(jì)空間。行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)18維亞生物成立于2008年，向全球創(chuàng)新藥研發(fā)企業(yè)提供從早期基于結(jié)構(gòu)的藥物研發(fā)到商業(yè)化藥物生產(chǎn)的一站式綜合服務(wù)。公司搭建了X射線蛋白晶體技術(shù)、冷凍電鏡技術(shù)（Cryo-EM）、親和力質(zhì)譜篩選技術(shù)（ASMS）、表面等離子共振技術(shù)（SPR）、氫氘交換質(zhì)譜技術(shù)（HDX-MS）、計(jì)算機(jī)輔助藥物設(shè)計(jì)等多個(gè)先進(jìn)技術(shù)平臺(tái)。維亞生物專注于發(fā)現(xiàn)、投資高潛力生物醫(yī)藥初創(chuàng)公司，以獨(dú)創(chuàng)的技術(shù)服務(wù)換取股權(quán)（EFS）的商業(yè)模式，解決未滿足的臨床需求。維亞生物創(chuàng)新中心（VBI）作為維亞生物投資孵化和以服務(wù)換股權(quán)（EFS）業(yè)務(wù)的核心部門，專注于為全球創(chuàng)新生物醫(yī)藥企業(yè)提供孵化和成長(zhǎng)的開放式合作平臺(tái)。維亞生物從應(yīng)用端切入方法開發(fā)打造縱向一體化平臺(tái)，AI技術(shù)結(jié)合濕實(shí)驗(yàn)助力新藥研發(fā)。公司上海超算中心搭載英偉達(dá)A100芯片，為自有的AIDD和CADD算法提供充足的算力支持，同時(shí)具備開發(fā)多種藥物形態(tài)的能力，具有小分子、靶向RNA小分子、多肽、抗體等多種藥物類型的開發(fā)經(jīng)驗(yàn)。根據(jù)公司年報(bào)披露，截止2023年12月31日，已累計(jì)完成CADD/AIDD項(xiàng)目數(shù)近36個(gè)，其中長(zhǎng)期項(xiàng)目數(shù)占比為33%;采購(gòu)CADD/AIDD的客戶數(shù)累計(jì)近31家。行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)19維亞生物提供計(jì)算化學(xué)與計(jì)算生物學(xué)服務(wù)。計(jì)算化學(xué)技術(shù)主要為化學(xué)小分子藥物設(shè)計(jì)提供計(jì)算指導(dǎo)和幫助。從靶標(biāo)分析、高通量篩選分析、苗頭化合物發(fā)現(xiàn)、先導(dǎo)化合物發(fā)現(xiàn)、先導(dǎo)化合物優(yōu)化到成藥性預(yù)測(cè)，計(jì)算化學(xué)均可提供模擬分析。計(jì)算生物學(xué)技術(shù)主要為生物大分子藥物設(shè)計(jì)，如多肽、蛋白藥物、核酸藥物和抗體，提供計(jì)算指導(dǎo)和幫助。針對(duì)抗體藥物，計(jì)算工具可以服務(wù)于抗體人源化、親和力成熟、性質(zhì)預(yù)測(cè)等，大大降低傳統(tǒng)實(shí)驗(yàn)室中抗體設(shè)計(jì)的成本并縮短研發(fā)時(shí)間。泓博醫(yī)藥作為小分子藥物CRO/CDMO一站式綜合服務(wù)商，AI技術(shù)儲(chǔ)備豐富，PR-GPT多模態(tài)大型語言AI模型部署進(jìn)展順利。泓博醫(yī)藥是一家小分子創(chuàng)新藥研發(fā)以及商業(yè)化生產(chǎn)一站式綜合服務(wù)商，致力于藥物發(fā)現(xiàn)、制藥工藝的研發(fā)開發(fā)一級(jí)原料、中間體的商業(yè)化生產(chǎn)。公司藥物發(fā)現(xiàn)平臺(tái)可多參數(shù)優(yōu)化先導(dǎo)化合物,實(shí)現(xiàn)所需目標(biāo)分子要求（先導(dǎo)化合物合成、發(fā)現(xiàn)和結(jié)構(gòu)優(yōu)化。公司于2019年設(shè)立了CADD/AIDD技術(shù)平臺(tái)(計(jì)算機(jī)及人工智能輔助的藥物設(shè)計(jì))，平臺(tái)成立以來，利用開源代碼在本地部署并建立了自己的AI模型，開發(fā)了虛擬高通量篩選(VHTS)、無晶體結(jié)構(gòu)靶點(diǎn)的同源模建、藥物靶點(diǎn)預(yù)測(cè)、藥物ADME和毒性預(yù)測(cè)、基于結(jié)構(gòu)的藥物設(shè)計(jì)(SBDD)、基于片段的藥物設(shè)計(jì)(FBDD)以及定量構(gòu)效關(guān)系(QSAR)等實(shí)際應(yīng)用場(chǎng)景。根據(jù)公司年報(bào)披露數(shù)據(jù)，截止到2023年底，公司CADD/AIDD技術(shù)平臺(tái)已累計(jì)為62個(gè)新藥項(xiàng)目提供了技術(shù)支持，其中3個(gè)已進(jìn)入臨床I期，2個(gè)在臨床申報(bào)階段，采購(gòu)公司CADD/AIDD服務(wù)的客戶數(shù)已達(dá)到31家。PR-GPT模態(tài)大型語言項(xiàng)目本地部署進(jìn)展順利，自然語言交互模型優(yōu)勢(shì)明顯。PR-GPT能夠整合和概括大量的文本數(shù)據(jù)，包括科學(xué)文獻(xiàn)、專利和新聞報(bào)道等，快速總結(jié)和提煉大量相關(guān)信息，并可以跟現(xiàn)有的AIDD模型進(jìn)行交叉驗(yàn)證，進(jìn)一步提高藥物設(shè)計(jì)的精準(zhǔn)度，產(chǎn)生良好的協(xié)同效應(yīng)。PR-GPT項(xiàng)目進(jìn)展順利，算法優(yōu)化、生物醫(yī)藥語言訓(xùn)練工作正有序推進(jìn)，知識(shí)問答、藥物分子生成、藥代動(dòng)力學(xué)及毒理性質(zhì)預(yù)測(cè)等功能已上線測(cè)試并具備了初步功能，計(jì)劃于今年四季度投入商業(yè)運(yùn)營(yíng)。該模型將為藥物研發(fā)提供智能化支持，縮短研發(fā)周期，降低研發(fā)成本，提高研發(fā)成功率，從而推動(dòng)生物醫(yī)藥行業(yè)的創(chuàng)新與發(fā)展，進(jìn)而打造專注于科學(xué)尤其是生物醫(yī)藥語言的處理工具，跟現(xiàn)有的藥物設(shè)計(jì)AI模型產(chǎn)生良好的協(xié)同性，進(jìn)一步提高新藥研發(fā)效率。隨著人工智能不斷更新迭代和機(jī)器學(xué)習(xí)的持續(xù)深入，CADD/AIDD技術(shù)已成為公司新藥研發(fā)的重要工具，未來在公司新藥研發(fā)過程中必將扮演越來越重要的角色。成都先導(dǎo)藥物開發(fā)股份有限公司是一家從事新藥研發(fā)的快速發(fā)展的生物技術(shù)公司，打造了國(guó)際領(lǐng)先的DNA編碼化合物庫(kù)技術(shù)平臺(tái)。公司擁有多個(gè)新藥發(fā)現(xiàn)平臺(tái)，包括但不限于DNA編碼化合物庫(kù)平臺(tái)、基于片段/結(jié)構(gòu)的藥物發(fā)現(xiàn)平臺(tái)（FBDD/SBDD）、計(jì)算機(jī)輔助藥物設(shè)計(jì)平臺(tái)（CADD）以及小核酸藥物平臺(tái)。行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)20DNA編碼化合物庫(kù)技術(shù)產(chǎn)生海量數(shù)據(jù)，天然親和AI技術(shù)。DNA編碼化合物庫(kù)技術(shù)（DEL）已成為相當(dāng)強(qiáng)大的小分子藥物發(fā)現(xiàn)引擎，與傳統(tǒng)高通量篩選以及其他苗頭化合物識(shí)別方法相比，它提供了更大的化合物合集，減少靶標(biāo)和測(cè)試準(zhǔn)備的工作量，縮短苗頭化合物識(shí)別周期。截止2023年底，公司已積累的DEL庫(kù)小分子數(shù)量已超過1.2萬億，通過系統(tǒng)化的庫(kù)分子設(shè)計(jì)，增加合成分子骨架的種類超過6000種，基本涵蓋了所有當(dāng)前已獲批上市的小分子藥物的核心骨架，以及臨床在研小分子項(xiàng)目的大多數(shù)優(yōu)勢(shì)骨架。公司依據(jù)自身在庫(kù)設(shè)計(jì)方面的專長(zhǎng)以及不斷積累的化合物結(jié)構(gòu)信息資源，在最新的算法和領(lǐng)先的云計(jì)算資源加持下，可以快速、高效和經(jīng)濟(jì)實(shí)惠地識(shí)別苗頭化合物。骨架躍遷快速產(chǎn)生結(jié)構(gòu)新穎的化合物，成都先導(dǎo)攜手騰訊云深開發(fā)骨架躍遷分子生成算法。骨架躍遷以已知的活性化合物為起點(diǎn)，通過改變分子的核心結(jié)構(gòu)，獲得新穎的化學(xué)結(jié)構(gòu)。骨架躍遷的主要目的1）在已有的化合物分子結(jié)構(gòu)上，產(chǎn)生新穎的化合物系列，增加藥物研發(fā)成功率2）替換復(fù)雜天然產(chǎn)物的局部結(jié)構(gòu)，產(chǎn)生更具選擇性、更優(yōu)活性的新穎分子3）通過改變分子的骨架，改善分子的藥物代謝動(dòng)力學(xué)性質(zhì)。成都先導(dǎo)與騰訊AILab（云深）平臺(tái)合作設(shè)計(jì)的骨架躍遷分子生成算法（GraphGMVAE可以快速基于已有的參考化合物迅速產(chǎn)生一系列結(jié)構(gòu)新穎的化合物集合，配合后續(xù)自建的虛擬篩選、3D-CNN對(duì)接重打分和ADMET預(yù)測(cè)平臺(tái)，可以實(shí)現(xiàn)快速的分子評(píng)估、排序并得到候選化合物。GraphGMVAE算法以JAK1抑制劑Upadacitinib為例，一共生成了3萬個(gè)分子，其中的97.9%的分子具有不同于已知JAK抑制劑的新型骨架，最后選擇了其中7個(gè)分子進(jìn)行合成和實(shí)驗(yàn)驗(yàn)證，其中兩個(gè)分子的活性甚至優(yōu)于參考分子。行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)21藥石科技充分發(fā)揮新穎獨(dú)特分子砌塊庫(kù)的技術(shù)優(yōu)勢(shì)，結(jié)合業(yè)界領(lǐng)先的人工智能先進(jìn)技術(shù)。南京藥石科技股份有限公司是全球醫(yī)藥研發(fā)和制造領(lǐng)域一站式創(chuàng)新產(chǎn)品和服務(wù)供應(yīng)商。公司以其新穎、獨(dú)特的分子砌塊及相關(guān)化合物庫(kù)篩選技術(shù)助力藥物發(fā)現(xiàn)。公司從結(jié)構(gòu)多樣性、新穎性、成藥性三個(gè)關(guān)鍵要素著手，持續(xù)優(yōu)化提高基于公司獨(dú)有藥物分子砌塊搭建的三大核心小分子化合物庫(kù):結(jié)構(gòu)多樣化碎片分子庫(kù)、DNA編碼化合物庫(kù)、超大容量特色虛擬化合物庫(kù)，進(jìn)一步提高庫(kù)容化合物對(duì)創(chuàng)新及高難度靶點(diǎn)的適用性。在虛擬化合物庫(kù)的基礎(chǔ)上，公司重點(diǎn)開發(fā)了獨(dú)有的創(chuàng)新化學(xué)空間構(gòu)建AI算法平臺(tái)，搭建了基于超大成藥化學(xué)空間的人工智能藥物發(fā)現(xiàn)技術(shù)平臺(tái)。公司突破傳統(tǒng)超大容量虛擬化合物庫(kù)的基本概念，利用人工智能機(jī)器學(xué)習(xí)算法，開發(fā)了獨(dú)有的基于分子砌塊和有效化學(xué)反應(yīng)的動(dòng)態(tài)化學(xué)空間，從根本上突破了限制超大化合物庫(kù)構(gòu)建的算力、存儲(chǔ)和管理瓶頸，已經(jīng)建成的化學(xué)空間可生成分子數(shù)量增加到百萬億級(jí)以上,結(jié)合內(nèi)部開發(fā)的人工智能成藥性篩選優(yōu)化算法，進(jìn)一步保證在此化學(xué)空間內(nèi)生成的分子同時(shí)具有優(yōu)越成藥性。獨(dú)家新穎口袋-配體算法結(jié)合AlphaFold2模型，快速有效篩選全新結(jié)構(gòu)分子。區(qū)別于傳統(tǒng)意義上以枚舉算法為基礎(chǔ)的絕大部分商業(yè)庫(kù)，公司所開發(fā)的新穎正合成算法切實(shí)保證了庫(kù)容分子的可合成性，結(jié)合內(nèi)部開發(fā)的結(jié)合口袋-配體算法和最新發(fā)布的全新開源蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)AlphaFold2算法模型，公司人工智能藥物研發(fā)團(tuán)隊(duì)開發(fā)了針對(duì)獨(dú)特動(dòng)態(tài)化學(xué)空間的人工智能全局優(yōu)化分子生成算法平臺(tái)，初步具備了針對(duì)絕大部分創(chuàng)新靶點(diǎn)的人工智能快速篩選并且能夠持續(xù)產(chǎn)生全新結(jié)構(gòu)分子的能力，并且大大降低了對(duì)人工智能對(duì)算力的需求?；诠拘路f和獨(dú)特的中等分子量化合物庫(kù)，公司建設(shè)了特色共價(jià)化合物庫(kù)以及適用快速平行合成的化合物庫(kù)生成算法流程，為進(jìn)一步開發(fā)新穎特色化合物庫(kù)奠定技術(shù)基礎(chǔ)。藥石科技具備一站式活性化合物計(jì)算篩選平臺(tái)，為客戶提供全方位解決方案。藥石科技提供一整套完善的活性化合物計(jì)算篩選解決方案，從小分子數(shù)據(jù)庫(kù)的準(zhǔn)備、受體結(jié)構(gòu)的準(zhǔn)備、化合物激酶選擇性預(yù)測(cè)平臺(tái)、蛋白-小分子復(fù)合物分子動(dòng)力學(xué)模擬等多種人工智能模型和計(jì)算化學(xué)手段的迭代篩選，再到ADMET性質(zhì)評(píng)估、化合物多樣性分析，到最后人工挑選潛在的活性化合物，進(jìn)行下一步生物活性測(cè)試，每一步都采用了主流的機(jī)器學(xué)習(xí)和計(jì)算化學(xué)方法，并結(jié)合內(nèi)部超大（1012~1015量級(jí)）獨(dú)有且易合成的化合物空間優(yōu)勢(shì)，大大地提高了早期藥物篩選的命中率，及發(fā)現(xiàn)新穎活性分子的可能性，同時(shí)降低早期藥物發(fā)現(xiàn)的成本。技術(shù)落地有限，高質(zhì)量數(shù)據(jù)不足，市場(chǎng)接受度問題，商業(yè)模式不明確，數(shù)據(jù)共享難題，法規(guī)和倫理問題。行業(yè)研究·醫(yī)藥與健康護(hù)理行業(yè)22APPENDIX1SummaryInvestmentHighlights:AItechnologyisbooming,andAI+pharmaceuticalsisexpectedtobecomethenextgoldensubdividedsector.AItechnology,throughmachinelearninganddeeplearning,playsacrucialroleindrugdiscovery,preclinicalresearch,andclinicaltrials.Sinceearlyexplorationin2007,AIpharmaceuticaltechnologyhasundergoneaccumulation,validation,andrapiddevelopment.Itisnowinaphaseofactiveinnovation,significantpolicysupport,andbroadmarketprospects.TheAIpharmaceuticalinvestmentmarketisactive,withcumulativeinvestmentsreaching6.02billionUSDbyQ12023,andthemarketsizeisexpectedtogrowto2.99billionUSDby2026.AI+pharmaceuticalsissupportedbynationalpolicies,offeringdiverseinvestmentopportunitiesacrosstheindustrychain.Policieslikethe‘14thFive-YearPlanforPharmaceuticalIndustryDevelopment’andthe‘14thFive-YearPlanforBioeconomyDevelopment’aimtopromotetheapplicationofcloudcomputing,bigdata,andAIinnewdrugdevelopment.AItechnologyacceleratesindustrytransformationinkeyareassuchastargetdiscovery,proteinstructureprediction,compoundscreening,ADMETprediction,clinicaltrialoutcomeprediction,drugrepositioning,crystalformprediction,andreversesynthesisanalysis.AIpharmaceuticaltechnologyisexpectedtoshortendrugdevelopmentcycles,reducecosts,andincreasesuccessrates,bringinginnovativechangestotraditionaldrugdevelopmentandshowingvastpotential.CROcompaniesareacceleratingthedeploymentofAI+pharmaceuticalapplicationtechnology.CROdrugdevelopmentoutsourcingcompaniesaredeepeningtheirAItechnologyapplications,coveringallaspectsofdrugdiscovery,fromtargetidentification,compoundscreening,structurepredictiontodrugdesign.VivaBiotechHoldingshasestablishedaverticalAIapplicationtechnologyplatformtoaccelerateleadcompounddiscovery;Pharmaresources(Shanghai)Co.,Ltd.continuestoadvancetheapplicationofthePR-GPTmultimodallargelanguagemodel;HitGenInc.leveragesDNA-encodedcompoundlibrarytechnologycombinedwithAItooptimizetheidentificationprocessofleadcompounds;PharmablockSciences(Nanjing),Inc.usesitsmolecularbuildingblocklibrarycombinedwithAItodevelopdynamicchemicalspaceandprovidescomprehensiveactivecompoundscreeningservicesthroughaone-stopcomputationalscreeningplatform.WithcontinuousAIadvancementsandenhancedCROcompanyexpertise,moreinnovativebreakthroughsindrugdevelopmentareexpected.RiskWarning:RisksofAI+pharmaceuticaltechnologydevelopmentnotme