近年來(lái)各方對(duì) AI 制藥領(lǐng)域的關(guān)注度明顯上升，資本持續(xù)注入，藥企研發(fā)力度逐步增強(qiáng)，AI 制藥相關(guān)技術(shù)的迭代速度也明顯加快?？梢灶A(yù)見人工智能技術(shù)正逐步從多方面滲透到生物制藥領(lǐng)域，并有機(jī)會(huì)為行業(yè)帶來(lái)重大變革。針對(duì)這些趨勢(shì)，CB Insights 中國(guó)對(duì) AI 制藥領(lǐng)域進(jìn)行了全面梳理。

資本市場(chǎng)熱度不減

AI 制藥行業(yè)受到廣泛關(guān)注，資本市場(chǎng)保持火熱。

2020 年， AI 制藥領(lǐng)域在資本市場(chǎng)獲得了很高的關(guān)注度，對(duì)于 AI 技術(shù)在藥物研發(fā)中的真正作用也引發(fā)了一系列討論。從供給端看，隨著基因檢測(cè)技術(shù)的進(jìn)步，各種藥物研發(fā)數(shù)據(jù)的不斷積累以及計(jì)算機(jī)硬件設(shè)備與人工智能算法的改良使得 AI 技術(shù)在生物制藥領(lǐng)域的發(fā)展獲得了良好的條件。而在需求端，傳統(tǒng)生物制藥企業(yè)在進(jìn)行新藥研發(fā)時(shí)長(zhǎng)期存在的研發(fā)周期長(zhǎng)、失敗率高、成本高等痛點(diǎn)也給 AI 制藥行業(yè)帶來(lái)了巨大的增量。這些來(lái)自供需兩端的驅(qū)動(dòng)力也真正助推了這場(chǎng)資本熱潮。

圖 | 融資金額及數(shù)量

在生命大健康領(lǐng)域，與 AI 技術(shù)相關(guān)的應(yīng)用融資逐步上升。

據(jù) CB Insights 數(shù)據(jù)統(tǒng)計(jì)，2015 年到 2020 年期間，AI 技術(shù)在生命大健康領(lǐng)域的應(yīng)用融資逐步攀升。自 2020 年 3 月以來(lái)，受益于投資機(jī)構(gòu)對(duì)于人工智能技術(shù)應(yīng)用于藥物研發(fā)賽道的關(guān)注，共有 11 家 AI 制藥公司完成了 1 億美元以上的融資。

圖 | 融資地區(qū)分布

美國(guó)是 AI 制藥領(lǐng)域融資交易的主要地區(qū)，中國(guó)緊隨其后。

從地區(qū)分布上看，美國(guó)仍然占據(jù)了融資交易的主要份額，近 5 年來(lái)在 AI 制藥領(lǐng)域有 50.6% 的融資交易發(fā)生在美國(guó)。中國(guó)以 9.4% 的比例緊隨其后，成為了除美國(guó)外最大的新興市場(chǎng)，超越了英國(guó)、韓國(guó)、以色列等傳統(tǒng)科技強(qiáng)國(guó)。這也展現(xiàn)了中國(guó)市場(chǎng)在新興科技領(lǐng)域發(fā)展的巨大的潛力。在 AI 制藥這類新興賽道上越來(lái)越多中國(guó)企業(yè)的身影涌現(xiàn)。

圖 | 融資輪次統(tǒng)計(jì)

在融資輪次上，AI 在醫(yī)療領(lǐng)域各階段的融資輪次比例正在發(fā)生改變，種子輪企業(yè)占比逐年降低。

CB Insights 統(tǒng)計(jì)在 2015 年融資輪次為種子輪的企業(yè)占比為 51% 而 2020 年這一比例下降到了 30%。目前這一領(lǐng)域的絕大多數(shù)公司仍然處于早期階段，但仍有少數(shù)頭部公司已經(jīng)初露鋒芒。

根據(jù)美國(guó) FDA 的統(tǒng)計(jì)數(shù)據(jù)，目前經(jīng)過(guò) FDA 審批通過(guò)的 AI 產(chǎn)品共計(jì) 41 款。中國(guó)也有 6 款 AI 產(chǎn)品獲得國(guó)家醫(yī)療器械三類證。同樣在 AI 制藥這一細(xì)分領(lǐng)域也不乏 Schrodinger、 Insilico Medicine 、BenevolentAI、晶泰科技等明星公司的身影。 技術(shù)確定性探討

AI 制藥行業(yè)是人工智能技術(shù)和生物制藥領(lǐng)域的深度交叉。

由于需要信息技術(shù)人才與生物制藥人才的協(xié)同創(chuàng)新，這無(wú)疑增加了 AI 制藥領(lǐng)域的創(chuàng)新門檻。在人才儲(chǔ)備上，AI 制藥企業(yè)一方面會(huì)儲(chǔ)備計(jì)算所需要的計(jì)算生物學(xué)、計(jì)算化學(xué)、AI 算法設(shè)計(jì)等背景的人才，另一方面也會(huì)廣泛引入藥劑學(xué)、藥物臨床試驗(yàn)和臨床醫(yī)學(xué)等方面的人才。同時(shí)，擁有算法和藥物研發(fā)復(fù)合背景的人才更是成為市場(chǎng)上的稀缺資源。 在技術(shù)層面，如何理解 AI 制藥結(jié)果的確定性正成為判斷 AI 制藥公司成長(zhǎng)潛力的關(guān)鍵部分。

人工智能技術(shù)本身更像一個(gè)”黑箱“，許多技術(shù)細(xì)節(jié)難以解釋，這與生物制藥這一具有高嚴(yán)謹(jǐn)性高確定性要求的領(lǐng)域產(chǎn)生了矛盾。對(duì)于 AI 制藥技術(shù)來(lái)說(shuō)，要判斷其確定性，除了要追蹤其前期模型結(jié)果產(chǎn)出環(huán)節(jié)的歷史精準(zhǔn)度，后期對(duì)于決策證據(jù)的可靠性論證以及對(duì)結(jié)果的確定性驗(yàn)證是更為關(guān)鍵的部分。目前人工智能的各種細(xì)分技術(shù)例如監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、增強(qiáng)學(xué)習(xí)等已經(jīng)深入到藥物研發(fā)的各個(gè)環(huán)節(jié)。針對(duì)不同方向的各類模型準(zhǔn)確性判定方式也略有差異。

圖 | AI 制藥技術(shù)分類

一般而言，用于 AI 制藥的深度神經(jīng)網(wǎng)絡(luò)通常含有輸入層、隱含層和輸出層三層結(jié)構(gòu)。

生物數(shù)據(jù)首先需要轉(zhuǎn)換為輸入值數(shù)組，然后這些值被輸入隱藏層運(yùn)算。深度神經(jīng)網(wǎng)絡(luò)的其中一個(gè)挑戰(zhàn)便是定義網(wǎng)絡(luò)的深度和寬度即隱藏層和每層節(jié)點(diǎn)的數(shù)量。一層中的每個(gè)節(jié)點(diǎn)從前一層的所有節(jié)點(diǎn)獲取輸入信息，然后對(duì)輸入信息進(jìn)行數(shù)學(xué)變換，之后再進(jìn)行正向反饋。最終在輸出層輸出輸入數(shù)據(jù)的最終演算結(jié)果。

其中所涉及的非線性轉(zhuǎn)換的數(shù)量越多，對(duì)最高級(jí)別層的解釋也就變的越困難。此類網(wǎng)絡(luò)目前主要是通過(guò)不斷迭代輸入值數(shù)組，根據(jù)輸入和輸出結(jié)果之間的關(guān)系來(lái)評(píng)估模型特征和權(quán)重。通過(guò)歸因分?jǐn)?shù)、相關(guān)性系數(shù)或權(quán)重共享系數(shù)等方法給出特征重要性評(píng)分。

圖 | 兩類深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)

另外一種深度神經(jīng)網(wǎng)絡(luò)模型則選擇用可見層取代隱藏層。

這類算法主要基于統(tǒng)計(jì)學(xué)和生物信息學(xué)的知識(shí)圖譜，利用生物學(xué)底層邏輯將運(yùn)算串聯(lián)起來(lái)，使得每一層的數(shù)據(jù)產(chǎn)生機(jī)理得到解釋。這一類型的可見層中往往采用基因本體論（Gene Ontology）等生物信息學(xué)相關(guān)網(wǎng)絡(luò)結(jié)構(gòu)來(lái)定義輸入層和輸出層的連接方式，因此輸出層的計(jì)算可以通過(guò)網(wǎng)絡(luò)回溯。

2020 年 Kuenzi 等人便使用從基因本體論衍生的層次結(jié)構(gòu)的深度神經(jīng)網(wǎng)絡(luò)對(duì)腫瘤對(duì)藥物的敏感性進(jìn)行了建模，取得了重大突破。 這兩種類別的深度神經(jīng)網(wǎng)絡(luò)模型在確定性判斷上是有差異的。

對(duì)于許多基礎(chǔ)的生物問(wèn)題，第一類深度神經(jīng)網(wǎng)絡(luò)通?？梢詫?shí)現(xiàn)很高的預(yù)測(cè)精度，但很難將預(yù)測(cè)的方式和原因結(jié)合起來(lái)，而第二類模型則可以有效改善這一問(wèn)題。

同樣，受限于現(xiàn)階段理論研究的邊界，第二類模型往往在模型深度上受限，或者需要極高的算力支撐。在確定性上，第二類模型理論上可以通過(guò)數(shù)理邏輯自證，而對(duì)于第一類深度神經(jīng)網(wǎng)絡(luò)模型，由于隱藏層的內(nèi)部運(yùn)算是相對(duì)未知的所以很難進(jìn)行數(shù)據(jù)溯源，模型輸出結(jié)果的確定性通常采用后期實(shí)驗(yàn)驗(yàn)證的方式來(lái)證明。

整體來(lái)說(shuō)目前 AI 制藥驗(yàn)證的鏈條相對(duì)較長(zhǎng)，因此在未來(lái)建立高通量高效的實(shí)驗(yàn)評(píng)價(jià)體系對(duì) AI 制藥企業(yè)來(lái)說(shuō)尤為重要。 數(shù)據(jù)、算力和算法是目前 AI 制藥企業(yè)的三大技術(shù)核心。

數(shù)據(jù)方面，原始數(shù)據(jù)通常來(lái)自三個(gè)方面，公開數(shù)據(jù)集例如 PubChem、ChEMBL 等、與藥企合作獲得的研發(fā)數(shù)據(jù)集、企業(yè)自身研發(fā)積累的數(shù)據(jù)集。原始數(shù)據(jù)會(huì)經(jīng)過(guò)多輪數(shù)據(jù)清洗最終獲得可以用來(lái)建模的數(shù)據(jù)。

算力方面，GPU 云計(jì)算資源等為 AI 制藥企業(yè)提供了重要的計(jì)算支撐。數(shù)據(jù)和算力是 AI 制藥企業(yè)的基石，基于此 AI 制藥企業(yè)可以搭建出自己的底層知識(shí)圖譜，并形成其行業(yè)壁壘之一。

目前藥物研發(fā)新基建還處于早期搭建的階段，但隨著各大數(shù)據(jù)庫(kù)的開源以及云計(jì)算平臺(tái)的普及，數(shù)據(jù)和算力已經(jīng)逐漸不再成為制約其發(fā)展的決定性因素。 對(duì)于 AI 制藥企業(yè)來(lái)說(shuō)更為核心的壁壘是算法，其核心創(chuàng)新點(diǎn)在于建模的精度和產(chǎn)生新信息的能力。

深度學(xué)習(xí)的迭代算法可以有效地整合模板建模和自由建模，進(jìn)而開發(fā)出動(dòng)態(tài)可迭代的特異性約束條件，從而提高建模精度。另一類由自監(jiān)督學(xué)習(xí)等方法產(chǎn)生的共進(jìn)化模型，則能夠從無(wú)到有地產(chǎn)生出新的生物學(xué)信息，拓寬人類的知識(shí)邊界。這些創(chuàng)新優(yōu)勢(shì)是其它傳統(tǒng)制藥手段難以達(dá)到的。

透過(guò) AI 精確的建模和新的生物學(xué)相關(guān)信息的產(chǎn)生可以加深我們對(duì)人體復(fù)雜生理生化模型的理解，進(jìn)而在藥物發(fā)現(xiàn)階段即可與臨床試驗(yàn)相結(jié)合，找到合適的分子。通過(guò)前期低成本的高效的AI 賦能來(lái)降低后期臨床試驗(yàn)的成本和失敗概率，從根本上改變臨床試驗(yàn)階段投入大成功率低的現(xiàn)象。

AI 技術(shù)賦能生物醫(yī)藥

從制藥的流程看，AI 技術(shù)已經(jīng)在多個(gè)環(huán)節(jié)找到了適合自己的應(yīng)用場(chǎng)景，并發(fā)揮出巨大潛力。

從臨床前藥物發(fā)現(xiàn)階段到藥物研發(fā)后期臨床試驗(yàn)階段，AI 技術(shù)已經(jīng)滲透到藥物研發(fā)諸多環(huán)節(jié)。例如基準(zhǔn)化合物設(shè)計(jì)、預(yù)測(cè)疾病靶點(diǎn)、預(yù)測(cè)信號(hào)通路、預(yù)測(cè)成藥靶點(diǎn)、確認(rèn)新靶點(diǎn)、硅化合物庫(kù)設(shè)計(jì)、預(yù)測(cè)藥物結(jié)構(gòu)與活性的關(guān)系、預(yù)測(cè) ADMET 性質(zhì)、優(yōu)化藥物反應(yīng)試驗(yàn)、選擇受試人群、藥物警戒和轉(zhuǎn)錄組數(shù)據(jù)查詢等。

現(xiàn)階段 AI 在藥物研發(fā)需要大數(shù)據(jù)分析和高通量測(cè)試的階段優(yōu)勢(shì)最為明顯。例如在根據(jù)海量文獻(xiàn)篩選靶點(diǎn)、專利追蹤、批量性質(zhì)預(yù)測(cè)等方面，藥企便可以通過(guò)使用人工智能相關(guān)技術(shù)降低大量制藥成本。

圖 | 藥物研發(fā)各環(huán)節(jié)中 AI 的作用（來(lái)源：Drug Discovery Today，CB Insights 中國(guó)整理） 不斷取得的突破性進(jìn)展也給 AI 制藥的未來(lái)帶來(lái)了空前的想象力。

人工智能技術(shù)與生物制藥領(lǐng)域的結(jié)合不僅將藥物發(fā)現(xiàn)、臨床前研究的時(shí)間縮短接近 40% 還可以節(jié)約臨床試驗(yàn)階段約 50%-60% 的時(shí)間。每年近 260 億美金的化合物篩選成本和約 280 億美金的臨床實(shí)驗(yàn)費(fèi)用也可以通過(guò) AI 制藥技術(shù)節(jié)省出來(lái)。面對(duì)創(chuàng)新藥研發(fā)領(lǐng)域日趨激烈的同質(zhì)化競(jìng)爭(zhēng)，AI 技術(shù)在藥物研發(fā)過(guò)程中帶來(lái)的諸多底層創(chuàng)新無(wú)疑也展現(xiàn)出了巨大的價(jià)值。

生物制藥企業(yè)與 AI 企業(yè)的合作

基于AI 技術(shù)的特有優(yōu)勢(shì)，許多大型藥企開始在這一領(lǐng)域積極布局。

部分國(guó)際藥企早早的便開始和人工智能企業(yè)展開了合作。其中默沙東和葛蘭素史克與 AI 平臺(tái)的合作最早也最為頻繁，其次是拜耳（Bayer），武田制藥（Takeda Pharmaceutical），阿斯利康（AstraZeneca），賽諾菲（Sanofi）和羅氏（Roche）。

2012 年，默沙東首次與 Numerate 公司合作開展心血管疾病的研究。葛蘭素史克自 2012 年以來(lái)已經(jīng)與 Insilico Medicine、Exscientia、Deep Intelligent Pharma 和 Cloud Pharmaceutical 四家 AI 平臺(tái)企業(yè)建立了合作。 在所披露的合作當(dāng)中，神經(jīng)退行性疾病和癌癥方向是目前合作的兩大熱門領(lǐng)域，心血管以及胃腸道疾病領(lǐng)域也有所涉獵。

楊森制藥與 Benevolent AI 合作，在帕金森氏癥領(lǐng)域展開小分子化合物研究。公司主要利用 AI 系統(tǒng) JACS 從論文、臨床試驗(yàn)中提取數(shù)據(jù)，提出新假設(shè)從而加速新藥研發(fā)。

GNS Healthcare 與 Gene tech 合作利用 GNS 分析平臺(tái)在腫瘤學(xué)方向展開研究。他們將大數(shù)據(jù)、機(jī)器學(xué)習(xí)和仿真技術(shù)結(jié)合起來(lái)判斷疾病預(yù)后效果，從而輔助醫(yī)療供應(yīng)商進(jìn)行市場(chǎng)決策。

圖 | 藥企與 AI 企業(yè)的合作

隨著大型藥企與 AI 公司合作的展開，人工智能技術(shù)在醫(yī)療服務(wù)領(lǐng)域的嵌入也越來(lái)越深。

在 CB Insights 整理的 100 家生命大健康領(lǐng)域相關(guān)的 AI 初創(chuàng)公司當(dāng)中，AI 制藥公司占據(jù)了相當(dāng)大的比重，初創(chuàng)公司漸漸涌現(xiàn)。

圖 | 100 家 AI 在生命大健康領(lǐng)域的初創(chuàng)公司

2020 年科技巨頭谷歌旗下的 Deepmind 在 AI 藥物研發(fā)領(lǐng)域取得重大進(jìn)展，更是進(jìn)一步點(diǎn)燃了 AI 制藥領(lǐng)域的研發(fā)熱情，各路資本紛涌而至。

CB Insights 中國(guó)整理了 AI 制藥領(lǐng)域 50 大核心投資方，這其中不僅有許多耳熟能詳?shù)拿餍腔鹨部梢园l(fā)現(xiàn)大型藥企的身影。

核心 VC/PE 基金重點(diǎn)分布在美國(guó)（舊金山、馬薩諸塞州、紐約）、中國(guó)（上海、北京）、加拿大、英國(guó)、比利時(shí)、瑞士等國(guó)家和地區(qū)。這也從側(cè)面展現(xiàn)出這些地區(qū)雄厚的資本基礎(chǔ)和巨大的創(chuàng)新活力，為 AI 制藥初創(chuàng)公司的落地提供了新選擇。

圖 | AI 制藥領(lǐng)域50大核心投資方

在技術(shù)和資本的雙重推力下，近年來(lái)在藥物研發(fā)各細(xì)分環(huán)節(jié)中誕生了許多各具特色的 AI 制藥初創(chuàng)公司。

在信息搜集與整合、靶點(diǎn)篩選、藥物設(shè)計(jì)合成、藥物有效性預(yù)測(cè)以及臨床試驗(yàn)數(shù)據(jù)優(yōu)化等細(xì)分環(huán)節(jié)中，AI 制藥初創(chuàng)公司正發(fā)揮著越來(lái)越重要的作用。

蓬勃發(fā)展的初創(chuàng)企業(yè)正在為 AI 制藥行業(yè)帶來(lái)全新的視角和分析工具。例如中國(guó)的基于真實(shí)世界數(shù)據(jù)解決方案研究的領(lǐng)星醫(yī)學(xué)，基于多組學(xué)數(shù)據(jù)挖掘的普瑞基準(zhǔn)等新興公司，都在嘗試?yán)萌斯ぶ悄芗夹g(shù)解答那些醫(yī)學(xué)中最本質(zhì)的問(wèn)題，從而賦能到新藥的研發(fā)。

圖 | AI 制藥初創(chuàng)企業(yè)分類

除卻全球市場(chǎng)的火熱，AI 制藥在中國(guó)也迎來(lái)了發(fā)展良機(jī)，有望成為改變生物制藥產(chǎn)業(yè)的新機(jī)遇。

中國(guó)互聯(lián)網(wǎng)巨頭們紛紛開始向 AI 制藥領(lǐng)域進(jìn)軍。

騰訊早在 2015 年和 2018 年便參與了目前中國(guó) AI 制藥頭部企業(yè)之一晶泰科技的 A 輪及 B 輪融資。2020 年更是重點(diǎn)打造了“云深智藥”，將 AI 藥物研發(fā)正式列入企業(yè)版圖。

華為在醫(yī)療領(lǐng)域布局了華為云 EIHealth，計(jì)劃今年進(jìn)一步在 AI 藥物研發(fā)領(lǐng)域展開布局。

阿里巴巴旗下的阿里云與全球健康藥物研發(fā)中心合作，開發(fā) AI 藥物研發(fā)和大數(shù)據(jù)平臺(tái)，并針對(duì) SARS/MERS 等冠狀病毒的藥物研發(fā)進(jìn)行數(shù)據(jù)挖掘。

百度 2020 年 9 月成立百圖生科進(jìn)軍 AI 制藥領(lǐng)域。其 LinearFold 算法可將新冠病毒的全基因組二級(jí)結(jié)構(gòu)預(yù)測(cè)從 55 分鐘縮短至 27 秒，提速 120 倍。

字節(jié)跳動(dòng)成立了專門負(fù)責(zé)大健康業(yè)務(wù)的極光部門， AI Lab 位于北京、上海、美國(guó)三地的團(tuán)隊(duì)也正式開始招攬 AI 制藥領(lǐng)域人才。

圖 | 中國(guó)互聯(lián)網(wǎng)巨頭在 AI 制藥領(lǐng)域的布局

中國(guó)本土資本也逐步在 AI 制藥領(lǐng)域展開布局。

除傳統(tǒng) VC/PE 外，大型藥企和互聯(lián)網(wǎng)企業(yè)也紛紛加入此次賽道投資。中國(guó)資本啟明創(chuàng)投、百度風(fēng)投、創(chuàng)新工場(chǎng)、騰訊、藥明康德、恒瑞醫(yī)藥等近年來(lái)在 AI 制藥行業(yè)積極布局，投資額度逐年增加，掀起了一陣投資熱潮。

這場(chǎng)熱潮背后的原因在于 AI 技術(shù)的突破有機(jī)會(huì)解決生物制藥領(lǐng)域很多內(nèi)生問(wèn)題，甚至可以從底層改變整個(gè)新藥發(fā)現(xiàn)的方法論，前景是不可限量的。由于 AI 技術(shù)從某種程度上帶有技術(shù)顛覆性基因，所以只要找到了適合其發(fā)展的應(yīng)用場(chǎng)景，往往就能釋放出巨大的能量。資本方也正是看到了這一點(diǎn)。 從技術(shù)發(fā)展角度看去，近年來(lái) AI 技術(shù)的突破與生命科學(xué)大數(shù)據(jù)的發(fā)展相輔相成。

深度學(xué)習(xí)算法的進(jìn)步讓端到端的結(jié)構(gòu)預(yù)測(cè)在硅基中實(shí)現(xiàn)；云計(jì)算和超算技術(shù)帶來(lái)的算力提升也解決了計(jì)算蛋白質(zhì)結(jié)構(gòu)之間相互作用的難題；基因測(cè)序技術(shù)產(chǎn)生的大量數(shù)據(jù)積累成為了 AI 算法很好的數(shù)據(jù)源；小分子藥相對(duì)結(jié)構(gòu)化的化學(xué)結(jié)構(gòu)很適用于數(shù)據(jù)建模，也進(jìn)一步促進(jìn)了 AI 在藥物結(jié)構(gòu)預(yù)測(cè)領(lǐng)域的發(fā)展。 從商業(yè)角度探究，AI 制藥技術(shù)有機(jī)會(huì)引起一場(chǎng)顛覆式的制藥革命。

在完成一定量的技術(shù)積累之后，理論上用 AI 賦能的新藥發(fā)現(xiàn)平臺(tái)可以持續(xù)性地開發(fā)新藥，這將徹底打破傳統(tǒng)的新藥研發(fā)模式，解決藥物研發(fā)時(shí)間長(zhǎng)，成功率低的問(wèn)題。

AI 技術(shù)有助于重塑人們對(duì)生命科學(xué)的理解，引導(dǎo)幫助生物學(xué)家跳出人類固有思維框架的限制，促進(jìn)做出真正的 First-in-Class 的藥物，AI 制藥企業(yè)也因此具備很高的商業(yè)前景和社會(huì)價(jià)值。 在政策上，創(chuàng)新是時(shí)代的主旋律，對(duì)創(chuàng)新的政策扶持給 AI 制藥企業(yè)帶來(lái)了機(jī)會(huì)。

近年來(lái)中國(guó)出臺(tái)的一系列政策例如帶量采購(gòu)、一致性評(píng)價(jià)等不斷給仿制藥企業(yè)施壓，這也反過(guò)來(lái)促進(jìn)了本土藥企關(guān)注創(chuàng)新。

大量中國(guó)本土的仿制藥企業(yè)需要進(jìn)行創(chuàng)新轉(zhuǎn)型，天然具備賦能基因的 AI 制藥企業(yè)是他們極佳的合作對(duì)象。藥企在藥物制劑、藥物遞送、處方設(shè)計(jì)和研發(fā)臨床差異化的改良性新藥等方面都有著迫切的創(chuàng)新需要?？梢哉f(shuō)市場(chǎng)的大環(huán)境對(duì)新技術(shù)的需求是明確的，這些需求無(wú)疑給 AI 制藥領(lǐng)域帶來(lái)了無(wú)限機(jī)會(huì)。

AI 制藥初創(chuàng)企業(yè)的商業(yè)化探索

在創(chuàng)新環(huán)境之下，AI 制藥企業(yè)正逐步探索自己的商業(yè)化之路。

AI 制藥技術(shù)的難點(diǎn)在于底層知識(shí)圖譜的構(gòu)建、模型的訓(xùn)練、以及高性能計(jì)算設(shè)施提供的算力支撐。這就使得 AI 制藥企業(yè)在前期需要進(jìn)行大量的技術(shù)積累，在早期商業(yè)化進(jìn)程方面稍顯吃力。

為解決這一問(wèn)題，AI 制藥企業(yè)往往會(huì)先選擇從藥物研發(fā)的某一個(gè)細(xì)分階段切入再逐漸擴(kuò)大布局。目前大多數(shù)公司選擇的是從藥物發(fā)現(xiàn)階段進(jìn)行切入，在未來(lái)逐漸布局到臨床階段也有少部分公司選擇從臨床階段切入，之后結(jié)合臨床實(shí)際布局到臨床前階段。 在盈利模式方面，部分 AI 制藥公司已經(jīng)探索出自己的發(fā)展方向。

和大型藥企合作，基于業(yè)績(jī)付費(fèi)是目前 AI 制藥公司主要的盈利模式。一部分生物信息學(xué)背景的 AI 制藥公司從靶點(diǎn)選擇開始便與藥企進(jìn)行深度綁定，在后續(xù)的臨床試驗(yàn)過(guò)程中持續(xù)保持合作。藥企通過(guò) AI 制藥公司節(jié)約了靶點(diǎn)篩選的時(shí)間，降低了晶體合成成本，挺高了新藥的臨床響應(yīng)率，增加了藥物研發(fā)成功率。AI 制藥企業(yè)也同樣獲得了穩(wěn)定的現(xiàn)金流和強(qiáng)力的產(chǎn)業(yè)背書，這也有助于其進(jìn)一步增強(qiáng)研發(fā)，形成正向循環(huán)。

目前商業(yè)化步伐最快的公司是美國(guó)上市企業(yè) Schrodinger。

它于 2020 年 2 月在納斯達(dá)克上市，目前市值約 60 億美元。Schrodinger 的商業(yè)模式包含軟件業(yè)務(wù)和藥物研發(fā)業(yè)務(wù)兩部分。 其中軟件業(yè)務(wù)采用 license 模式，2019 年?duì)I收占比為 28%。

2019 年 Schrodinger 的軟件客戶包含全球前 20 大藥企及超 1350 家科研機(jī)構(gòu)。業(yè)務(wù)遍及美國(guó)、歐洲、日本、印度、中國(guó)、韓國(guó)等。2019 年年合同額 ACV （annual contract value）超 10 萬(wàn)美元客戶約 131 家，超 100 萬(wàn)美元的客戶約 10 家。 Schrodinger 的藥物研發(fā)業(yè)務(wù)包含與外部的合作研發(fā)和自主研發(fā)兩種類型。

目前有兩款 Schrodinger 參與合作研發(fā)的新藥已經(jīng)獲得 FDA 批準(zhǔn)。Schrodinger 與外部合作采用公司與合作方共同成立企業(yè)，Schrodinger 占股權(quán)的形式。其中 Morphic 和 Relay 兩家公司已經(jīng) IPO 上市。這種模式的收入來(lái)源包括研究費(fèi)用、未來(lái)的商業(yè)化里程碑費(fèi)用、商業(yè)許可費(fèi)等。在自主研發(fā)方面，Schrodinger 已經(jīng)披露靶點(diǎn)的項(xiàng)目有 5 個(gè)。在靶點(diǎn)的選擇上，公司會(huì)對(duì) 1000 個(gè)靶點(diǎn)進(jìn)行優(yōu)先級(jí)篩選，從腫瘤領(lǐng)域入手，尋找可實(shí)現(xiàn)結(jié)構(gòu)模擬，生物學(xué)原理可行，治療市場(chǎng)大的靶點(diǎn)進(jìn)行重點(diǎn)開發(fā)。 Schrodinger 上市以來(lái)受到資本市場(chǎng)的熱捧，與其商業(yè)化進(jìn)程走在各類 AI 制藥公司前列密不可分。其行業(yè)發(fā)展經(jīng)驗(yàn)同樣受到各類 AI 制藥初創(chuàng)企業(yè)的關(guān)注。

目前 AI 制藥賽道是一片廣闊藍(lán)海，機(jī)會(huì)與挑戰(zhàn)并存，利益和風(fēng)險(xiǎn)同擔(dān)。對(duì)于各類初創(chuàng)企業(yè)來(lái)說(shuō)，除了要加強(qiáng)創(chuàng)新，確立好自己的核心技術(shù)壁壘，盡早的進(jìn)行商業(yè)化布局，利用好先發(fā)優(yōu)勢(shì)也是尤為重要的一環(huán)。

AI制藥行業(yè)重點(diǎn)公司介紹

Schrodinger

總部位于紐約的 Schrodinger 公司于 2020 年 2 月在納斯達(dá)克上市，目前市值約 60 億美元。公司從創(chuàng)立至今已經(jīng)發(fā)布了 7 項(xiàng)關(guān)鍵技術(shù)平臺(tái)。包含可對(duì)化合物進(jìn)行高通量篩選的 Glide 、Prime 全集成蛋白結(jié)構(gòu)預(yù)測(cè)程序、WaterMap 首個(gè)計(jì)算蛋白結(jié)合水位置和能量的方法、FEP+ 首個(gè)精確預(yù)測(cè)具有共同核心的不同分子的不同親和力的方法 、LiveDesign 協(xié)同蛋白設(shè)計(jì)的平臺(tái)以及與冷凍電鏡研發(fā)相關(guān)的 Cyro-EM Initiative。 Schrodinger 還和多家機(jī)構(gòu)或藥企達(dá)成合作，深度參與藥物研發(fā)。與風(fēng)投機(jī)構(gòu) Atlas Venture 共同創(chuàng)立 Nimbus Therapeutics，與生物科技公司 Agios 合作且兩款新藥獲 FDA 批準(zhǔn)，與賽諾菲 、武田制藥等大藥企合作加速新藥研發(fā)過(guò)程，與 SPARC 合作加速神經(jīng)退行性疾病新藥研發(fā)，與藥明康德合作成立 Faxian Therapeutics 藥物研發(fā)公司。

圖 | Schrodinger 發(fā)展歷程

Insilico Medicine

Insilico Medicine 的核心技術(shù)是開發(fā)一系列生成對(duì)抗網(wǎng)絡(luò)（GANs）和增強(qiáng)學(xué)習(xí)方法（Reinforcement Learning）來(lái)識(shí)別蛋白質(zhì)靶點(diǎn)，從而生成具有特定屬性的分子結(jié)構(gòu)。該公司在 2019 年 9 月完成了 3700 萬(wàn)美元的 B 輪融資，其中由啟明創(chuàng)投領(lǐng)投，斯道資本、F-Prime Capital、禮來(lái)亞洲基金、創(chuàng)新工場(chǎng)、百度風(fēng)投等其他投資方跟投。

2020 年 1 月，輝瑞也與 Insilico Medicine 達(dá)成合作，旨在利用 Insilico Medicine 的機(jī)器學(xué)習(xí)技術(shù)和專有的 Pandomics 平臺(tái)，為多種疾病尋找潛在的治療靶點(diǎn)。 2021 年 Insilico Medicine 利用 AI 技術(shù)成功發(fā)現(xiàn)一種全新的用于治療特發(fā)性肺纖維化（IPF） 的臨床候選藥物，并成功通過(guò)動(dòng)物模型實(shí)驗(yàn)驗(yàn)證，預(yù)計(jì)年底進(jìn)入臨床。整個(gè)過(guò)程僅僅耗時(shí) 18 個(gè)月花費(fèi) 260 萬(wàn)美元，展現(xiàn)了其 AI 技術(shù)的巨大潛力。

圖 | Insilico Medicine 服務(wù)流程

BenevolentAI

BenevolentAI 是 2017 年 CB Insights 評(píng)選的全球人工智能百?gòu)?qiáng)公司。公司核心技術(shù)是 JACS 人工智能系統(tǒng)，JACS 可以在運(yùn)算中從論文、臨床試驗(yàn)中提取大量的數(shù)據(jù)，提取推動(dòng)藥物研發(fā)的知識(shí)，提出新的可被驗(yàn)證的假設(shè)，加速新藥研發(fā)。

近年來(lái)與諸多藥企達(dá)成了合作例如與楊森制藥合作利用人工智能技術(shù)來(lái)評(píng)估小分子化合物在臨床的潛力，特別是在帕金森氏癥領(lǐng)域、與阿斯利康合作尋找治療慢性腎病和特發(fā)性肺纖維化的新藥，與諾華合作開發(fā)癌癥相關(guān)的藥物。 2019年 8 月 Benevolent AI 與 Neuropore Therapies 合作研究通過(guò)人工智能鑒定的與進(jìn)行性退行性疾病有關(guān)的分子靶點(diǎn)。Benevolent AI 自身也在開發(fā)有關(guān)于肌萎縮側(cè)索硬化（ALS）的相關(guān)藥物。

圖 | BenevolentAI 程序

Atomwise

Atomwise 是藥物研發(fā)與人工智能結(jié)合領(lǐng)域的代表性公司，是由 Y Combinator和 Khosla Ventures 投資的舊金山創(chuàng)業(yè)公司，目前已與禮來(lái)、默沙東、拜耳、輝瑞和艾伯維等多家大型醫(yī)藥公司合作。

Atomwise 的核心技術(shù)是使用神經(jīng)網(wǎng)絡(luò)構(gòu)造出分子化合物的 3D 模型并模擬生化反應(yīng)，預(yù)測(cè)化合物與靶蛋白之間的特異性結(jié)合。

Atomwise 與禮來(lái)簽訂了高達(dá) 5.6 億美元的 AI 驅(qū)動(dòng)藥物研發(fā)項(xiàng)目合作協(xié)議，旨在幫助禮來(lái)對(duì)特定疾病快速尋找到新的藥物分子。2019 年 9 月，Atomwise 進(jìn)軍亞洲市場(chǎng)，與豪森藥業(yè)達(dá)成合作，雙方在多個(gè)治療領(lǐng)域針對(duì) 11 個(gè)未公開靶標(biāo)設(shè)計(jì)和發(fā)現(xiàn)潛在的候選藥物。

圖 | Atomwise 研發(fā)領(lǐng)域分布占比

Exscientia

英國(guó) AI 藥物發(fā)現(xiàn)公司 Exscientia 成立于 2012 年，目前已與葛蘭素史克和羅氏建立了常規(guī)研究合作項(xiàng)目。2019 年 4 月，Excientia 向葛蘭素史克交付了第一個(gè)通過(guò)人工智能發(fā)現(xiàn)的候選藥物，這是一個(gè)治療慢性阻塞性肺病（COPD）的潛在療法。

除此之外，Exscientia 還與賽諾菲合作開發(fā)了有關(guān)代謝性疾病的療法；與新基公司合作開發(fā)了針對(duì)癌癥和自身免疫性疾病的療法。2020 年 1 月，拜耳宣布與 Exscientia 在心血管疾病和腫瘤藥物研發(fā)方向展開合作，項(xiàng)目金額達(dá) 2.4 億歐元。

在融資方面，Exscientia 在 2019 年 1 月完成了 2500 萬(wàn)美元的B輪投資，該輪融資由新基公司、GT Healthcare Capital 以及 Evotec 共同參與完成。

圖 | Exscientia 服務(wù)流程

OWKIN

總部位于紐約的 OWKIN 成立于 2016 年。OWKIN 主要利用 Federated learning （ 一種在保護(hù)隱私的同時(shí)使用敏感用戶數(shù)據(jù)訓(xùn)練 AI 的新興方法） 為制藥公司提供藥物研發(fā)服務(wù)，該技術(shù)最早是由谷歌在 2016 年提出的。

公司的核心機(jī)器學(xué)習(xí)平臺(tái) Owkin Socrates 能夠整合生物醫(yī)學(xué)圖像、基因組學(xué)和臨床數(shù)據(jù)，通過(guò)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法，將臨床數(shù)據(jù)轉(zhuǎn)化為預(yù)測(cè)模型，為的是讓醫(yī)學(xué)專家們零門檻地使用人工智能技術(shù)，完成前沿的醫(yī)學(xué)研究、藥品研發(fā)和臨床診治。 谷歌旗下風(fēng)投基金 GV 參與了對(duì) OWKIN 的 A 輪融資。目前，OWKIN 已與羅氏、益普生、安進(jìn)等知名藥企達(dá)成合作，未來(lái) OWKIN 將深度布局從患者數(shù)據(jù)中找到與疾病相關(guān)的生物標(biāo)志物這一細(xì)分領(lǐng)域。

圖 | OWKIN 業(yè)務(wù)布局

晶泰科技

晶泰科技致力于生物醫(yī)藥的新基建建設(shè)，旨在從數(shù)字化和智能化兩方面進(jìn)行技術(shù)研發(fā)。晶泰科技主要的業(yè)務(wù)是在臨床前藥物研發(fā)階段，對(duì)藥物晶型和固相進(jìn)行預(yù)測(cè)，從疾病靶點(diǎn)的結(jié)構(gòu)出發(fā)進(jìn)行先導(dǎo)化合物設(shè)計(jì)等。

晶泰科技核心技術(shù)是將計(jì)算化學(xué)和深度學(xué)習(xí)相融合，以第一性原理為基礎(chǔ)不斷提高模型精度，以數(shù)據(jù)為驅(qū)動(dòng)力搜索更多的藥物化學(xué)空間。另外晶泰科技的算力資源深厚，其多云架構(gòu)，可以調(diào)度超過(guò)百萬(wàn)的 CPU 核心和 GPU 資源。 2020 年 9 月晶泰科技宣布完成 3.188 億美元的 C 輪融資，創(chuàng) AI 制藥領(lǐng)域融資紀(jì)錄。本輪投資由軟銀愿景基金、人保資本、晨興資本領(lǐng)投， 展現(xiàn)出了資本市場(chǎng)對(duì)中國(guó) AI 制藥企業(yè)的巨大熱情。

圖 | 晶泰科技

云深智藥

云深智藥是騰訊旗下的 AI 制藥平臺(tái)，該平臺(tái)覆蓋了臨床前藥物發(fā)現(xiàn)的全過(guò)程，致力于深度服務(wù)藥物研發(fā)人員。

其平臺(tái)的虛擬篩選模塊首次將元學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)算法用于基于配體的藥物設(shè)計(jì)（ligand-based drug design，LBDD）任務(wù)。目前該算法的預(yù)測(cè)精度已經(jīng)突破業(yè)界標(biāo)準(zhǔn)，將預(yù)測(cè)活性與實(shí)驗(yàn)測(cè)量活性的相關(guān)性中位數(shù)提升到 0.42。另外云深智藥平臺(tái)的藥物小分子 ADMET 屬性預(yù)測(cè)結(jié)果準(zhǔn)確度比學(xué)術(shù)界最優(yōu)模型提高 3%~11%，自研算法精度超過(guò)現(xiàn)有商業(yè)軟件近 37%。受益于騰訊的資源支撐，云深智藥近年來(lái)已經(jīng)逐步在 AI 制藥初創(chuàng)企業(yè)中確立了自己的優(yōu)勢(shì)。

圖 | 云深智藥平臺(tái)架構(gòu)

星藥科技

星藥科技成立于 2019 年，是中國(guó)新興的 AI 制藥公司之一，其專注于從苗頭化合物設(shè)計(jì)到臨床前候選藥物篩選階段的藥物研發(fā)。創(chuàng)始人李成濤獲麻省理工學(xué)院計(jì)算機(jī)博士學(xué)位，團(tuán)隊(duì)成員擁有成功主導(dǎo)新藥項(xiàng)目經(jīng) FDA 批準(zhǔn)上市的經(jīng)驗(yàn)，從創(chuàng)立初期便致力于打造綜合型的人才體系。

豐厚的人才儲(chǔ)備也為星藥科技帶來(lái)了多項(xiàng)技術(shù)突破。目前星藥科技已經(jīng)完成了若干客戶方案交付，其自主研發(fā)的算法模型在諸多環(huán)節(jié)表現(xiàn)優(yōu)異，權(quán)威機(jī)構(gòu)驗(yàn)證顯示，星藥自有藥物活性評(píng)測(cè)模塊的篩選命中率較傳統(tǒng)方式可提高十余倍。

鑒于其在產(chǎn)品化方面優(yōu)異的表現(xiàn)，星藥科技在一年多的時(shí)間內(nèi)獲得四輪融資，資金高達(dá)數(shù)千萬(wàn)美元。投資方包含高榕資本、五源資本、DCM 中國(guó)、源碼資本、BAI 資本、紅點(diǎn)中國(guó)等知名機(jī)構(gòu)。未來(lái)星藥科技將重點(diǎn)提高研發(fā)團(tuán)隊(duì)規(guī)模和建設(shè)相關(guān)生化檢測(cè)實(shí)驗(yàn)室，最終打造藥物生成、篩選、評(píng)價(jià)和檢測(cè)的自動(dòng)化閉環(huán)，加速市場(chǎng)落地。

圖 | 星藥科技平臺(tái)架構(gòu)

普瑞基準(zhǔn)

不同于多數(shù) AI 制藥企業(yè)致力于藥物發(fā)現(xiàn)，普瑞基準(zhǔn)基于自身的組學(xué)數(shù)據(jù)挖掘系統(tǒng)，重點(diǎn)關(guān)注“通過(guò)深挖生物學(xué)機(jī)制，幫助藥企研究并設(shè)計(jì)新藥管線的開發(fā)策略”，通過(guò)提供 AI 支持的新型生物信息和轉(zhuǎn)化醫(yī)學(xué)服務(wù)，成為腫瘤新藥研發(fā)企業(yè)的戰(zhàn)略伙伴。

過(guò)去 10 年，全球新藥研發(fā)領(lǐng)域的回報(bào)率快速下降，其中一個(gè)重要原因就是對(duì)疾病的生物學(xué)機(jī)制理解不足，許多新藥研發(fā)項(xiàng)目遭遇了后期失敗。與此同時(shí)，由于對(duì)機(jī)制理解不足，大批中國(guó)創(chuàng)新藥研發(fā)企業(yè)被迫在有限的已驗(yàn)證靶點(diǎn)上展開激烈的同質(zhì)化競(jìng)爭(zhēng)。普瑞基準(zhǔn)通過(guò) AI 算法，深化對(duì)疾病及治療相關(guān)生物機(jī)制的理解，為創(chuàng)新藥研發(fā)提供關(guān)鍵決策支持，從而提升新藥研發(fā)的成功率，或幫助形成差異化優(yōu)勢(shì)。 普瑞基準(zhǔn)自主研發(fā)了 AI 驅(qū)動(dòng)的面向癌癥藥物研發(fā)的大數(shù)據(jù)系統(tǒng)（AIBERT），專注于“創(chuàng)新藥研發(fā)的深水區(qū)”，解決四大核心問(wèn)題，即：潛力靶點(diǎn)的評(píng)估，適應(yīng)癥的選擇，生物標(biāo)志物的發(fā)現(xiàn)，耐藥機(jī)制的研究（以及相關(guān)的藥物聯(lián)用方案）。目前AIBERT 平臺(tái)整合了 PB 級(jí)別的多組學(xué)數(shù)據(jù)資源，包括大量中國(guó)患者數(shù)據(jù)，特別強(qiáng)調(diào)數(shù)據(jù)的完整性（組學(xué)數(shù)據(jù)與臨床數(shù)據(jù)的匹配）、規(guī)范性和豐富性（高維數(shù)據(jù)）。AIBERT 的算法設(shè)計(jì)強(qiáng)調(diào)“可解釋性”，結(jié)果指向性高，在新藥研發(fā)決策、藥物差異化定位等方面達(dá)到國(guó)際領(lǐng)先水平。尤其在創(chuàng)新的生物標(biāo)志物研究方面，AIBERT幫助多個(gè)藥物提升應(yīng)答率、擴(kuò)大適用人群，贏得藥企的廣泛認(rèn)可。 普瑞基準(zhǔn)立足多組學(xué)與數(shù)據(jù)挖掘，目前已和國(guó)內(nèi)外多家知名藥企在轉(zhuǎn)化醫(yī)學(xué)和臨床開發(fā)領(lǐng)域形成深度合作，包括恒瑞醫(yī)藥、阿斯利康、石藥集團(tuán)、再鼎醫(yī)藥等。2020 年公司完成了知名投資機(jī)構(gòu)（創(chuàng)新工場(chǎng)、麥星投資、百度風(fēng)投）領(lǐng)投的兩輪融資，已成為中國(guó) AI 制藥領(lǐng)域的新星。

圖 | 普瑞基準(zhǔn) AIBERT 平臺(tái)
編輯：lyn