26亿美元的新药成本魔咒即将被打破,正大天晴与
分类:科学技术

原标题:正大天晴与阿里云合作,AI制药提高化合物筛选准确率20% 新药研发困难重重?正大天晴与阿里云合作用AI寻找解决办法

[导读]在新技术中,人工智能被制药公司寄予厚望。新药研发如此复杂,以至于人类大脑无法理清所有环节的联系,而我们在理解生物学各个环节的局限性也导致了新药研究的低效。

新药研发周期长、投入大,一直是药企的难点问题,但伴随AI加入,这一问题或得到缓解。9月5日,记者获悉正大天晴与阿里云正合作采用AI制药,与传统计算机辅助药物设计方法相比,这套新方法可提高筛选准确率20%。

威尼斯国际平台app 1

威尼斯国际平台app 2

根据塔夫斯大学药物开发研究中心30多年来的统计数据,目前每一个新药的研发成本大约为26亿美元,平均耗时14年。不断升高的研发成本促使制药公司探索新技术,提升研发效率和转化成功率。

图为正大天晴研究院高级技术总监张寅生(右一)和研发人员一起观察试验

在新技术中,人工智能被制药公司寄予厚望。新药研发如此复杂,以至于人类大脑无法理清所有环节的联系,而我们在理解生物学各个环节的局限性也导致了新药研究的低效。

新药经过药物发现、临床前研究、临床研究等阶段到上市需经历10-15年,其中药物发现阶段的工作作为药物研发的源头,其研发效率直接影响后续工作的进展及效率。

在其他领域,AI已应用于软件识别图像,模拟对话,自动驾驶,生成游戏,以及谱写音乐等。但在医药研发领域,AI应用还相对滞后。

在国际新药研发中,先导化合物的发现常用的方法是高通量筛选,但经济成本高,需耗费200-400万美金。发现先导化合物后,药物化学家依据经验进行药物设计及化合物合成,分子生物学家测试化合物活性,反复优化和筛选,最终发现临床候选化合物。药物发现阶段的时间、人力成本较高,建立并应用高效的虚拟筛选模型可以降低人力和时间成本。

威尼斯国际平台app ,除了算法和数据,AI应用于医药研发更重要的是落地场景的选择,把科技和传统医药结合起来。AI可以应用在锁定致病蛋白质、筛选对蛋白质起作用的药物成分、评估药物成分的安全性并决定合成方法、制定临床试验计划等等。

借助阿里云的医疗AI,正大天晴获得了一种全新的化合物筛选方法。根据少量实验数据以及化合物结构,建立高效的机器学习模型,快速过滤无活性概率较大的分子,从而富集潜在有效分子,从而提升研究效率。数据显示,与传统计算机辅助药物设计方法相比,这套机器学习模型的筛选准确率可提高20%。

在这些应用层面上,国际药企和AI初创企业的战略合作可以给后续行业应用提供想法和范本。

阿里云医疗AI算法工程师王成介绍:“通过计算机进行虚拟筛选或者通过实验进行高通量筛选都是在已有的化合物库中进行。对药企而言,更有意义的是突破现有的化合物库的限制,设计出结构全新的化合物,丰富化学空间。目前双方还在合作开发化合物生成算法,用于生成全新化合物,形成虚拟化合物库,扩充现有资源。”

威尼斯国际平台app 3

作为国内知名的肝健康药物研发和生产基地,正大天晴是国家重点高新技术企业,是国内少数做创新药的药企之一。

新药的研发成本不断升高,现在总额大约为26亿美元。

除了与阿里云合作AI制药之外,正大天晴去年还引入阿里云的业务中台架构,利用互联网中间件技术能力,加速企业数字化转型,提升了正大天晴的低成本创新和快速试错能力,仅花费2个多月就完成了面向医疗数字化营销场景的产品开发上线。

AI带来的改变

阿里云的医疗AI此前已在基因测序、甲状腺结节识别、肺结节识别、数字化模拟临床实验等领域发挥作用。返回搜狐,查看更多

从广义上来说,药物研发分为两个大的阶段,临床前研究和临床研究。临床研究是将新药用于人体来验证新药的安全性和有效性。临床前研究的两大步骤是找到药物靶点和活性化合物。

责任编辑:

从药物靶点来说,AI可以大大提高药物靶点选择的效率。

以近期热门的肿瘤新药研发为例,人体所携带的癌症相关基因近500个,会产生将近1000万个基因的变异,涉及10多条信号通路和60多个药物靶点,而且这些数字还在持续增加。如果人工解读这些信息,必然会耗费大量时间,还会出现遗漏或误判。而AI能实时抓取和动态学习更新,尽量穷尽肿瘤靶点的知识库。

在2017年7月,世界制药巨头葛兰素史克和初创企业Exscientia签订了一项合作协议:借用后者的AI技术搜索10个疾病相关靶点的候选药物。Exscientia的药物研发能力建立在一个AI平台上,这个平台能搜索和模拟药物靶点,设计和评估新化合物。

确定药物靶点以后,药企便开始寻找与这个靶标有较强结合能力的合适的分子。

在形成晶体的过程中,药物分子以及其他辅助成分通常具有多种空间排列方式,不同排列方式则构成不同的晶型。比如,金刚石和石墨,都是碳的同素异形体,但因为晶体结构的不同,使他们成为了不同的物质,价值也天差地别。

从筛选活性化合物来说,AI可以通过算法和发展很快的云端计算进行精确的预测,来提升整个研发过程的效率。

举个例子,药物分子及其形成的不同晶型是一个立体的三维结构,计算分子内部以及分子-分子之间的力可以得知热力学稳定性。AI可以通过量子化学计算,计算药物分子的相互作用,评估所有的三维可能,从而进行准确的晶型预测。

除了预测晶体结构以外,AI还可以根据靶点虚拟构建药物分子。

初创企业InSilico Medicine使用生成式对抗网络来构建药物分子。不同于传统制药需要通过不断实验试错来寻找化合物,AI算法虚拟产生合适的化合物分子,以此减少寻找有潜在药物特性物质的时间和其他成本。

除了上述提到的药物靶点筛选和构建新型药物外,AI还可以用于药物有效性/安全性预测,精准医疗,筛选生物标志物,和新型组合疗法。

除制药外,AI在精确诊断领域的极大潜力也不容忽视。

2017年,谷歌、谷歌大脑与Verily公司联合开发了一款能用来诊断乳腺癌的AI,通过将病理切片处理成数码图像的方式,提供大量肿瘤组织和正常组织的病理切片,供AI学习。惊人的是,在“人机大战”中,一位资深病理学家花了整整30个小时分析了130张切片,却以73.3%的准确率完败准确率达88.5%的AI。

盘点药物研发AI公司

1、AI用于构建新型药物分子:Insilico Medicine

商业模式:研究靶标生物大分子的结构来进行药物分子设计

核心技术:GANs 通过使用两个竞争神经网络模型,创建不同于真实数据的新数据,从而训练新的分子结构的方法,能大幅度减少寻找有潜在药物特性物质的时间和成本

成功案例:设计出的化合物与Novartis、Champions Oncology等企业有深度合作

合作公司:GSK,NVIDIA,Novartis,J&J

本文由威尼斯网址开户网站发布于科学技术,转载请注明出处:26亿美元的新药成本魔咒即将被打破,正大天晴与

上一篇:没有了 下一篇:科学家找到,为晚睡正名
猜你喜欢
热门排行
精彩图文