江苏龙网

  1. 首页 > 人文 > >

药物|它不是药神( 四 )


根据晶泰科技的官方介绍 ， 该公司对药物晶型的预测 ， 是通过量子化学计算与 AI 结合的方式来计算分子之间的作用力来判断不同晶型间的理化性质 。有业内人士告诉虎嗅 ， 这样一来 ， 晶泰可以在没有很多数据积累的基础上完成对算法的训练 。
晶型过后 ， 剂型又是一道关卡 。尤其对于靶向药来说 ， 若要更好地将药物递送到靶点 ， 制剂也起到至关重要的作用 。
据剂泰医药创始人兼 CEO 赖才达介绍 ， 眼下有40% 在研药物由于药物递送难点而放弃开发 ， 国内的复杂制剂又严重依赖进口 ， 制剂的差异化或许将成为未来创新药的新突破口 。
不过 ， 就算一款新的化合物成药表现再出色 ， 也只是一个单兵罢了；如果能找到全新的靶点 ， 就可能带来一个崭新的药物军团 。
显然 ， 靶点发现是最值钱的 ， 不然国内科技巨头怎么都对之虎视眈眈 ， 腾讯的云深智药要做 ， 百度的百图生科也要做 。
然而 ， 靶点发现的难度也是显而易见的 。过去几十年间 ， 被科学家们发现的靶点不少 ， 但验证有效的数量并不多 ， 不然也不会出现 PD-1 的严重内卷 。
眼下 ， 有且只有一个公司宣称自己已经做到了 ， 就是前文提到的 Insilico 。值得注意的是 ， Insilico 发现的全新特发性纤维化疾病新靶点及相应的药物 ， 也不过刚刚走到临床前研究这一步 ， 到底能否成功 ， 还需不少时间观望 。
总而言之 ， 我们可以看到 ， 在新药研发的前期阶段 ， AI 的确是起到了一些作用 。可毕竟尚无一款真正走过人体试验到审批上市的 AI 新药出现 ， 所有的好与坏 ， 都没有办法得到确定性的结论 。
冰火两重天
这也就意味着 ， 没人能知道 AI 到底能否给药企带来提效降本的真正收益 。
同时 ， “目前来说 ， 这些进入临床的 ， 或者在报临床批件的（AI 制药公司） ， 只说我是全用 AI 做的 ， 但并没有披露技术细节” ， 裴剑锋对当前一些进展的质疑 ， 也代表了不少人的看法 。
也正因如此 ， 即便自 2020 年以来 ， 我们经常听到某某药企与某某 AI 制药平台达成了合作 ， 但除了当初拜耳看中 Exscientia ， 大手一挥就与后者签订了为期 3 年、总价值近3亿美元的合约外 ， 我们鲜少听到作为服务方的初创企业到底能拿到多少钱 。
在八点健闻的报道中 ， 一笔 200 万元的订单在业内已是高价 ， 绝大多数AI制药企业一年接到的订单也屈指可数 。
药企的观望态度并不难理解 。毕竟 ， AI 技术虽已迭代良久 ， 但仍然“涉世未深” 。
一方面 ， AI 成长所需的数据量十分庞大 ， 而它在医药研发领域显然很难得到足够的养料 。对药企来说 ， 化合物结构、晶型等研发数据是他们的立身之本 ， 如非发表论文、提交专利所必须的部分 ， 要他们公开几乎是不可能的 ， 即便他们与一些 AI 制药公司处于合作之中 。
国内在数据方面相对的确更为开放 ， 但值得注意的是 ， 我国的新药研发真正起步也不过不到 10 年 ， 数据的量级无法与欧美国家同日而语 。
也就是说 ， AI 制药公司能用到的基本都是公开数据 ， 来源包括文献、药品专利库等 。
但公开数据由于来源不同 ， 质量无法保证 ， 挖掘和标注的难度就不小 。譬如我们想预测“毒性” ， 但针对不同适应症的不同药物 ， 毒性本身就没有固定标准 ， 我们又该如何让 AI 把握我们都不好总结的东西呢？
同时 ， 公开数据在维度上也难免有所缺失 。
以裴剑锋向虎嗅介绍的“负数据（Negative Data ， 即测试结果不理想的化合物等数据）”为例 ， “药物研发里面特别有用的数据就是负数据 ， 负数据再少 ， 也非常有用 。就跟做题目一样 ， 只有知道你错哪儿了 ， 之后正确的几率就能更大一些” 。
“而这些负数据我们很难从文献中找到 ， 因为药企不会发表 ， 甚至有些企业做完就扔掉了 。”


推荐阅读


上一篇：新冠病毒|打了疫苗为何还会感染？专家解释：疫苗不是万能的

下一篇：印度时报|印度发现首例绿真菌症病例 不确信是不是全国的首例