預測地球所有生物分子，谷歌AlphaFold 3即將顛覆醫(yī)學？科技巨頭競逐AI制藥，這個市場潛力有多大？

每經(jīng)記者 文巧    每經(jīng)編輯 蘭素英    

藥物研發(fā)中的關鍵挑戰(zhàn)，從氨基酸序列出發(fā)預測蛋白質三維結構的難題再一次被人工智能（AI）解決了！

當?shù)貢r間5月8日，谷歌DeepMind及姊妹公司Isomorphic Labs聯(lián)合推出AlphaFold 3，立刻就登上了《自然》雜志頭版。AlphaFold 3是AlphaFold的第三代版本，DeepMind稱其能以前所未有的精度預測“蛋白質數(shù)據(jù)庫”內(nèi)幾乎所有分子類型的復合物結構。

圖片來源：《自然》網(wǎng)站截圖

隨著AI在藥物研發(fā)領域展現(xiàn)出驚人的潛力，《每日經(jīng)濟新聞》注意到，盯上AI藥物研發(fā)賽道的遠不止谷歌一家科技巨頭，微軟、亞馬遜、英偉達等公司都在開展或投資相關項目。

伴隨而來的也是大量的“熱錢”。數(shù)據(jù)顯示，自2021年以來，全球AI藥物研發(fā)初創(chuàng)公司的風投交易已有281筆，投資額達到77億美元。據(jù)外媒預測，AI藥物研發(fā)的市場潛在規(guī)模接近500億美元（約合人民幣3613億元），預計到2025年，30%的新藥將使用AI研發(fā)。 

科技公司加碼AI藥品研發(fā)

根據(jù)發(fā)表在《自然》上的這篇論文，對于蛋白質與其他分子類型的相互作用，AlphaFold 3在基準測試中的準確率比現(xiàn)有最好的傳統(tǒng)方法高出50%，且無需輸入任何結構信息，這使得AlphaFold 3成為首個在生物分子結構預測方面超越基于物理工具的方法的AI系統(tǒng)。

為何說AlphaFold 3是一款革命性的系統(tǒng)？這是因為蛋白質（從對人體新陳代謝至關重要的酶到對抗傳染病的抗體）與其他分子的相互作用是藥物發(fā)現(xiàn)和開發(fā)的關鍵。

據(jù)報道，通過AI模型，可以在數(shù)億種不同的蛋白質序列及其底層結構上進行訓練，從而完全模擬蛋白質，省去了昂貴的分子動力學模擬計算環(huán)節(jié)。例如，禮來一直在使用AI來搜索數(shù)百萬個分子，僅用5分鐘就能完成在傳統(tǒng)實驗室中需要一整年合成的分子量，因此測試AI在醫(yī)學中的極限是有意義的。

隨著AI在藥物研發(fā)領域展現(xiàn)出驚人的潛力，盯上AI藥物研發(fā)賽道的遠不止谷歌一家科技巨頭，而幾乎所有科技巨頭展現(xiàn)出了對AI制藥領域的興趣，微軟、亞馬遜、Salesforce等公司都在開展蛋白質生成項目。

據(jù)報道，僅去年就見證了多個醫(yī)藥相關的AI大模型和工具的誕生：Salesforce推出了蛋白質生成AI大模型ProGen；微軟發(fā)布了蛋白質生成的通用AI框架EvoDiff；亞馬遜為其AWS機器學習平臺SageMaker發(fā)布了蛋白質折疊工具；英偉達推出了用于藥物發(fā)現(xiàn)的生成AI云服務BioNeMo，并投資了制藥公司Recursion Pharmaceuticals和Iambic Therapeutics。

除了硅谷大廠扎堆加碼AI藥物研發(fā)之外，2022年底ChatGPT的爆火也推動了許多AI初創(chuàng)公司步入該領域。

生物技術市場研究機構Deep Pharma Intelligence在2023年發(fā)布了一篇AI藥物研發(fā)行業(yè)的分析報告，該報告通過對800 多家AI公司、1900家投資者等行業(yè)參與者的深入調研后發(fā)現(xiàn)，在這800多家專注于AI的公司中，有91家是在2022年至2023年間成立的，這些公司多為AI初創(chuàng)公司。

除此之外，報告稱，大型制藥公司之間以及與AI初創(chuàng)公司之間出現(xiàn)合作的趨勢日益明顯。記者注意到，今年4月，莫德納與OpenAI宣布，雙方正在進行合作，共同創(chuàng)新推動AI在醫(yī)療健康領域的潛力。

安進與英偉達也建立了以AI為重點的合作伙伴關系，安進已開始將預測模型應用于制藥流程。英偉達醫(yī)療保健副總裁Kimberly Powell對此表示，這使得安進將抗體設計從兩年縮短到九個月。

據(jù)悉，推出一種新藥通常需要十多年的時間，平均花費至少26億美元，最高可達60億美元。AI的出現(xiàn)為成本不斷攀升且回報遞減的制藥行業(yè)提供了潛在的解決方案。據(jù)咨詢公司BCG去年發(fā)布的一份報告，在臨床前階段的藥物發(fā)現(xiàn)步驟中，AI可以節(jié)省至少25%~50%的時間和成本。

AI對藥物研發(fā)時間和成本的影響 圖片來源：BCG報告

市場規(guī)模達千億級，但數(shù)據(jù)仍是“硬傷”

隨著AI醫(yī)藥的火熱，“熱錢”也大量涌入。

根據(jù)Pitchbook的數(shù)據(jù)，自2021年以來，全球AI藥物研發(fā)初創(chuàng)公司的風投交易已有281筆，投資額達到77億美元。從更遠的時間來看，在2014年~2023年間，AI驅動的制藥投資猛增，累計達到603億美元，也證明了AI的變革潛力。

以英偉達為例，過去兩年間，該公司旗下AI藥物研發(fā)平臺BioNeMo的風投部門Nventures把大部分錢都投給了藥物研發(fā)項目。數(shù)據(jù)顯示，Nventures的19筆投資交易中有7筆是投向AI藥物研發(fā)初創(chuàng)公司。

Kimberly Powell在接受媒體采訪時表示，醫(yī)療健康將成為英偉達下一個“數(shù)十億美元級業(yè)務”。英偉達CEO黃仁勛也曾多次強調，數(shù)字生物學將是“下一個驚人的顛覆性技術”。

根據(jù)Deep Pharma Intelligence去年發(fā)布的報告，專注于早期藥物開發(fā)的AI公司占到近40%，使早期藥物開發(fā)成為主導領域，也是從投資角度最值得信賴的領域之一。造成這種情況的原因有很多，例如這是一個依賴海量數(shù)據(jù)的階段，需要虛擬篩選、迭代學習以及對目標（化合物）的識別和驗證。

對于AI在早期制藥過程中發(fā)揮的作用，Kimberly Powell預測，生成式AI可能會通過產(chǎn)生人類自然不會想到的想法來影響發(fā)現(xiàn)。“（可能）是一種自然界以前從未制造過的蛋白質，在某種程度上也可能是一種具有治療作用的蛋白質，或者是一種我們尚未合成且不存在于世界上任何數(shù)據(jù)庫中的化合物。”

在藥物開發(fā)的后端亦可以看到AI的用途，據(jù)外媒分析，其有助于從數(shù)千份文件中收集數(shù)據(jù)，以準備向美國食品藥品管理局（FDA）提交文件。同樣，AI可能通過使數(shù)據(jù)更容易獲取而在技術轉讓中發(fā)揮作用。

不過，在AI輔助藥物研發(fā)的過程中，高質量訓練數(shù)據(jù)仍然是一大挑戰(zhàn)。風投Menlo Ventures 合伙人Greg Yap就表示，“最大障礙是找到可靠的訓練數(shù)據(jù)。這些模型正在根據(jù)描述分子相互作用的每一條公共科學數(shù)據(jù)進行訓練，但有些數(shù)據(jù)不是很干凈，并且存在錯誤。”

一旦科學界能夠找到提高訓練集質量的方法，AI輔助藥物發(fā)現(xiàn)的市場有望起飛。據(jù)外媒預測，該市場的潛在規(guī)模接近500億美元（約合人民幣3613億元），預計到2025年，30%的新藥將會使用AI研發(fā)。但目前，基于AI的藥物開發(fā)仍處于早期階段。據(jù)報道，F(xiàn)DA迄今為止批準了100多種使用AI或機器學習進行開發(fā)的藥物候選物的臨床試驗，但可能需要數(shù)年時間才能上市。

免責聲明：本文內(nèi)容與數(shù)據(jù)僅供參考，不構成投資建議，使用前核實。據(jù)此操作，風險自擔。

封面圖片來源：《自然》網(wǎng)站截圖