天津十一选五36期

传统制药公司在药物开发方面都会存在时间长、花费多的问题,而这也是AI介入的重要原因之一。当新药研发遇到AI后,通过数据生成假定药物,显示出更快、更有效率开发新药的潜力。

近日,在围棋界声名鹊起的“阿尔法狗”,不再局限于在竞技体育上与人类一争高下,而是直接将目光投向了生物医药行业。一时间,人工智能(AI)成为了加速新药研发效?#23454;摹?#32593;红”。

传统制药公司在药物开发方面都会存在时间长、花费多的问题,而这也是AI介入的重要原因之一。当新药研发遇到AI后,通过数据生成假定药物,显示出更快、更有效率开发新药的潜力。

12月5日,CCF人工智能与医疗技术创新发展论坛在津举行,会上,天津国际生物医药联合研究院与?#26412;?#22825;云大数据签署战略合作协议,双方将共同打造公共医药人工智能平台,并且该项目已列入天津市新一代人工智能重大科技计划。

“利用AI技术助推我国医药研发实现‘换道超车’,将与国际医药巨头研发站在同一起跑线。”天云大数据首席执行官雷涛?#32422;?#32773;说。

AI将跟试管一样重要

德勤发布的报告显示,2017年,全球十二强制药巨头,成功上市一个新药的成本约为20亿美元,药物从研发到上?#22411;?#24120;要8到12年时间,在研发上的投资回报率仅有3.2%。

针对新药研发周期漫长?#19968;?#25253;?#23454;?#30340;境况,近年来,AI等新技术开始向传统制药行业渗透,辉瑞、美敦力等纷纷引入AI技术,IBM Watson与辉瑞合作将机器学习用于癌症药物发现;与美敦力合作推出糖尿病监测App……

“制药领域过去的一个特点是‘双十’,开发一个新的药物需要十年投资十个亿,在这个过程中,很多?#26041;?#25928;率是比?#31995;?#19979;的。”天津国际生物药联合研究院院长黄亚楼说。南开大学教授林建平也表示,尽管药物研发的投入越来越大,可药物每年被批的数量并没有增加,药企为此都在寻找办法加快药物研发的速度,节省研发的成本。

“把大数据、人工智能技术引入进来,可?#36816;?#30701;周期、降低成本,?#26434;?#25972;个行业的影响至关重要。”黄亚楼说,目前,很多传统行业碎片化的壁垒都会被大数据、人工智能所洗牌。

“我们以前是在跟化学成分打交道,跟实验、试管、?#32422;?#25171;交道。现在,针对新药研发,AI成为一个新的工具,它跟试管一样重要。”雷涛指出,在新药研发中,针对适应症或副作用的研究,以往的做法是通过实验检测药物晶型,而现在则可以通过数据模拟加速检测药物晶型。

雷涛表示,他们希望更多从事数学、物理的研究人员快速跨越IT等一些知识的壁垒,尽快投入到医药领域的研究。

如何赋能医药?

在数字经济时代,新药研发的关键已从实验检测转向数据分析,AI在药物靶点预测、药物筛选、药物适应症预测等方面都大有可为。

根据资料显示,新药研发领域包括五种AI应用:寻找可能成为潜在药物的新化合物;预测潜在的测试药物作用的?#27809;擔?#20998;析不同的药物能否组合在一起治疗疾病;发现以前测试过的化合物的新用途;基于个人遗传标记来做个性化医疗。

“五个应用方向、寻找潜在实验的新化学成分、潜在测试药物的判断、相互的关联性等一系列的内容,都是我们跟研究院各个科室、研究小组的一些合作方向。”雷涛说,天云大数据此前通过人工智能PaaS平台对药物活性、安全性?#36879;?#20316;用进行预测,建模过程仅花费了3至5天时间;同时使用复杂网络全景展现了适应症与靶点蛋白关系?#35745;祝?#35813;图之前只能进行两两展示),表明人工智能应用于药物适应症?#36879;?#20316;用预测前景广阔。

林建平表示,目前,AI在药物研发方面已经进入到很多领域,比如靶点的发现,加快化合物合成,帮助化学家?#19994;?#26368;佳合成路线,还可?#36234;?#34892;大规模的化合物筛选?#32422;?#20570;晶体结构条件的预测?#21462;?/p>

靶点发现也就是发现能减慢或逆转人类疾病的生物途径和蛋白,这是目前新药发现的核心瓶颈。以往这项工作是由人工实验完成,现在通过AI的参与,将给实验的速度带来指数级的提升。据推测,搭建算法模型及大规模的算力,有望将药物研发成本降至3亿美元甚至更低,研发周期也缩短至6.5年。

另外在药物筛选(也被称为?#40522;?#29289;筛选)方面,首先要通过少数模块组合成不同蛋白,然后采用高通?#21487;?#36873;来发现合?#23454;南鹊?#29289;。高通?#21487;?#36873;方式会在同一时间由机器人进行数以百万计的实验,因此成本非常高昂。

目前,谷歌和斯坦福的研究人员正致力于利用深度学习开发虚拟筛选技术,以取代或增强传统的高通?#21487;?#36873;过程,并提高筛选的速度和成功率。通过应用深度学习,研究人员能够实现跨越多个靶点的众多实验的信息共享。

林建平还表示,医药研发主要包括高通?#21487;?#36873;、基因测序、组学技术和临床试验等,而这里面涉及的数据非常散乱,市面上也有很多个数据库,比如人类基因数据库、世界上最大的化合物数据库Pubhen,也包括临床试验的网站、药物的基因表达谱数据库,?#32422;?#33647;物和小分子结合的数据库?#21462;?#22914;何把这些数据利用到药物研发上来,也是AI要做的事。

会上,《健康医疗大数据及其应用报告》发布。中国计算机学会大数据专家委员会(CCF)副秘书长黄宜华指出,如何将患者的被动性参与转向主动健康管理,从单案例效果评?#38647;?#21521;过程性、全程性的整体评估和体验;从病种数据管理扩展到健康数据管理,从关注争端和治疗技术到预防、护理和康复?#26041;?#26159;未来医疗行业需要关注和解决的问题。而大数据,正是一条重要的道路。

转载自《中国科学报》 (2018-12-13 第6版 前沿)

天津十一选五36期