READING 导读 在B村，艾博生物、再鼎医药、和铂医药、景昱医疗、新格元等客官纷纷牵手IT行业巨头蓄力发展AI药物。纵观当下，进军AI制药领域的除了制药公司外，还有以腾讯、百度和字节跳动为代表的互联网企业。中国AI药物设计是从何时开始的？AI药物在中国研发的优势在何处？今天，小二为各位客官分享李开复、张建等专家对中国AI驱动药物发展的看法。
中国在AI药物发现领域属于后发者。在2014年的时候，国外的制药公司（如Atomwise）已经发展到了进行大规模跨国交易的阶段。当时，中国的人工智能药物研究进展十分缓慢。晶泰科技（Xtalpi）联合创始人马健表示，当他在2015年第一次回到中国与中国制药公司谈判时，大多数公司对AI药物研发不感兴趣或还没有做好准备。对缺乏创新经验的中国制药企业来说，人工智能是一种跨越式发展。
然而，随着人工智能围棋（AlphaGo）连续在2016年和2017年击败人类职业围棋选手，业内人士逐渐关注到人工智能。自那以后，中国政府推出了发展人工智能领域的雄伟目标，改革了药物市场监管政策。这些变化都促进了人工智能在创新药物中的预期，力图改变以前仿制药主导中国药物市场的局面。2019年，豪森（Hansoh）制药集团斥巨资与Atomwise合作，针对多达11种与癌症和其他疾病有关的蛋白质药物。 上海交通大学药学专家张健教授接受采访时表示，中国正在经历一场AI药物设计的风潮， 包括计算机科学家、物理学家、数学家和药物学家在内的多个专业领域研究人员纷纷进入这一领域，创立AI驱动的药物发现公司或与这类公司合作，如宇道生物（Nutshell）、望石（Stonewise）等。虽然美国药物研发业内人士研究人员对这场人工智能热潮持谨慎态度，中国研发人员认为中国企业或许能够比西方公司更快地利用人工智能。致力于变构药物研发的Nutshell公司创始人之一的郁征天博士表示，中国药企没有固守传统药物的发现方式，条条框框较少，可能更容易获得突破。
来自创新工场（Sinovation Ventures）的李开复博士表示，AI的关键是训练数据集，而中国庞大的人口和医院数量使收集大数据变得很容易。人们也不太关心隐私问题，因此训练数据就更容易获取。当前，人工智能公司在美国尤其受到诸如医疗保险等法规的束缚。与此类似，中国政府对于出售泄露个人数据的行为也有严厉的惩罚措施，而医渡云公司这样医学数据智能平台的出现也为大数据的整合及获取提供了便利。 但是基于这样庞大的数据集的AI药物设计仍面临着一个关键问题：许多数据质量较差，可能会误导人工智能。 来自北京大学深圳研究生院的叶涛教授认为，数据质量绝对至关重要，大多数从事药物研发工作的中国企业没有高质量的训练数据。 张健教授也具有同样看法，他表示，只有在北京和上海这样医学研究中心聚集的大城市才有可能依托专业医药从业人群获得高质量的数据，而在具有少数医学研究中心的城市想要获得好的数据就有些困难。
中国的人工智能研究队伍十分庞大，主要来自欧美等归国研究人员，百度等各大IT企业的专业人士，以及国家机构资助的专业机构队伍。斯坦福大学最近的一份统计报告显示，在全球人工智能研究论文中，来自中国研究人员的占总数的22.4%，而欧洲为16.4%，美国为14.6%。 尽管如此，中国智能在国际中带来竞争优势并未凸显。李开复博士表示，虽然去年首次出现来自中国的人工智能出版物获得的引用比美国出版物多的情况，但在具有突破性的TOP1%或被高度引用的文章上，美国仍然处于领先地位，中国缺乏占比，主要还是由于中国能取得根本突破的科技人才仍然稀缺。 实际上，这种情况可能对药物研发领域并不重要。大多数算法是由美国、加拿大或欧洲开发发表后，通常是开源的和公开访问的。中国公司可以通过在现有算法基础上通过对抗网络或生成合作网络来提升算法并应用于药物研发领域。Nutshell公司的郁征天博士表示，虽然算法源头大多来自西方，但技术使用是可以从这里开始的。
李开复博士认为：在药物发现方法上中国人工智能发展可能更加务实，这会给中国的AI带来优势。最近，谷歌子公司—DeepMind解决了困扰几十年的蛋白质折叠谜题，这可能会带来诺贝尔奖或图灵奖。在中国，很多公司正在利用人工智能创造新产品，提升价值进行商业化盈利。 当然，人工智能的兴趣和机会的激增也推高了专业人士的雇佣成本，使得留住人才变得困难。英矽智能（Insilico Medicine）的Alex博士说，当前中国顶尖人工智能专家的成本已超过了美国，且人才流动频繁。因此，如能利用中国研究人员在化学分子合成领域的特长，在中国聘请化学研究人员，而将从事从生物学假设到新生物靶标识别范围的人工智能研究放在中国之外，也许能拿实现地理套利的模式运营。
CROs合作解决知识产权纠纷和时间成本问题VS临床成功难实现
Alex博士还表示，中国具有大约有3000个合同研究组织（Contract research organizations, CROs），这给中国的人工智能药物研发公司带来了时间和避免知识产权纠纷的优势，也许只有在中国可以在兼顾成本的同时让多个实验室并行实验。 这吸引了多家中国AI药物发现公司与CRO进行合作，推动了国内AI药物设计的发展。 如英矽智 能、XtalPi公司、Nutshell公司都利用各自方法推动了公司内候选新药的临床前/临床研究。
但是，目前还没有一个人工智能设计的药物是取得成功的。新墨西哥大学的计算生物学家Tudor教授表示，目前很多人描绘一些还未证实存在的东西，它的好坏要试了以后才能知道的。所以，只有药物上市才能证明它的成功。由此可见，中国的人工智能设计药物成功取决于其候选药物是否在临床上取得成功。
2020年，腾讯推出了自己的人工智能驱动药物设计平台（名为iDrug），同时还启动了十多个药物发现项目，如寻求对抗冠状病毒的药物。该公司计划的研究范围涵盖预测蛋白质结构，筛选候选物，设计和优化分子，并描述蛋白质的功能层面。除此之外，百度、字节跳动也启动了AI药物发现项目。李博士表示，这些IT巨头未来有机会充当中国版的谷歌，生产像DeepMind这样的大型机器，这些机器可以承担预测蛋白质折叠这样需要调动大量计算资源的问题。在未来，IT巨头企业与小型AI药物设计初创公司间将会形成一个良好的分工，推动中国的AI药物发展。
参考文献：
David Cyranoski. AI drug discovery booms in China. Nature Biotechnology 2021, 39, 900–902.