量子计算+人工智能，如何改变制药业？

来源：智药局

药企们将销售额的15%用于研发，这一数字占全球所有行业研发总支出的20%以上。

所幸的是，高昂的投资往往与创新连在一起。

药企们不断寻求改进研发过程的新方法，从早期的计算化学数字工具采用者；目前人工智能正在加速渗透…

而下一个技术，则是量子计算。

这一技术如何应用到制药领域？当前的市场化情况如何？药企们又该怎样提早布局？麦肯锡的这份行业报告值得参考。

01

量子计算的天然候选人

药物研发的核心环节是识别和开发有助于治愈疾病的分子，这也意味着制药是应用量子计算的天然候选人。

而分子是基于量子物理学的系统，QC能比传统计算更有效地预测和模拟其结构、性质和反应性，甚至是原子水平的相互作用。

虽然量子计算背后的技术很难直观地理解，但它的影响却更容易掌握：它处理某些类型的计算任务的速度比当今的传统计算机要快得多。

因此，一旦完全开发，QC可以在整个药物价值链中增加价值。

02

主要价值在药物研发

量子计算机可以增加适用于生物机制的计算范围、缩短筛选时间，并清理一些研究“死角”，极大节省药物发现阶段的成本。

图：QC在生物医药中的主要应用环节

比如以高精度预测分子特性，使当前的CADD/AIDD工具更加有效；针对目标的多种可能结构并行筛选计算库，以增加确定最佳候选药物的机会。

图：QC增强型CADD可以改善的具体领域

长远来看，QC能用机器学习(ML)算法发现新的结构-属性关系，从而改进假设的生成和验证。一旦达到足够的成熟度，便能创建含小分子、肽和抗体等在内的新候选药物库，实现更自动化的药物发现方法。

• 目标识别和验证

在目标识别过程中，可利用QC预测蛋白质的3D结构，并获取高质量数据；甚至是改进DeepMind开发的AlphaFold。它并未解决蛋白质复合物的形成、蛋白质-蛋白质相互作用和蛋白质-配体互动等挑战，借助QC允许对电子进行显式处理的特性，或将得到改善。此外，相比Google的AI模型，需要120多台高端计算机持续数周，QC会实现更强大的计算效率。

• 分子生成和验证

现有计算机的瓶颈在于顺序方式、算力不足，制药公司只能在中小型候选药物上使用CADD。有了足够强大的QC，制药公司能将所有用例扩展到选定的生物制剂，如半合成生物制剂或融合蛋白，并以更高通量进行计算机搜索和验证实验。这个用例将超越蛋白质识别，涵盖几乎整个已知的生物界。

• 先导化合物优化

QC可以增强吸收、分布和代谢，更准确的器官系统活动和毒性预测以及剂量和溶解度优化等安全问题，这是提高研发生产力的三大参数。

• 数据联动与生成

通过有效语义管理在数据点之间建立合理的连接，这是药物研发的核心技术之一。目前业内正在进行“拓扑数据分析”的研究，旨在识别大型数据集的“漏洞”和“连接”。此外，QC可在整个研究过程中“deepfake”缺失的数据点，即使用ML算法生成一种假数据。这在罕见病一类数据稀缺的地方尤其有用，继而通过人工数据集来补足。

• 临床试验

临床试验可以通过患者识别、分层以及群体药物遗传学模型进行优化。在试验计划和执行中，QC可优化试验地点，增强副作用的因果关系分析，以改善主动安全监测。

03

当下的产业化趋势

量子计算技术日益成熟，其在制药行业的应用趋势如下图：

2020年-2030年为初步应用期，量子计算将在部分创新药企及制药的个别环节得到应用；2030年之后，通过质量控制发挥更大价值，制药公司将更稳固地进入该领域。

那么药企们何时开始获得QC的好处？

这取决于技术起点（当前的数字化水平）及业务重点，即产品组合中小型活性药物成分(API) 的数量。

在CADD领域拥有强大足迹，并将研发重点放在小分子上的药企将率先利用新兴QC技术。

接下来的五到十年内，麦肯锡团队预测：药企部署的首批QC工具将依赖于混合方法，即使用经典算法和QC子程序来创造额外价值。比如变分量子本征求解器，或VQE（一种计算API和靶受体）。

04

药企们的行动指南

AI制药企业们已经搭建了良好的技术基础，如CADD、AI、ML等；部分公司已经在使用量子化学模拟，因此进入门槛很低。

科学家们也无需改变开发药物的方式，只是需使用功能更强大的工具。

无论是等待观望，或全力以赴，以下的战略方针将有助于企业根据自身情况做出明智决策：

第一，评估机会大小。在当前的发展速度下，每家药企都应弄清楚它拥有多少曝光率以及其QC机会的大小。

麦肯锡团队提出了三大问题辅助判断：

• QC会颠覆公司所在的领域并重组竞争格局吗？
• 公司的价值链中有体现QC价值的领域吗？将发生在什么时候？
• 公司可以投入资源来调查QC的机会吗？

第二，建立伙伴关系。个别公司已经开始在量子计算领域展开合作，如QuPharm联盟，由葛兰素史克、武田、辉瑞、默克和艾伯维等组成，成员已经共同开发了20多个QC在制药行业应用的案例。

其他跨行业的QC研究联盟，如NEASQC和 QED-C，成员中包括少量制药公司。

第三，提早培养人才。数字人才缺口已经成为现实，QC可能只会加剧这种缺口。而勃林格殷格翰、安进和罗氏已经建立了由药理学科学家、物理学家和计算科学家组成的QC团队。

第四，确保内部协作。将内部研究、技术、业务等职能部门的工作分开，沟通、行动上的跨职能协作将成为充分利用QC的制药公司的新特征。

量子计算可能是以指数方式更有效地发现药物治疗和治疗方法，以及为制药行业创造数千亿美元价值的关键。

麦肯锡团队预计：到2030年，全球制药公司在研发方面的QC支出将达到数十亿美元。建议药企们自己评估机会，并开始为自己在新的竞争赛道中打下基础。

附录：应用AI+量子技术的部分企业

1、晶泰科技（XtalPi）

晶泰科技于2014年创立，是一家基于量子物理学的人工智能药物研发公司，其使命是通过提高速度、规模、新颖性和成功率来彻底改变药物发现和开发。总部位于波士顿，2015年回到中国开展全面的研究业务。

其智能数字药物发现和开发平台——ID4，结合了量子力学、人工智能和高性能云计算算法，允许以高精度预测小分子候选药物的物理和化学特性，以及它们的晶体结构。

目前，晶泰科技累计筹集7.864亿美元，投资机构包括红杉中国、腾讯和谷歌，这使其成为市场上资金最充足的计算药物发现初创公司之一。并与包括辉瑞在内的制药公司进行了多项研究合作。

2、Aqemia

由ÉcoleNormale Supérieure公司孵化，总部位于法国。其首席执行官兼联合创始人Maximilien Levesque博士8年来一直致力于研究算法，公司结合量子计算和人工智能两大技术来从头设计小分子药物。

使用量子启发统计力学算法——基于结构的铅状分子设计，可准确预测化合物和治疗靶点之间的亲和力，并且比竞争对手快10，000倍；此外，其AI平台可从亲和力预测器获得反馈，并生成准确性更高的化合物。

2022年2月，Aqemia宣布与强生合作一项试点研究，利用其量子物理学驱动的药物发现技术，根据Janssen选择基于物理计算的数据集，预测给定靶标的小分子效力。6月，与赛诺菲开展肿瘤学领域的分子设计和药物发现合作，这是继2020年底双方达成合作的最新进展。

3、Hafnium Labs

Hafnium Labs于2018年在丹麦成立，是一家早期初创公司。研究人员开发了Q-props 和 Epsilon 两个软件包，前者用于高精度模拟纯组分及混合物的物理性质，后者主要是模拟电解质。

两款软件产品都结合了量子化学、人工智能（AI）和云计算的最新技术，以达到高精度预测。

通过其基于云的计算能力，该公司可准确预测化学，以加速药物发现、新材料开发等领域。此外，它还具有按使用付费的商业模式，与基于许可证的模式相比，该公司称这种模式更实惠。

到目前为止，Hafnium Labs已经通过丹麦创新基金，IBM和Climate-KIC加速计划（EIT）的赠款筹集了总计180万美元。

4、Kuano

成立于2020年初，是一家总部位于英国的初创公司，目前正在开发用于设计酶的新型AI和量子解决方案，以解决特异性、效力和耐药性等关键问题。目前已筹集了140万美元的种子轮资金。

Kuano的研究平台利用目标酶或催化位点的结构数据，将量子模拟与量子启发的人工智能和化学相结合。

在表观遗传学、蛋白质降解、免疫代谢及传染病等方面拥有内部项目，同时与合作伙伴开发临床和商业验证酶靶标的下一代抑制剂。

5、Menten AI

一家成立于2018年的加拿大初创公司，致力于开发由机器学习和量子计算驱动的蛋白质设计软件平台。该公司使用量子优化的专有算法，因为其不仅能提高药物发现的准确性，同时降低成本和开发时间。

MentenAI为目前的量子计算机创建了蛋白质设计算法，并成为第一家应用量子计算机来设计蛋白质分子的团队。

该公司声称，他们可以在不到六个月的时间内完成一个设计周期，从靶标选择到体内功效。主要研发管道为肽疗法，用于具有高度未满足医疗需求的适应症。

截止目前，已筹集近400万美元。并与D-Wave超级计算机、IBM-Q建立了合作关系，最近宣布与Xanadu合作。

相关阅读：

每周一到周五，我们都将与光子盒的新老朋友相聚在微信视频号，不见不散！

你可能会错过：