下载APP | 繁體版 | 发布广告 |常用工具

AI生成药物分子90%成功率,未来研发新药只需5年

京港台:2024-5-14 00:15| 来源:新智元 | 评论( 7 )  | 我来说几句


AI生成药物分子90%成功率,未来研发新药只需5年

来源:倍可亲(backchina.com)

  AlphaFold已经更新到第三代,Al4Science的口号喊了好几年,AI算法在药物发现领域的实质进展究竟如何?BCG的一篇调研报告跟进了生物科技公司近年来使用AI发现的所有药物分子,并分析它们在临床试验中的表现。

  AI发现的药物,在临床试验有多成功?

  来自BCG的最新研究,首次对此做了初步的分析,结果发现:

  AI生成的药物分子在I期临床试验中,成功率高达80%-90%,而历史平均水平约为50%。

  这项研究已发表在爱思唯尔《Drug Discovery Today》六月刊上。

  

  原文地址:https://doi.org/10.1016/j.drudis.2024.104009

  具体来说,研究人员对100+家「AI原生」生物技术公司临床管线进行首次分析。

  除了I期,在II期临床试验中,AI发现药物分子的成功率为40%。

  结果表明,AI在设计或识别具有药物特性的分子方面,具有很强的能力,愈加证明了AI发现分子的临床潜力。

  而AI在刚刚在不到一年的时间里,已经预测了2亿个蛋白质的结构宇宙。

  上周重磅发布的AlphaFold 3,更是以前所未有的「原子精度」,预测出所有的生物分子结构和相互作用。

  谷歌DeepMind联合创始人,CEO Demis Hassabis在采访中激动地表示,「AI能为人类做的第一件事,便是治愈数百种疾病」。

  

  甚至有网友称,「谷歌用AI自动化了十亿年的博士时间。传统的药物发现过程是一场马拉松,从概念到临床需要12-18年时间。而借助像AlphaFold这样的AI技术,只需5年或更短的时间实现」。

  未来,或许人工智能可以帮助人类摘下药物发现的圣杯。

  

  而下一个关键问题是,AI发现的药物,具体在临床试验中表现如何?

  让我们从BCG的研究中,一探究竟。

  AI药物发现,深入医疗革命

  传统上,药物发现一直是一个既费时又昂贵的过程,并充满了不确定性。

  尽管使用了前沿的实验技术,但许多科研项目仍旧步履维艰。即便最终成功,它们通常也需要耗时多年才能完成。

  特别是新型小分子药物,通常需要4-6年时间才能发现。

  而其他类型的药物(如生物制品和疫苗)虽然可能发现速度更快、成功率更高,但其发现过程依然复杂且风险较大。

  人工智能的出现,有望彻底革新药物发现。

  它可以在计算机中,模拟执行许多耗时、重复且成本高昂的过程,并极大地扩展了探索规模。

  目前,在药物发现中,用到的有影响力的AI技术有:

  用知识图谱挖掘OMICs数据及其他信息,帮助理解疾病生物学、确定药物靶点和生物标记物;

  运用生成式AI设计小分子药物;

  利用AI驱动的结构预测算法,如AlphaFold,优化抗体及其他蛋白质的设计;

  AI重新利用药物分子,以及许多其他应用。

  过去十年里,随着这些技术的应用,由AI发现的药物和疫苗分子数量显著增加。

  2022年的数据显示,AI发现的小分子数量呈「指数」增长,并已开始与传统方法发现的小分子数量相匹配。

  

  原文地址:https://www.nature.com/articles/d41573-022-00025-1

  这一趋势,从那时起一直在继续。与此同时,AI发现的「生物制剂」也显示出类似的增长趋势,尽管其数量仍较少。

  另外,Nature报道中,还观察到了AI开始加速药物发现的时间线。

  如下,是24家AI本土药物发现公司,显示了AI驱动药物发现的增长趋势。

  左图a是专注于利用人工智能进行药物发现的公司,右图b是,排名前20的制药公司。

  

  显然,制药行业已经在研发中广泛采用了AI。

  到2024年初,全球TOP 20大型制药公司均已入局AI的科研中。并且,这些科研活动,很大一部分都是通过与专门形式「AI原生」生物技术公司合作开展。

  因此,在过去5年中,人工智能发现了越来越多的药物和疫苗。

  尽管这一领域已经取得了很大的进展,但依然存在许多待解决的问题。

  其中最关键的问题之一便是,关于AI发现的分子的质量问题,尤其是它们在临床试验中的安全性和有效性。

  为了解答这些问题,BCG对整个行业中AI发现的药物和疫苗进行了首次分析,特别是它们的临床成功率。

  不过研究人员同时指出,由于这些分子在临床试验中的数量有限,且该领域正在迅速发展,因此目前的分析还很初步。

  但鉴于这一议题对整个行业的重要性,他们认为,有必要报告这些早期的证据,并探讨它们可能带来的影响。

  首次探索AI生成药物,在临床试验表现

  为了对整个行业进行具有代表性的调查,这项研究使用了超过100家AI原生的生物技术公司公开发表的研发管线数据,并进行了适时更新与交叉验证。

  

  AI技术在发现药物分子方面的应用主要有以下几种模式:

  含有AI发现的药物靶点的分子

  AI发现的小分子

  AI发现的生物制剂

  AI发现的疫苗

  AI改造已知分子

  由于每种发现模式可能会导致截然不同的临床试验成功率,因此论文中对不同发现模式的分子进行了分类统计。

  自2015年以来,「AI原生」生物技术公司及其合作的制药公司已经将75种分子引入临床试验,其中67种分子至2023年仍在进行试验。

  过去十年里,每年使用AI发现的分子数呈指数级增长,年复合增长率超过60%,这表明AI在药物发现阶段已经取得显著进展,而且这种趋势正扩展到临床试验阶段。

  这些药物分子涵盖了多个治疗领域,其中肿瘤治疗尤为突出,占比约50%。

  

  AI主导的生物技术公司发现并进入临床试验的分子数量(包括与制药公司合作发现的分子,排除了与COVID-19相关的分子) (a) 按临床阶段分类 (b) 按发现模式

  每种AI发现模式有不同的发展节奏,而且在实际应用中呈现日益多样化的趋势。

  2020年以前,AI改造已知分子是主导模式,之后占比逐渐下降并趋于平稳,2023年时达到15%左右。

  相比之下,其他发现模式都在快速发展。目前,AI发现小分子的模式占比最大,2023年超过了30%。而且AI发现靶点的分子也在加速进入临床试验,其中很多也属于小分子。

  接下来,文章将AI发现的分子进入临床试验后的成功率进行了比较和分析。

  一期临床试验,成功率80-90%

  截至2023年12月,有24种AI发现的分子完成了第一阶段临床试验,其中21种取得了成功(图2a),成功率介于80%~90%,明显高于行业历史平均水平的40%~65%。

  失败的3个分子中,只有1个是因为没有达到评估标准,其他2个是由于公司的业务决策和研发管线的调整而被终止试验。

  在第一阶段的数据中,不同发现模式的临床成功率基本持平(图2b)。

  

  图2. 迄今为止AI发现的分子在临床试验中的成功率 (a) 根据临床试验阶段划分 (b) 根据发现模式划分,已完成第一阶段临床试验的分子

  在第二阶段,有10种AI发现的分子完成了试验,其中4种取得了成功,成功率为40%,与过去行业平均水平30-40%持平。

  暂停或终止试验的6种分子中,其中只有2种是由于数据结果不理想,其他4种均是公司的商业原因导致退出试验。

  AI发现的分子在第一阶段的临床试验中的成功率如此之高,背后可能有多种原因。其一是AI倾向于给出经过充分验证的生物靶点或通路,这减少了目标分子存在毒性的风险。

  这个因素有一定影响,但不是绝对的。文章发现,通过第一阶段的分子中至少有3种含有创新的靶点。

  第二个可能的原因是作者提出的一种假设,即AI算法已经在成熟分子的数据上经过训练,因此可以对分子结构进行有效的微调与优化。

  但这种说法也并没有足够的证据支撑,而且之前的研究曾表明,AI算法可以被用于探索新的化学结构,而不仅仅是对已知结构的微调。

  或许我们可以将第一阶段的高成功率理解为,AI算法已经非常有能力设计或选择药物分子,包括有优秀ADME性能和安全特征的新型分子,尤其是考虑到每一种发现模式的成功率都比较均衡。

  尽管现在断言AI已经解决了一般意义上的分子设计问题还为时尚早,但这份结果可以提供给我们一个初步的概念,一种可能性的思考——用于药物发现的AI算法究竟可以达到什么程度的成就。

  第二阶段的数据表明AI发现分子的成功率约为40%,与过去的行业平均水平基本一致。

  由于第二阶段通常涉及生物或机制概念的验证,AI算法成功率的下降表明,虽然有能力识别与疾病相关的靶点和通路,但仍存在改进空间。此外,药物发现领域的难关——实现临床疗效,依旧具有挑战性。

  然而,这项分析存在一些数据方面的限制和不足,首先是样本量较小,其次是没有包括很多大型制药公司独立用AI发现的药物分子。未来随着更多数据的出现,临床成功率可能会发生比较显著的变化。

  药物研发效率翻倍

  BGC最新报告,首次揭示了AI发现的分子在临床试验中的潜力,并为未来AI驱动的研发提供关键一瞥。

  而要探索这些发现在整个行业中的影响,还需要做一个「思维实验」。

  如果按研究人员观察到的,AI发现的分子在第一和第二阶段的成功率,并假设这些在未来仍将持续。

  再结合历史上第三阶段的成功率,可以看到:

  一个分子从临床首期到终期试验的成功率,可能从5-10%增加到约9-18%。

  这相当于,AI将药物研发效率,提高了2倍。

  也就意味着,生物技术公司能够以更少的资源、成本实现相同的产出,或在相同的资源下增加新药的上市数量。

  除了已经观察到的结果,还有理由相信AI能进一步提升临床表现,特别是在II期和III期阶段的实验中。

  

  理解疾病的致命因素,识别和验证药物靶点,是许多AI生物技术公司、制药公司和学术机构正在积极投资的领域。

  尤其是,包括OMICs和表型数据生成、反向翻译(reverse translation)、新患者衍生模型,以及利用LLM以更好挖掘疾病数据。

  以上技术,都将有助于弥合分子设计与临床疗效之间的差距,进一步提升临床试验成功率,以超越历史水平。

  用AI发现药物,最终的目的是更快、更好、更经济地为患者带来更具创新性的药物。

  BGC报告已经看到了,这些技术在临床前工作流中对速度和成本的影响。

  在未来几年,随着更多AI发现分子的临床结果的出现,看到AI如何改变整体研发生产力将是非常令人兴奋的。

  参考资料:

  https://www.sciencedirect.com/science/article/pii/S135964462400134X

推荐:美国打折网(21usDeal.com)    >>

        更多科技前沿 文章    >>

【郑重声明】倍可亲刊载此文不代表同意其说法或描述,仅为提供更多信息,也不构成任何投资或其他建议。转载需经倍可亲同意并注明出处。本网站有部分文章是由网友自由上传,对于此类文章本站仅提供交流平台,不为其版权负责;部分内容经社区和论坛转载,原作者未知,如果您发现本网站上有侵犯您的知识产权的文章,请及时与我们联络,我们会及时删除或更新作者。

关于本站 | 隐私政策 | 免责条款 | 版权声明 | 联络我们 | 刊登广告 | 转手机版 | APP下载

Copyright © 2001-2013 海外华人中文门户:倍可亲 (http://www.backchina.com) All Rights Reserved.

程序系统基于 Discuz! X3.1 商业版 优化 Discuz! © 2001-2013 Comsenz Inc. 更新:GMT+8, 2024-5-28 12:23

倍可亲服务器位于美国圣何塞、西雅图和达拉斯顶级数据中心,为更好服务全球网友特统一使用京港台时间

返回顶部