雲端計算提速人工智慧輔助藥物發現(AIDD)，藥物研發全面步入"AI時代"

北京 2022年10月12日 /美通社/ -- 2020年底，DeepMind旗下人工智慧（AI）系統AlphaFold在蛋白質分子結構預測領域取得了史無前例的進步。這不僅有力推動了生命科學領域的發展，也愈發印證了具備掌握 "暗知識" 能力的AI能夠助力人們直接跳過在 "未知" 暗箱中摸索的過程，而直接抵達 "新知" 的彼岸。

因此，也就不難理解近年來日漸成熟且炙手可熱的人工智慧輔助藥物發現 (以下稱AIDD: AI Drug Design) 為何在短短數年間就從萌芽發展到幾乎參與從藥物靶點發現到臨床試驗等藥物研發的全流程。尤其面對新藥研發中的靶點篩選、化合物發現等存在人類認知盲區的環節，AIDD正在顯著降低對專家知識和海量資料的苛求，並有望改變新藥研發 "九死一生" 的困局。

除了AI技術自身進步之外，AIDD的快速普及也離不開"生逢其時"——成熟的雲端計算技術也恰到其處為AIDD提供必需的數字化基礎設施和能力，讓藥企得以迅速突破儲存、算力、機器學習模型等數字化瓶頸，使AIDD得以成為高效的常態化工具。例如，在新冠疫苗研發中，莫德納（Moderna）透過在亞馬遜雲科技平臺構建的機器學習能力，2 天內就完成了 mRNA COVID-19 疫苗的序列，25天就釋出了第一個臨床批次。由此預示著藥物研發正全面步入 "AI時代" 。

AIDD 帶來藥物研發大提速

新藥研發一直是人類科研領域中極具風險和複雜度、且耗時最漫長的技術研究領域之一。根據《自然》（Nature）雜誌的資料顯示，一款新藥的整體成本大約是26億美元，耗時約10年，成功率卻不到十分之一。

自20世紀90年代中期，計算機輔助藥物研發（CADD: Computer Aided Drug Design）開始被使用並逐漸成為藥企的主流數字化輔助技術。但CADD的能力侷限於對已有的知識和資料的篩選與最佳化，其作用更多是對人力的 "替代" 而非 "突破" ，因此無法觸達人類尚未涉足的認知盲區。

相較之下，AIDD能夠充分探索未知的分子結構空間，生成現有經驗與資料之外的全新分子化合物結構，給藥物研發帶來了真正的顛覆性變革。透過將AI所擁有的機器學習、深度學習、影像識別、認知計算等能力嵌入藥物研發各環節，可預測識別更為準確的疾病靶點，並基於溼實驗及CADD模擬資料進行新藥分子設計、化合物活性評價、毒性評價等研發過程，大幅降低了對資料量和專家知識的依賴。

AIDD最直觀的價值還在於顯著減少傳統藥物研發的高昂資金和時間成本，給研發效率帶來巨大飛躍。據Exscientia Company Deck資料顯示，使用AI技術可以減少約35%的新藥研發成本，研發週期也縮短到了1-2年。

雲端計算推進 AIDD 成為常態化工具

2021年，亞馬遜雲科技客戶、AI藥物研發公司英矽智慧宣佈了全球第一款由AI發現並設計的用於特發性肺纖維化治療的候選藥物已進入臨床試驗階段。從靶點發現到化合物驗證，英矽智慧用時不到18個月，花費僅260萬美元，降低了約99%的新藥研發計算成本。

英矽智慧的藥物發現引擎建立在亞馬遜雲科技平臺之上，是公司產品組合的核心。該引擎使用數百萬個資料樣本和多種資料型別來發現疾病生物標誌物，確定最有希望的靶點，並設計具有特定屬性的小分子化合物。

由於英矽智慧的人工智慧平臺要處理大量的實驗和文字資料，所以對於圖形處理器 (GPU) 的要求很高。英矽智慧的AI工具如PandaOmics™和Chemistry42™都執行於 ，以獲得具有極具靈活性和可擴充套件性的雲端伺服器而無需維護龐大的本地計算叢集。另外，英矽智慧還使用了物件儲存服務 儲存相關資料，使其分佈於6個國家的團隊能夠輕鬆訪問所需資料並進行跨國合作。

成熟、易用且 "AI友好" 的雲平臺為各行業創造了邁入AI時代的 "捷徑" 。到目前為止，雲上超過75%的人工智慧應用都基於亞馬遜雲科技平臺開發，也使亞馬遜雲科技積累了豐富的人工智慧和機器學習技術和成功經驗。對於AIDD所必需的算力、演算法、資料三大數字化基礎及安全合規要求，亞馬遜雲科技都能提供完善的服務與技術支撐：

• 無需初期基礎架構投入，即可獲得AIDD所需的高效能GPU/ CPU算力，且按需付費；
• 提供大量的訓練推理和部署工具，支援多種深度學習框架。機構和人員無需深入瞭解相關知識即可以快速展開研發和試驗；
• 亞馬遜雲科技Marketplace提供數百種演算法和模型。亞馬遜公開資料集中也提供多種藥物研發所需的科學資料，如ChEMBL，ZINC與Open Target等。
• 亞馬遜雲科技的雲基礎設施透過全球98項安全合規認證，並遵循和支援超過全球50種生命科學合規規範，包括GxP、HIPAA,、HITRUST，以及獲得《中國人類遺傳資源管理條例》中方單位認證，使團隊、機構之間可進行安全無憂的資料合作。

據不完全統計，全球已經有近40款以上利用AI涉及的藥物管線已經步入了臨床階段。隨著AIDD得到廣泛應用，已有國內外的眾多企業選擇亞馬遜雲科技作為部署AIDD的雲端計算平臺。而亞馬遜雲科技不僅能提供AIDD所需的雲上基礎設施，還可直接助力AI工具的開發和使用，或者使用亞馬遜雲科技多達92種生命科學公開資料集快速進入模型訓練。

近年來，基於亞馬遜雲科技，阿斯利康開發了由機器學習驅動的病理影像識別檢測模型，用於替代以往在候選藥物研發時以人工進行樣本編目的方式。藉助 ，阿斯利康能夠快速註釋、收集和分類訓練樣本，並形成可用於模型訓練的資料集，而所用的時間僅為之前的50%。

除了節省時間和人力成本，使用資料集訓練的模型還幫助研發人員獲得更準確的分析結果。在雙方開展的試點中，阿斯利康使用2000個樣本來分析造成糖尿病損傷的關鍵結構，準確率達到95%，使科學家能夠快了解藥物的安全性和有效性，加速了新藥研發和上市的程式。

釋放 AIDD 更大潛力使藥物研發全面步入" AI 時代 "

"開放"是AI技術得以發展與應用的關鍵要素。要使AIDD在未來得到更充分的開發與探索，勢必要讓其走出僅賦能單個企業的孤島。著眼未來，藉助公有云對資料安全的保護及合規分享機制，製藥企業之間將有機會在確保核心資料安全的前提下，實現跨企業的資料合作，以更開放的生態不斷提升AIDD的能力、應用範圍和影響力。

早在2019年，亞馬遜雲科技就與全球十大製藥公司共同構建了用於藥物發現的聯邦學習平臺(Federated machine learning for drug discovery on Amazon Web Services)  ，讓藥企在安全、合規、確保資料隱私的環境下，進行多方合作，加速整個行業的科研發現程式。當前，MELLODDY 平臺以前所未有的規模執行在亞馬遜雲科技平臺上，在數十億個實驗資料點上採用聯邦學習方式訓練模型，分析了超過 2000 萬個化學分子結構及理化性質。而且MELLODDY在企業無需共享專有資料和模型的基礎上即可開展機器學習協作，合作訓練藥物發現模型。這一專案成功證明了製藥企業可透過雲端計算進行合作來加速發現新藥物的可行性。

中國的藥物研發領域的眾多企業在迎來政策激勵的同時，也開始發掘AIDD背後的商業潛力。在輔助臨床前試驗階段之外，AI技術尚存在更多可發掘的應用潛力，如AI與物聯網、資料湖倉等技術融合，可促進數字化實驗、多中心臨床、智慧製造及真實世界分析等藥物的全流程改進。越來越多的企業也逐步開始了AIDD的實質性應用，並助推國內藥物研發進入新的 "高產" 階段。

據Data Bridge Market Research分析，亞太地區藥物發現市場的AI價值複合年增長率將在2022至2029 年期間達到50.9%，且預計中國將成為該領域主導國家。隨著雲端計算不斷為AIDD等AI應用落地鋪平道路，國內製藥企業將有望完成研發能力躍遷，讓上述預測成為最終事實。