广东省韶关市首支县级产业基金“韶源基金”成立
06-18
计算科学和生命科学一直是两个并行发展的独立领域，但随着近年来跨界学科的快速发展，两个不相关的行业慢慢产生了交叉：计算科学开始提供更多协助生命科学加快新药研发效率，提高药物研发质量。
那一年，AI制药如何改变新药研发流程？制药企业的真正需求是什么？算力、算法和行业应用如何融合？如何加速AI制药落地？本次主题由阿里云、浦东国际人才发展中心主办，RECO SPACE承办，大型药企、一线投资机构、科研院所及优秀AI药企《云谷创新谈·AI制药专场》联合举办。
由阿里云产品解决方案架构师石益主办，产、投、研齐聚。
面对如此热门的新兴赛道，来自各个领域的专家都给出了精彩的分享。
通过圆桌交流会，他们讨论了AI制药与药企、资本、云厂商应该如何结合，共同探讨如何加速AI制药落地？ 1、AIDD改变传统制药模式，从产、投、研多维度分析行业挑战与突破主题一：从需求端看，新药研发为何出现AIDD崛起？这会给传统的新药模式带来哪些变化？三天药业张亮：作为药物研发的新模式，AIDD（人工智能辅助药物研发）的崛起有着深刻的原因。
新药的研发周期较长，会遇到以下困难：首先，药物发现过程依赖于科学家的研究，需要在蛋白质上找到靶点，找到合适的药物来治愈它们，同时保证稳定性。
在传统的药物发现中，这需要花费大量时间。
另外，目前世界范围内已知的有效靶点基本都已经制定完毕，如何寻找新的靶点是我们遇到的一个更大的问题。
其次，在实验过程中，需要完成分子合成、动物实验、人体实验等多个阶段，以证明分子是否能够在动物体内对靶点有效。
在这个过程中，毒性、有效性等实验也将花费大量的时间和金钱，直到完成三期临床试验，证明它可以无害有效地治愈疾病。
整个过程是非盈利的，制药公司每10年可能要花费超过10亿来寻找合适的商业药物，这对制药公司来说是一个巨大的负担。
AIDD的出现，大大缩短了这个过程。
借助人工智能技术，药物发现和实验过程变得更加高效和智能。
不过，AIDD也给传统的新药模式带来了一些改变，主打大数据、大模型，这些都需要巨大的算力支持。
如果将所有已知的生物数据放入AI模型中进行计算，将需要海量的算力支持，这不是初创企业能够轻易完成的。
因此，很多科学家愿意去创业、建造大型模型，背后一定有大量的资金支持。
默沙东胡鹏伟：药物研发成本高，失败率高。
对于制药企业来说，他们想做的就是降低成本、提高效率。
人工智能的发展现在已经进入了一个比较好的产业交叉点。
药企已经差不多完成了目标探索，现在更多地讨论如何降低成本，这与AI的爆发相交叉。
最初，药企对AI医疗的应用与AI和图像有关。
近两年，AI算法变得更加复杂，尤其是算力方面。
我们通过人工智能交叉物理和化学来探索新的可能性。
人工智能可以做两件事。
一是替代重复劳动。
比如临床试验的时候可以用AI来做一些模型，帮助我们摆脱数据分析。
我们还可以做一些人类力所能及但机器力所能及的事情。
例如，为什么人工智能要用于类器官的研究？这是因为大多数类器官都是在显微镜下观察的，人类的观察和精算能量相对有限。
更糟糕的是，它需要使用人工智能功能。
我认为这是利用AI降低成本、提高效率的最佳方式。
现阶段，AI对于我们药企来说是一个非常好的工具。
我们目前正在等待AIDD自己的节点爆发，使其成为辅助工具的极限。
也许我们会在未来五年内看到这一点。
话题二：从供给侧看，创投机构重点投资哪些领域？ AI制药创新企业目前面临哪些挑战？他们将在这一领域取得哪些突破？五源资本景旭田：全球生物计算公司普遍关注多元化领域，因为医药成本高、流程长、中间技术栈多、监管程度高。
当然，也许很多年后随着技术的发展，一些监管环节会被打破，但在今天的监管体系下，我们不得不一步步遵循规则。
许多生物计算公司的切入点是药物设计过程。
虽然这只是某个环节的创新，但是这个环节创新之后，药物IP就可以快速获得。
有了这个药物IP，后续就可以进行商业化了。
转型。
所以我们可能会看到大多数公司处于药物设计阶段。
其他方面，包括早期靶点发现、表型筛选等，也有代表性企业；另外，传统制药主要集中在大分子和小分子领域，我们也看到很多生物计算公司在做药物的新模式，比如做mRNA序列设计和递送优化、肽类药物设计等，当然还有像西力科技一样，把靶点从蛋白质变成RNA，这也是一种新模式，一种新的靶点模式。
我认为人工智能在新范式药物开发中可能更重要。
由于模式比较新颖，监管也比较开放，人工智能可以充分发挥其优势。
在这种情况下，谁能更好地制造出具有临床价值的药物，就可能很快获得行业认可。
每个人都在谈论人工智能的潜力。
我一直对AI非常乐观。
我认为人工智能的发展速度非常快。
去年我们看到最多的是AlphaFold，它打开了结构预测的大门。
今年大家都在关注GPT在2C领域的应用，但其实结合新的语言模型能力，我想在不久的将来我们可以直接用AI生成蛋白质药物，从筛选到药物都是革命性的变化。
过去是高分子药物。
这些技术对于今天的我们来说似乎不可思议，但事实上，随着人工智能的巨大加速，它们在未来将成为可能。
兰驰创投荣靖：AIDD的发展时间虽然不是很长，但它经历了几个发展阶段，在一些问题上得到了很好的应用，比如如何组合某种蛋白质的口袋。
这些数据很多都是物理、化学层面的，但是如何将它们与生物数据结合起来是大家现在都在考虑的问题，比如利用高通量显微镜将生物表征与物理、化学以及多组数据结合起来。
通过人工智能技术对科学数据进行组合、分析和演化，将会得出更有价值的发现。
人们对AI的期望不仅仅是如何进一步降低成本、提高效率，而是是否有可能做出更好的药物，而不仅仅是节约成本、提高效率。
目前，人工智能主要面临两个挑战。
第一个挑战是数据的质量、数量和来源。
关于第二个挑战，我想超越细节，看大局。
制药过程大致可分为三个阶段：PCC阶段、临床阶段。
预研究； PCC到IND，临床前研究到临床试验审查； IND后进入临床试验； AI药品大多在PCC之前使用。
一旦达到PCC，下一步就是CMC（生产工艺、质量控制、稳定性等研究）和长毒。
生物制药的数据是漏斗形的。
前端PCC阶段数据量很大，但是数据量变小，随着数据结构化到生物级别，数据量会明显减少。
在这些方面，有些公司已经在尝试了，如果我们努力尝试，比如天迈科技，采用干法和湿法相结合的方式提供CRO服务，我们会积累很多有价值的数据。
然而，说到临床试验，全球只有数万个临床试验，因此数据量非常少。
随着人工智能技术的进步，我们希望有人能够跳出这个框架来看待这个行业。
现在像ChatGPT这样的颠覆性技术已经出现，有谁能够真正将生物数据和人工智能技术结合起来，比如先在罕见疾病领域？在上面做一些突破。
主题三：市场需求不仅是降本增效，还有更多期待。
对于AI制药，供给侧如何介入？ Termmed Pharmaceuticals何琪：Termmed Pharmaceuticals成立之初，我们就有一个愿景：降低计算工具和AI工具的使用门槛。
“降本增效”一直是医药行业的痛点。
我公司从三个方面为客户提供提高效率、降低成本的工具：一是计算平台，包括底层算法和计算工具的研发和应用支持；二是计算平台。
二是算力平台的建设和优化；三是生化实验室实验能力。
通过提供经过充分验证的可工业化技术，整合综合解决方案，优化整个流程，我们才能真正实现效率提升和成本降低。
我们在与药企的合作中观察到，目前创新药研发的主流路径仍然以生物学为主，即转化医学。
这也需要AI企业有效解决科学之外的技术问题，帮助科学家更好地专注于科学本身。
此类技术问题包括回答有关传统药物化学、生物学和传统单克隆抗体/双抗体设计的“可以”或“不能”问题。
例如，通过亲和力计算和排序，可以提前排除一些“不能”的分子。
总的来说，让AI公司解决技术问题，让创新制药公司解决科学问题。
这就是我们追求的合作模式。
这个模式也在我们与客户的合作中得到了不断的验证和支持。
西丽科技李阳：西丽科技在供给侧的核心工作是尝试解决新问题。
这个新问题既有生物学的挑战，也有生化的挑战，或者是药物分子角度的挑战。
大约今年以来，出现了很多新的制药方法，比如罕见病的精准治疗。
明确了目标后，效率有了一定程度的提高。
从各方面来看，现在效率在下降，成本在上升。
蛋白质是承载生物功能的基本成分，所以大家都想针对蛋白质，但是制药公司只针对五六百种，所以大家就会讨论各种异构体。
随着精准医学的发展，我们逐渐看到一些蛋白质上升了一个层次，可以从RNA水平（Ribonucleic Acid核糖核酸）进行一定程度的调控。
我们建议使用小分子来靶向 RNA。
理论上讲，RNA的发育空间比蛋白质至少大两个数量级，有几万、几十万个靶点。
人类基因组中可能有超过 30,000 个编码蛋白质。
在这些区域，许多RNA靶标已在肿瘤等疾病中得到验证。
一般来说，RNA的靶向空间比蛋白质大得多。
此外，RNA本身比蛋白质更容易数字化。
近20年来，测序技术发展带来的成本降低速度比摩尔定律的发展还要快。
RNA实际上是核酸，基本上有两个方向。
第一个可以用生物实验方法看到RNA结构，批量看到几十万种不同的RNA结构；第二个是小分子和RNA之间的相互作用。
在这两个方向的基础上，我们利用AI结合DEL等高通量技术，批量进行RNA的功能和结构分析。
总体而言，计算将会有很多机会，但当然也存在挑战。
我们也在努力解决这方面的问题。
2、保证核心数据的安全，实现大数据量的云端管理。
主题四：无论是计算还是算法，都离不开数据。
支持业务发展的数据从哪里来？如何满足AI医药研发数据挖掘的需求。
默克胡鹏伟：这个问题经常被问到，是关于数据安全的。
从公司层面来看，药企需要建立数据安全级别，与外部公司合作时需要遵守相关规定。
这样建立数据库就比较安全。
从更宏观的层面来看。
公开数据肯定占了非常大的比例。
80%-90%的数据是公开的，但每个公司也有自己的私有数据。
私人数据很有价值。
政府可以牵头，联合产、投、研等企业、医院、机构，通过合作隔离和共享本地化经验和数据。
这可能是下一个可行的解决方案。
三天药业 张亮：企业花费大量时间和金钱寻找药物靶点、探索药物分子配方、临床试验。
未来，数据将成为企业的核心资产，而这些核心资产将是企业未来的行业竞争力。
当然，在讨论数据时经常会出现隐私和价值衡量的问题。
对于数据的隐私所有权和价值衡量，张亮认为，每个人自己的数据都是有价值的数据资产，可以作为NFT的一种来出售。
如果企业需要在AIDD中应用这些数据，或者在后续的模拟计算中使用这些数据，完全可以通过购买的方式完成数字资产的交易。
未来PaaS和IaaS厂商可以建立这样的机制，从交易层面、安全层面、用户隐私层面形成完整的闭环，解决数据交换、数据安全、数据资产等问题。
当然，这一机制还处于非常初级的阶段，需要进一步完善和成熟。
主题五：有了数据后，如何保存成为新问题。
我们可以看到，深科的数据规模从一开始的BP增长到了TB，明年可能还会变得更大。
这么大的数据能搬到云端吗？上云过程中如何选择？腾迈药业何琪：我们既使用私有云，也使用公有云。
我们的计算主要基于物理建模，会产生大量的数据并使用大量的计算能力。
因此，一方面，我们需要更好地利用云服务来部署灵活的算力、构建数据架构。
另一方面，我们也需要以AI为起点，优化算力，产生更多的数据。
比如，做分子对接时，用传统方法计算10亿个分子可能需要几个月的时间，但如果加入AI能力，只需要几轮预测，结果就会收敛。
这是我们团队最近在高通量 FEP 工作流程方面所做的一些工作。
但即使在高通量工作流程的情况下，仍然需要运行 10 万级的分子量，而且仅仅一个 GPU 小时就可能运行一百万级。
通过AI工具的进一步优化，我们现在可以实现0 GPU小时的算力消耗。
目前团队正在进一步优化，希望将算力消耗降低到一个小时以内。
在此过程中还产生了数以千计的数据。
因此，我们需要通过数据基础设施的建设和管理，从数据中挖掘洞察。
西力科技李阳：在存储方面，我们RNA相关的数据现在接近5P，主要是基于本地私有云来计算。
这条数据主要涉及隐私监管两个方面。
一方面是对互联网数据的监管，另一方面则涉及到对人类遗传潜力的监管。
这是两条监督线。
但我们也发现，在传输过程中，本地存储的成本还是相当高的。
阿里云石益：阿里云的平台能力保障了计算、传输、存储全链条的数据安全。
在数据计算过程中，支持TEEE、TPM、SGX加密计算，可以保证动态计算过程安全可靠；在数据存储方面，阿里云也迭代了一些相对成熟的解决方案，比如KMS支持使用BYOK密钥，保证持久存储数据的安全性；在传输过程中，IPsec、TLS、L2TP级别的传输加密在阿里云上已经得到普遍应用。
在生物技术领域，企业经常需要与国外制药公司合作。
在这一领域，阿里云也有相应的GxP、HIPPA、人权办公室等认证。
阿里云的能力比较匹配企业的GPU每小时计算能力需求和大规模数据存储需求。
它拥有海量的云算力和存储，可以像水、电一样供企业按需使用。
主题六：我们看到AI制药拥抱云厂商的明显趋势。
数据至关重要。
另外，您期望云厂商提供哪些能力？三天药业张亮：AI计算其实对数据的要求非常高。
很多人选择在本地做，因为本地搭建的高吞吐量网络相对来说会更加成熟。
其次，从一些底层工具来看，药企有很多AI工具。
除了阿里云提供的工具之外，还有第三方工具。
AI工具池非常需要云厂商的支持。
第三，安全保障。
AI计算耗时较长，在私有化部署或机房层面，容易因停电、网络中断而发生事故。
但在云端可以实现99.99%以上的安全保障，这对于AI计算来说非常重要。
默克胡鹏伟：从我的角度来看，每个药企或者每个项目的内部管理都是不同的。
有些人非常关心技术；有些人则非常关心技术。
有的是非常关心业务场景；有些人非常关心适用性；有些企业非常关心研发部门甚至拥有独立的外部计算权限，很多资源需要IT部门购买。
每一个新项目，无论是计算、模型还是系统，如果不能快速对接，都可能因为时间效率而被淘汰。
3、未来，AI制药将进一步颠覆传统制药流程。
话题7：展望未来5-10年，尤其是最近ChatGPT的爆发，AI制药会给流程带来一些革命性的改变，还是只是一个工具？辅助的？长期来看，AI制药将会带来哪些变化？五源资本景旭田：我一直对AI的未来持乐观态度。
大家谈论的降本增效只是AI已经具备的能力的最基本体现。
人工智能也将为医药行业带来新的变化。
我们现在看这个行业，很多有实力的大型药企都有很强的早期研发能力。
即便如此，全球每年仍有大量收购管道，其中包括针对中小企业的并购。
从行业可持续发展的角度来看，许多其他非生命科学行业将涌现出许多新公司，并可以成长为大型企业。
另一方面看制药领域，新的生物科技（biotechnology）公司不断诞生。
然而，这些公司在IPO后，大多进入了缓慢增长甚至消失的状态，有的甚至被直接收购。
很少有人继续成长并成为大公司。
其背后的原因很大程度上是因为目前的药物发现主要以实验科学为主，结果相对随机。
如今，改变行业结构的重磅药物很可能来自大学实验室或小型生物技术研究实验室。
然而，依靠这种方法论进行药物研发，必然会导致“反摩尔定律”的出现。
未来10年，这种模式很可能会发生改变。
因为在人工智能的驱动下，药物发现的过程不再充满随机性。
药物发现将成为由可迭代方法驱动的事件。
这种方法论的优势将成为未来药企的核心竞争力。
除了降低成本、提高效率之外，还有很多0和1的改变。
因为AI可以产生人类科学家以前从未想到过的全新药物分子，这在小分子领域已经有很多初步验证，所以不再赘述；而今天我们在高分子药物领域也看到了类似的变化，比如过去筛选高分子药物的方法，比如用抗原打小鼠寻找抗体的方法，其实是一种类似于表型筛选的方法论。
只能是“利用自然赋予的东西”，但今天我们看到很多AI公司现在都在用正向设计方法来设计大分子药物，我们期望通过正向工程生产出各方面都符合我们期望的靶序列。
除了上面的例子之外，我们还发现，在药物研发的很多领域，人工智能出现之后，很多事情都可以从不可能变为可能。
这是0和1的区别，所以我认为AI一定能够在很多领域做很多事情。
细分行业催生了新的大型制药公司。
兰驰创投荣靖：首先，肽是一个特别好的例子，它可以解决一些传统方法难以解决的问题。
为什么我也讲肽，是因为筛选小分子的方法有很多，不一定非得是AI。
抗体的方法已经非常成熟，而且抗体涉及非常复杂的免疫问题。
例如，B细胞都会经历骨髓成熟，99%的抗体在成熟过程中被消除。
使用从头方法设计抗体需要很好地解决免疫原性问题。
抗体目前有噬菌体展示，以及人源化小鼠等方法，可以更好地解决免疫原性问题。
但没有肽。
日本公司PeptiDream拥有一个在业界非常受欢迎的专用肽发现平台。
但是否有可能利用人工智能技术来设计更好的肽呢？这不仅仅是优化，而是颠覆性创新。
原来我看到一些AI制药公司都是有数学、物理背景的人创办的。
如今的AI制药公司正在积极拥抱生物学，至少一位联合创始人必须具有生物学背景，并经历过完整的制药周期。
从另一个角度来说，我投资的很多创新药公司都已经上市了。
我投资的时候是按照管道逻辑看他们的，现在我也经常和这些创始人交流。
发现他们也在积极拥抱AI技术，但这件事什么时候才能有一个颠覆性的结论呢？有必要在生物水平上连接化学和物理数据。
如果真有那么一天，这将是一件颠覆性的事情。
制药范式或许会被颠覆，但这需要很长时间的积累，而且是量变到质变。
的过程.但我想，这一天迟早会到来。
4.从CADD到AIDD，生物医药行业的未来将由计算驱动。
从CADD到AIDD，传统制药模式正在被颠覆。
从需求端来看，AI让制药不再依赖科学家的发现，取代机械重复性工作和部分人力工作，缩短新药研发周期，同时降低成本、提高效率。
从供给端来看，AIDD的普及应用带来了更多的工具和计算需求，市场的扩大意味着更多的机会。
面对AI计算产生的海量数据，无论是需求端还是供给端，存储和安全始终是关注的焦点，上云成为更多企业的最优解决方案。
对于医药行业的上云，阿里云高性能计算产品负责人黄泽辉在研讨会上也做了相应的介绍。
作为云计算厂商，阿里云更关注算力和数据问题。
计算驱动的新药研发面临四大问题和挑战：算力需求多样化、成本优化、HPC+AI融合、算法平台商业化。
基于高性能基础设施，阿里云通过PaaS产品服务解决客户对高性能计算的使用。
阿里云以无影为基础，形成一站式研发创新环境，并提供CADD/AIDD工具，帮助客户快速上线业务。
AI制药与药企、资本、云厂商形成了更紧密的结合。
未来，我们将看到人工智能医药不断蓬勃发展，产生不可估量的商业前景和社会价值。
阿里云创新中心简介 阿里云创新中心将阿里巴巴技术、产品、业务的生产力转化为企业发展的宝贵动力，为科技型中小企业提供更普惠、更安全、更绿色的产品和服务。
规模企业。
，为中小企业提供技术创新、日常运营、职业技能培训、资本对接、跨境海外扩张等全方位支持。
截至目前，阿里云创新中心已为中小企业提供了2亿双创云资源，服务超过1万名创业者和50万家小微企业，孵化了众多高成长创新企业。
研究数据显示，顶级公司估值超过1亿，每年估值增速超过35%。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
06-17
06-18
最新文章
3月，腾讯《王者荣耀》在全球App Store和Google Play吸引了2.57亿美元，同比增长63%
生鲜传奇宣布完成数亿元B+轮融资
裁员20%？红杉中国回应：胡说，员工总数不降反升
第二次影视创新“闯”短剧世界：看、留、跳都是钱
ASML：从飞利浦弃儿到光刻之王
宁康瑞珠获数千万元A轮融资 横琴金投、翰颐资本投资
智能金融服务生态平台科客完成A+轮融资
拼多多九鼎：信息披露无懈可击，竞争对手才是“浇水”的