剛剛過去的第一季度，AI制藥在資本市場的表現并不樂觀。
不僅初創公司在一級市場融資經歷寒冬，已經上市的AI制藥公司們，也同樣在二級市場受到投資者冷遇。
根據DEEP PHARMA INTELLIGENCE數據，一季度AI制藥公司股價跌破自2022年5月以來的均線，降幅達到11.39%，跑輸iShares生物科技指數（IBB）、納斯達克生物技術指數（NBI）和標普500指數。
圖：AI制藥上市公司市場表現
盡管資本市場并不看好，但自2023年以來，依舊不乏如輝瑞、拜耳、勃林格殷格翰、安進這樣的國際藥企積極加碼AI制藥領域。此外，谷歌依舊保持著對AI賦能醫藥的熱情，甚至連英偉達這樣的半導體公司也攜大型生物分子語言模型和超級計算機強勢入局這一領域。
頭部藥企和科技大廠紛紛擁抱AI技術，而AI藥企們也在不斷升級迭代自己的技術平臺，通過回顧過去三個月的主要合作和技術突破，我們或許可以一窺AI制藥的未來方向。
01、頂尖藥企押注哪些領域？
AI+腫瘤免疫療法
1月10日，勃林格殷格翰 (Boehringer Ingelheim) 宣布與 3T Biosciences 達成一項戰略合作和許可協議，將結合 3T Biosciences的 3T-TRACE（T 細胞受體抗原和交叉反應引擎）發現平臺，以發現和開發下一代癌癥療法。
癌癥免疫療法目前只針對少數癌癥患者，3T Biosciences的平臺旨在通過識別產生免疫反應的新型共享T細胞抗原受體 (TCR) 并全面篩選 TCR 和 TCR 模擬物的特異性和脫靶交叉反應來應對這一挑戰。
該平臺通過獨特地將高多樣性目標庫與主動機器學習相結合，識別實體瘤中最普遍和免疫原性的靶標。糖心vlog入口
圖：3T-TRACE 的工作原理
根據協議，勃林格殷格翰將提供源自患者的 TCR 數據，以推動3T Biosciences的靶標發現工作。3T Biosciences將獲得預付款和研發支持，除了勃林格殷格翰未來產品銷售的特許權使用費外，還有資格獲得總計 2.68 億美元的里程碑收入。
AI+量子化學
1月11日，拜耳公司和谷歌云宣布合作推動早期藥物發現，該合作將應用谷歌云的 Tensorflow 處理單元 (TPU)，這是定制開發的加速器設計運行尖端的機器學習模型和計算密集型工作負載，以幫助加速和擴展拜耳的量子化學計算。
應用于計算機輔助藥物發現的量子力學理論能夠以高精度對生物和化學系統進行計算機模擬，因此有可能幫助識別新的候選藥物。
據悉，本次合作的目標是使用 Google Cloud 的 TPU 加速和擴展量子化學計算，并展示蛋白質-配體相互作用的全量子力學建模。相關結果將決定大規模密度泛函理論計算在實際應用中的科學和經濟可行性。
AI+精準醫療
2月28日，Tempus 宣布與輝瑞達成多年戰略合作，兩家公司將攜手合作，進一步推動人工智能在治療開發方面的努力。
通過此次合作，輝瑞可以訪問 Tempus 的人工智能平臺以及多模式數據庫，并可使用Tempus的伴隨診斷產品和臨床試驗匹配計劃，以推動腫瘤學治療發展。
官網信息顯示，Tempus是一家AI賦能的精準醫療公司，通過大量收集和分析臨床和基因組數據，運用AI技術幫助患者找到最適合自己的治療方案。其人工智能平臺可以賦能包括疾病診斷、候選化合物發現、臨床實驗在內的多個流程。
目前Tempus與全球TOP 20腫瘤藥物公司中的18家建立合作關系，包括GSK、強生、阿斯利康等知名藥企。
02、新突破不斷
蛋白質的ChatGPT時刻
在今年1月的JPM大會上，Nvidia 展示了與初創公司的兩項合作成果：基因組學語言模型 Nucleotide Transformer 和生成蛋白質模型 ProT-VAE。
Evozyne 的研究人員使用Nvidia 的 BioNeMo平臺，建立了ProT-VAE模型 ，并創造了兩種在醫療和清潔能源領域具有重大潛力的蛋白質。
直到最近，這個過程還需要幾個月到幾年的時間，而ProT-VAE將這個時間縮短為幾周。
與AlphaFold 或 ESMFold 等模型預測蛋白質序列結構的目的不同，ProT-VAE旨在直接從序列中獲取功能，從而生成執行特定功能的新蛋白質。
圖：ProT-VAE的架構
據了解，Evozyne在創造蛋白質的過程中用到了NVIDIA的ProtT5。ProtT5是一款Transformer模型，主要用于創建醫療AI模型的軟件框架和服務，也是屬于NVIDIA藥物研發框架BioNeMo的一部分。
NVIDIA的Transformer模型（ChatGPT同樣采取該模型）會讀取數百萬種蛋白質中的氨基酸序列，其運用神經網絡用來理解文本的技術，學會如何自然地構建蛋白質氨基酸序列，這也正是其如何預測并創造了能夠滿足Evozyne需求的新蛋白質的關鍵所在。
Evozyne聯合創始人、論文共同作者Andrew Ferguson表示：“令人欣喜的是，NVIDIA的AI模型第一輪產出的合成蛋白質就像自然生成的蛋白質一樣，這意味著該模型已經學會了自然界的設計規則。”
有望改變藥物研發的疾病生物機制圖譜
今年1月，BenchSci 宣布推出其最新技術ASCEND?，該平臺使科學家能夠發現生物聯系，顯著減少試錯實驗并及早發現風險，從而更快地推進最有前途的項目。
ASCEND?利用 BenchSci 專有的機器學習技術，可以從內部和外部資源中提取實驗證據。它使用精選的本體數據集，將實驗結果聯系起來，創建第一個商業可用的、無偏見的、基于證據的不同疾病潛在生物學機制的圖譜。
圖：ASCEND?軟件平臺
早期使用者報告稱，在ASCEND?的賦能下，40% 的項目確定了需要探索的新適應癥或以前未考慮過的其他目的基因，33% 的項目及早發現安全或功效風險以提高研發效率。
對制藥公司工作流程的回顧性分析表明，如果研究人員可以有效地駕馭大量科學數據和證據，那么在臨床前項目中不必要的實驗至少可以減少40%。
“BenchSci 開發了一種技術，有可能改變臨床前研究的速度和成功，”安進公司研究副總裁 Philip Tagari 說糖心vlog官網。“基于項目結果，我們很高興繼續在整個安進內部廣泛使用ASCEND?，以促進研究。”
制藥業第一臺生成式 AI 超級計算機
在3月的2023年春季GTC大會上，英偉達CEO黃仁勛稱公司將與三井物產株式會社（Mitsui）就Tokyo-1項目展開合作，旨在通過高分辨率分子動力學模擬和用于藥物發現的生成式人工智能（AIGC）模型等技術，以提高日本制藥實力。
圖：Tokyo-1的渲染圖
Tokyo-1項目依賴于英偉達的DGX AI超級計算機，項目中客戶將擁有英偉達DGX H100節點的訪問權限，可以進行分子動力學模擬、大型語言模型訓練、量子化學、生成AI模型以創造藥物的新分子結構等操作，由 Nvidia 的BioNeMo藥物發現軟件提供支持。
該系統將由 Xeureka（三井物產的子公司，專注于 AI 藥物發現）運營，預計將于今年投入使用，并計劃使用更多節點擴展該系統。
“日本制藥公司是濕實驗室領域的專家，但尚未大規模利用高性能計算和人工智能，”三井物產數字醫療業務部總經理 Yuhi Abe 表示。
目前已有多家大型日本制藥公司計劃使用 Tokyo-1 進行藥物發現。“訓練 AI 模型需要強大的計算能力，我們相信 Tokyo-1 的海量 GPU 資源將解決這個問題，”Ono Pharmaceutical 藥物發現技術部藥物發現 DX 辦公室主任 Hiromu Egashira 說。
據悉，Tokyo-1 最初將由16個DGX H100 系統組成，每個系統配備8個H100，共有128個H100提供算力支持，據此估算Tokyo-1應該達到大約3.84 petaflops 的峰值計算能力。
H100在日本市場之前預售的價格是475萬日元，約合人民幣24.2萬元，這意味著這臺超級計算機僅前期GPU投入成本就在3000萬元以上。
03、寫在最后
春江水暖鴨先知，雖然目前的市場還略帶寒意，但參與者們并沒有因此停下腳步，而是積聚力量等待著下一次冰消雪融。
與以往制藥行業發生的變革都不同的是，AI浪潮將引導行業進入一個更為激烈的混戰格局，傳統藥企、AI藥企、科技巨頭、基礎設施提供商等各路神仙都投身其中，八仙過海，各顯神通。tangxin
誰將是最后的贏家？這個問題似乎還是太早，正如丘吉爾的名言所說，“這只是開始的結束。”
不過可以預見的是，勝利將屬于以開放態度、謙虛心態、合作精神擁抱AI技術的那批人。
—The End—
糖心vlog官網 tangxin 糖心vlog