40年后的今天，我們看看全球頂尖藥企用人工智能輔助新藥研發(fā)到底應用到什么狀態(tài)和階段了。
“別看他的眼睛，你看他的手?！薄?用錢投票才是最真實的。
坦率地說，我們離靠計算機發(fā)現(xiàn)藥物，然后通過一大堆機器人試驗對藥物進行虛擬測試，只要單擊幾下鼠標就可以將它們送給患者的世界相距甚遠。
AI中沒有魔術(shù)，只有概率和統(tǒng)計。
利用計算機/人工智能輔助藥物研發(fā)，拆解一下：
“人工”，是通過計算能力更快地試，更精確地建模模擬；
“智能”，是從大量優(yōu)質(zhì)數(shù)據(jù)、經(jīng)驗中自行學習，給結(jié)果，就像一個新藥研發(fā)人員，并不需要學習他人無數(shù)的項目之后，才能學會做新的項目。
顯然，我們現(xiàn)在主要還集中“人工”的部分，而不是”智能“。但CADD（計算機輔助藥物研發(fā)）/AI通?？梢灾С诌_到或選擇這些藥物研發(fā)工作的“更好”起點。
提速2920倍！用AutoDock Vina對接2800萬個分子
15小時虛擬篩選10億分子，《Nature》+HMS驗證云端新藥研發(fā)未來
成千上萬的化合物經(jīng)過一系列的測試，只有一種可能成為可行的藥物。任何工具，只要能在這個漫長的多步驟過程中加快其中一個步驟，就會對整個鏈條產(chǎn)生重大影響。
過去，我們常常把每一顆種子都種在地里，以測試它的性能，并決定在什么條件下適合某種特定類型的種子。這是一個必要但資源密集的過程。
我們現(xiàn)在可以用計算機/人工智能模擬大量的測試，在我們把一粒種子放入地下之前，我們可能要先用機器做10億個模擬實驗。
這并不是什么新鮮事物，早在1981年10月5日，美國《財富》雜志就對計算機輔助的藥物發(fā)現(xiàn)進行了專題報道《下一次工業(yè)革命：默克公司通過計算機設計藥物》。
我們根據(jù)截止到2020年11月的公開資料，盤點了全球44家頂尖藥企（包括3家中國藥企）在利用AI輔助藥物研發(fā)上的行動（共涉及55家AI初創(chuàng)企業(yè)、12家IT-云服務商、7所高校），并進行了分析匯總，主要結(jié)論如下圖：
一、AI輔助藥物研發(fā)階段和關(guān)注疾病
1、制藥階段
AI技術(shù)在藥物研發(fā)的哪個階段能夠發(fā)揮更大的作用？
我們將所有藥企的AI合作按制藥階段分類統(tǒng)計，發(fā)現(xiàn)超過三分之二的行動（共66次）集中在藥物發(fā)現(xiàn)階段，包括靶點及生物標記物的選擇與確定、先導化合物的確定、構(gòu)效關(guān)系的研究與活性化合物的篩選、候選藥物的選定等。
其次是臨床治療階段，共23次行動，占總數(shù)的約四分之一，包括藥物依從性、預測治療結(jié)果、數(shù)據(jù)分析、精準醫(yī)療、開發(fā)新療法、病理研究、疾病診斷等。
具體分布如下：
2、聚焦疾病
我們盤點了所有藥企在AI合作上聚焦的疾病方向，除去未明確指出疾病類型的數(shù)據(jù)，藥企在癌癥和精神類疾病上進行AI合作最多，均為17次，分別占有效數(shù)據(jù)的27%；其次為心腦血管疾病，占比為13%（8次）。
各大藥企在AI合作上聚焦的疾病細節(jié)如下表所示：
文末可掃碼添加小F免費獲取完整白皮書。
二、藥企使用AI技術(shù)服務行動
我們統(tǒng)計了近年來在AI輔助藥物研發(fā)上有所行動的藥企名單與行動總次數(shù)，其中行動總次數(shù)指藥企與所有類型的組織進行的有關(guān)AI藥研的行動次數(shù)總和，包括：
藥企與AI初創(chuàng)公司開展的合作
藥企與IT-云服務廠商開展的合作
藥企與高校開展的合作
藥企對AI初創(chuàng)公司的投資
1、全球知名藥企行動次數(shù)
讓我們將視野擴大到全球，近年來在AI輔助藥物研發(fā)上行動次數(shù)最多的藥企依次為：
諾華（9次）
阿斯利康、楊森、輝瑞、葛蘭素史克（8次）
默克、拜耳（7次）
為了更直觀地感受大型藥企使用AI技術(shù)服務行動的積極性，我們根據(jù)美國《制藥經(jīng)理人》雜志于2020年6月12日公布的2020年全球制藥企業(yè)TOP50榜單，單獨列出排名前15的藥企的行動次數(shù)：
在我們采樣的44家藥企中，TOP15的藥企全部在列，這些公司的平均行動次數(shù)為5.6次，比TOP15之外的其他藥企（平均2.03次）高出一倍還多。
2、中國藥企行動次數(shù)
中國有3家藥企進入本次榜單，分別是：
藥明康德（2次AI公司合作、2次AI公司投資、1次IT-云服務商合作）
豪森藥業(yè)（1次AI公司合作）
正大豐海制藥（1次AI公司合作）
中國入榜的企業(yè)數(shù)量（3家）在所有入榜的12個國家中并列第5，AI合作總數(shù)（7次）在所有12個國家中位列第8。
3、藥企與AI初創(chuàng)公司、IT-云服務商合作次數(shù)
AI公司、IT-云服務商和高校是藥企在AI輔助藥物研發(fā)上主要合作對象。
藥企與AI公司和IT-云服務商的合作方式?jīng)]有明顯的區(qū)別。AI公司多為初創(chuàng)公司，規(guī)模相對較小；IT-云服務商以IBM、Google為代表，其麾下的人工智能創(chuàng)新實驗室是藥企的理想合作對象。
在納入統(tǒng)計的所有44家藥企中，有41家藥企與AI公司有合作關(guān)系，占比為93%，合作次數(shù)最多的是楊森，為8次。
有14家藥企與IT-云服務商有合作關(guān)系，占比為32%，合作最多的是諾華，為6次。
4、藥企與高校合作次數(shù)
藥企與高校的AI輔助藥物研發(fā)合作大多是基于高校實驗室的技術(shù)交流或人才與資金援助，據(jù)統(tǒng)計有7家藥企與高校開展了合作，其中葛蘭素史克與2家高校有過合作關(guān)系，英國牛津大學則分別與諾華和Evotec開展過合作。
5、合作年份
我們盤點了藥企在AI輔助藥物研發(fā)上的行動次數(shù)所處的年份，可以看到在2015年以后合作次數(shù)逐年遞增，且增幅明顯。
6、投資情況
根據(jù)公開信息綜合統(tǒng)計藥企對AI初創(chuàng)公司的投資情況，結(jié)論如下：
1、至少有8家藥企參與了對AI初創(chuàng)公司的投資；
2、投資總金額超過1.3億美金；
3、默克投資金額最多，超過6500萬美金；
4、中國藥企藥明康德投資了2家AI公司，與默克一起并列投資次數(shù)最多的藥企。
7、地域劃分
對所有藥企所處的地域進行統(tǒng)計，可以得出以下結(jié)論：
有12家美國藥企先后進行過AI藥研相關(guān)的行動，占比27%，其次為日本（7）、德國（5）。
美國藥企貢獻了共計38次行動次數(shù)，占比28%，比所有亞洲國家的總和還多；其次為德國（25次），瑞士（15次）。
歐洲、亞洲、北美洲參與AI藥研的藥企數(shù)量分別為17、15、12家，差距不大，但在行動次數(shù)上，歐洲藥企的行動總數(shù)為67，接近亞洲（30次）和北美洲（38次）之和。
8、藥企平均行動次數(shù)
藥企平均行動次數(shù)=行動總數(shù)/藥企數(shù)量，能夠體現(xiàn)某一地區(qū)藥企在AI輔助藥物研發(fā)技術(shù)上的總體活躍度。
歐洲國家包攬了藥企平均行動次數(shù)的前三名，英國的2家藥企貢獻了13次AI行動次數(shù)，在所有國家中次數(shù)最高；德國和瑞士緊隨其后；中國處于中間水平。
按大洲劃分，歐洲次數(shù)最高，北美次之，亞洲第三。
全部44家藥企在AI行動上的細節(jié)可文末掃碼添加小F微信（ID：imfastone）獲取。
三、AI初創(chuàng)公司
1、合作數(shù)量
AI初創(chuàng)公司在與藥企的合作中扮演著AI技術(shù)先鋒的作用，其中沖在最前面的是來自英國的Exscientia，其合作的藥企數(shù)量為8家。
Exscientia合作的藥企包括GSK、Sanofi、Roche、Evotec、BMS（Celgene）、Bayer、Sumitomo Dainippon Pharma、Sunovion。
緊隨其后的是法國的Iktos、美國的GNSHealth和中國香港的Insilico Medicine，均為6次。
2、創(chuàng)立年份
對所有AI公司的創(chuàng)立年份進行統(tǒng)計，可以看到2012年以后整個行業(yè)迎來了明顯的增長期，2014-2016年連續(xù)3年都有7家AI公司創(chuàng)立。
3、地域分布
在所有55家已經(jīng)與藥企展開合作的AI企業(yè)中，有30家企業(yè)總部位于美國，占比超過54%，比榜單上剩余其他所有國家的總和還要多。
位于第二的是英國和加拿大，分別擁有6家AI企業(yè)。
中國僅有Insilico Medicine和晶泰科技兩家企業(yè)上榜，總部分別位于香港和深圳。
全部AI初創(chuàng)公司信息可文末掃碼添加小F微信（ID：imfastone）獲取。
四、AI制藥聯(lián)盟
對藥企參與的AI制藥聯(lián)盟進行統(tǒng)計，共有16家藥企加入了至少1個聯(lián)盟，占所有制藥企業(yè)的36%。
AI行動次數(shù)越多的藥企，越有興趣加入AI制藥聯(lián)盟，所有7家AI行動次數(shù)超過6次的企業(yè)均加入了聯(lián)盟。
吸引最多藥企參與的聯(lián)盟是MELLODDY（10家），分別為Bayer、GSK、Amgen、AstraZeneca、Janssen、MerckKGaA、Novartis、Astellas、Boehringer Ingelheim、Servier。
MELLODDY的全稱是Machine LearningLedger Orchestration for Drug Discovery，其目標是建立一個機器學習平臺，這樣就可以從多組專有數(shù)據(jù)中學習，同時又能尊重它們的高度機密性，因為在整個項目中，數(shù)據(jù)和資產(chǎn)所有者將保留對其信息的控制權(quán)。
排名第二的AI輔助藥物研發(fā)聯(lián)盟是MLDPS，有9家藥企加入其中，分別為Bayer、Amgen、Novartis、Pfizer、BASF、Eli Lilly、Sunovion、ZambonPharma、藥明康德。
MLDPS（Machine Learning for PharmaceuticalDiscovery and Synthesis Consortium）成立于2018年，聯(lián)盟的目標是打破麻省理工學院機器學習研究和藥物發(fā)現(xiàn)研究之間的鴻溝——將麻省理工學院的研究人員和產(chǎn)業(yè)界聚集在一起，從而找出并解決AI輔助藥物研發(fā)中最重要的問題。
- END -
完整版《全球44家頂尖藥企AI輔助藥研行動白皮書》
掃碼添加小F微信（ID: imfastone）獲取
我們有個云平臺
集成多種生信應用，大量任務多節(jié)點并行
應對短時間爆發(fā)性需求，連網(wǎng)即用
跑任務快，原來幾個月甚至幾年，現(xiàn)在只需幾小時
5分鐘快速上手，拖拉點選可視化界面，無需代碼
支持高級用戶直接在云端創(chuàng)建集群
掃碼免費試用，送200元體驗金，入股不虧~
你也許想了解具體的落地場景：
155個GPU！多云場景下的Amber自由能計算
怎么把需要45天的突發(fā)性Fluent仿真計算縮短到4天之內(nèi)？
國內(nèi) 5000核大規(guī)模OPC上云，效率提升53倍
提速2920倍！用AutoDock Vina對接2800萬個分子
從4天到1.75小時，如何讓Bladed仿真效率提升55倍？
從30天到17小時，如何讓HSPICE仿真效率提升42倍？
關(guān)于云端高性能計算平臺：
國內(nèi)超算發(fā)展近40年，終于遇到了一個像樣的對手
幫助CXO解惑上云成本的迷思，看這篇就夠了
靈魂畫師，在線科普多云平臺/CMP云管平臺/中間件/虛擬化/容器是個啥
花費4小時5500美元，速石科技躋身全球超算TOP500
