最近一段时间，Meta推出的全新人工智能蛋白质预测算法引发不小关注，研究人员称新算法比谷歌知名的Alphfold快上60倍，可以预测6亿种蛋白质的全新形状。
缺乏行业经验的人听完只会不明觉厉，但对生物医药产业稍有了解就会意识到新的创业机会可能又出现了。
为什么这么说呢？
其实人工智能在生物医药领域早有应用，比如累计募资超过4亿美元的Insilico Medicine公司，2016年就将人工智能应用到了产业里，最近他们发表了一篇综述，回顾了人工智能药物研发从论文到工业技术的经历。
科技前哨的小伙伴为大家梳理了全文内容，我们一起看看医药领域从前沿到应用都要经历什么。
1. Insilico Medicine AI药物开发领跑者
Insilico Medicine目前最为知名的产品是一款人工智能药物靶点发现平台PandaOmics，采用深度学习算法，整合了公开研究成果、临床数据和公司自己的科研成果，能够自动化分析疾病所需的治疗靶点。
这套算法最厉害的地方在于，它除了技术因素外，还会评估新靶点药物的新颖程度、商业价值等因素。
目前PandaOmics已被用于识别癌症，肌萎缩侧索硬化症（ALS）等疾病的新靶点，它发现的特发性肺纤维化的新靶点已被开发为候选药物，正在进行1期临床试验，成为AI发现和设计药物的一个里程碑。
凭借出色的成果，Insilico Medicine已经和辉瑞等大药企达成合作，一同开展新药研发。这一起的起点则是2016年的一篇论文。
2. 从论文到研发
2016年，Insilico Medicine团队发布了PandaOmics的前身iPANDA算法，能帮助研究人员使用基因表达数据分析信号传导、代谢途径等生理活动状态。
为了证明iPanda的有效性，Insilico Medicine团队与6所医学研究机构合作，成功分析了乳腺癌患者治疗中的关键通道。乳腺癌作为美国第二常见的癌症，在这项研究帮助下打开了过去研究人员未曾预见的全新领域，为治疗创造了全新可能。
基因表达作为人体活动的最上游，与癌症有密切的联系，但由于整个过程太过复杂，涉及各种各样的生理过程，将具体的基因表达情况与癌症治疗之间建立联系非常困难。
iPANDA算法会通过统计权重评估、共同表达的基因分组模块数据、拓扑权重股基乙基同路激活分析，四个步骤找到相互间的联系。快速完成了复杂繁琐的辨别工作。
3. 从算法到平台
2016年，iPANDA算法验证了可用性后，Insilico Medicine团队就在测试这套算法能否应用到其他疾病分析上，当年他们完成了原理测试，并发布了一篇论文讨论深度学习算法预测不同条件下药物特性的论文。
然后他们花了4年时间优化这个原型，直到2020年终于公布了研发成果，将深度学习算法应用到了疾病标靶发现上。
2020年，PandaOmics正式启动，经过多年研究已经积大量数据点，包括 500 万个基因、蛋白质等各组学数据样本，130万种化合物和生物制剂数据，34.2万项临床试验以及超过3000万份公开研究数据。
这时的人工智能算法不但能分析疾病治疗潜在靶点，还能预测未来5年内该药物能否进入临床1期。2021年，Insilico研究人员证明了新平台的作用，通过对数百名头颈部鳞状细胞癌患者数据分析，找到了DLCK1这个潜在的治疗靶点，研究发表在《肿瘤学前沿》。
Insilico还将AI应用到了抗衰老研究上，揭示了145个与衰老有关的潜在基因，根据平台分析其中69个有很高的研发价值，这项研究结果于2022年3月发表在《老龄化》杂志。
4. 人工智能加速研发
2020 年推出以来，PandaOmics 已被众多顶级制药公司和学术研究人员采用，为其项目确定新的靶点。
辉瑞2020年1月与Insilico达成研究合作；2021年8月，Insilico与Arvinas建立研究合作伙伴关系；2022年1月，Insilico与复星医药达成合作协议。
Insilico的PandaOmics AI靶标发现平台今年也被哈佛大学、约翰霍普金斯大学、梅奥诊所等研究机构采用，寻找衰弱神经肌肉疾病的新靶点，发现了11个新的治疗靶点。
不过这些都还不是PandaOmics最大的亮点，该平台目前最大的成就是只用18个月就发现了特发性肺纤维化的治疗药物，并通过人工智能药物设计平台推出了一种新型药物，整个开发成本只有传统流程的十分之一。
整个过程汇总了数百万个数据文件，覆盖专利、研究出版物、临床数据等，总共找到20个潜在靶点，最终找到了这个最有潜力的治疗药物。目前的研发进展也颇具希望，进入了临床1期，是第一个进入临床阶段的人工智能药物产品。
如今Meta的超级AI模型一出，不少人认为Insilico即将被颠覆，其实是对人工智能药物研发的产业逻辑缺乏了解。
听到这你也会发现，人工智能药物研发背后是算法优化和数据积累的成果。算法上，Meta新模型主攻的是蛋白质结构预测方向，和Insilico基于专利、临床和研究数据开发治疗新药是两个截然不同的方向，双方的人工智能算法训练的底层数据也完全不同，短期看只会是井水不犯河水的状态。
当然，更高性能的人工智能算法总会被应用到产业一线，长期是不是就能颠覆Insilico呢？从目前的产业格局看这还很难，Meta推出的新算法更多是研究目的，Insilico已经积累了技术产业化的经验，反而更可能凭借数据优势在人工智能算法迭代中获益。
以上就是今天的内容，希望你能有所收获，如果你喜欢我们的节目，欢迎分享给你的朋友，这会对我们非常有帮助，更多精彩内容明天再见~
科技前哨，每天都为你点亮。
