英矽智能與復(fù)星醫(yī)藥的合作或?qū)㈤_啟AI制藥與藥企合作的轉(zhuǎn)折點(diǎn)。

本文為IPO早知道原創(chuàng)

作者｜羅賓

微信公眾號｜ipozaozhidao  

據(jù)IPO早知道消息，上海復(fù)星醫(yī)藥（集團(tuán)）股份有限公司（下稱“復(fù)星醫(yī)藥”，600196．SH，02196．HK）與端到端人工智能驅(qū)動(dòng)的藥物研發(fā)公司英矽智能（Insilico Medicine）于1月10日宣布達(dá)成合作協(xié)議，在全球范圍內(nèi)共同推進(jìn)多個(gè)靶點(diǎn)的AI藥物研發(fā)。

《IPO早知道》對話了英矽智能首席科學(xué)官任峰博士，他結(jié)合此次合作分析了AI制藥行業(yè)最新的變化。

英矽智能首席科學(xué)官任峰博士（來源：受訪者提供）

任峰表示：“以往藥企對于AI賦能新藥研發(fā)抱有試探性的態(tài)度，但現(xiàn)在越來越開放地進(jìn)行共同的研發(fā)。這次合作從規(guī)模和首付款金額上看都是業(yè)內(nèi)迄今最大的一次合作，我希望這次合作也能推動(dòng)傳統(tǒng)藥企今后在與AI企業(yè)的合作上有更大的決心和步伐。”

此次戰(zhàn)略合作包括針對四個(gè)指定靶點(diǎn)的以人工智能驅(qū)動(dòng)的藥物研發(fā)合作，以及雙方對于英矽智能QPCTL項(xiàng)目的共同開發(fā)合作。根據(jù)協(xié)議，英矽智能將獲得1300萬美元的首付款，及里程碑式付款，并分享QPCTL項(xiàng)目的商業(yè)化利潤。此外，復(fù)星醫(yī)藥將向英矽智能提供股權(quán)投資。

根據(jù)合作協(xié)議，英矽智能將負(fù)責(zé)為QPCTL項(xiàng)目提名臨床前候選藥物，并將該候選藥物推進(jìn)到臨床前階段，之后復(fù)星醫(yī)藥將對其展開臨床階段研究，共同推進(jìn)該項(xiàng)目在全球范圍內(nèi)的開發(fā)。同時(shí)，復(fù)星醫(yī)藥的研發(fā)團(tuán)隊(duì)將提名四個(gè)靶點(diǎn)，由英矽智能的人工智能平臺和研發(fā)團(tuán)隊(duì)進(jìn)行評估和開發(fā)，并將候選藥物推進(jìn)到臨床前階段。作為合作的一部分，復(fù)星醫(yī)藥將獲得英矽智能人工智能平臺PandaOmics和Chemistry42的使用權(quán)，以推進(jìn)公司內(nèi)部人工智能驅(qū)動(dòng)的藥物發(fā)現(xiàn)和開發(fā)工作。

任峰表示，盡管很多AI公司都取得了進(jìn)展，但AI還是個(gè)新事物，目前也沒有任何一家AI公司可以證明它的算法是最好、最正確的。只有保持算法的優(yōu)化能力，AI賦能藥物研發(fā)的公司才能維持自己的競爭力，而算法優(yōu)化的能力需要經(jīng)過長時(shí)間的驗(yàn)證、積累，所以難以被復(fù)制。此外，數(shù)據(jù)的標(biāo)準(zhǔn)化也是這個(gè)行業(yè)中的企業(yè)壁壘。所以未來AI公司的競爭會(huì)從單純的算法、項(xiàng)目層面的競爭進(jìn)化為數(shù)據(jù)獨(dú)特性的競爭。

以下是《IPO早知道》精編整理的對話內(nèi)容：

Q：IPO早知道

A：任峰

Q：英矽智能此次與復(fù)星醫(yī)藥的合作背景、雙方價(jià)值與能力的匹配點(diǎn)是什么？

A：這次合作以股權(quán)投資加項(xiàng)目合作的方式展開，包括QPCTL項(xiàng)目的共同開發(fā)。QPCTL之前是我們內(nèi)部的一個(gè)自研項(xiàng)目，QPCTL是CD47信號通路中的一個(gè)靶點(diǎn)，我們在針對此靶點(diǎn)的早期動(dòng)物實(shí)驗(yàn)中看到它對癌癥的免疫治療有非常好的效果。復(fù)星看到了此項(xiàng)目的價(jià)值，同時(shí)也想利用我們的人工智能平臺賦能他們希望推進(jìn)的另外幾個(gè)靶點(diǎn)，所以在這個(gè)背景下雙方達(dá)成了這次的研發(fā)合作。在AI制藥公司與藥企的臨床前合作項(xiàng)目中，我們此次合作無論是從規(guī)模還是首付款都是至今最大的，可以說開創(chuàng)了一個(gè)先河。雙方進(jìn)行了很充分的溝通，復(fù)星不僅認(rèn)可我們的在研項(xiàng)目，也認(rèn)可我們端到端的藥物研發(fā)平臺及我們的團(tuán)隊(duì)，通過股權(quán)投資的形式，希望能跟我們一起成長，而復(fù)星的臨床研究和后續(xù)商業(yè)化實(shí)力很強(qiáng)，與我們能形成優(yōu)勢互補(bǔ)。

Q：藥企對AI制藥的態(tài)度從謹(jǐn)慎轉(zhuǎn)變到更大規(guī)模的合作，對行業(yè)的未來影響會(huì)是什么？

A：我們相信這對行業(yè)是很大的利好。去年以來，我們陸續(xù)看到國外的大藥企與AI制藥公司達(dá)成重磅合作，這代表這大藥企對AI制藥的態(tài)度越來越開放。相對來說，國內(nèi)藥企和AI制藥的合作還處在試水階段，合作規(guī)模小、項(xiàng)目數(shù)量少、首付款較低，藥企希望看到一些里程碑進(jìn)展后再擴(kuò)大合作金額和規(guī)模。本次我們的合作伙伴復(fù)星醫(yī)藥對于創(chuàng)新性的藥物研發(fā)有魄力和遠(yuǎn)見，例如，它也是國內(nèi)第一個(gè)引進(jìn)CAR－T項(xiàng)目的企業(yè)。我希望我們這次的合作能夠?qū)�國�?nèi)AI制藥領(lǐng)域有一定的推動(dòng)作用，希望大家對國內(nèi)藥企和AI制藥公司之間的合作模式有新的思考，希望它們在AI賦能新藥研發(fā)上步子邁得更大一些，合作方式的改變對新藥研發(fā)行業(yè)來說也是很大的助力。

Q：英矽智能如何選定與藥企的合作內(nèi)容確保大家目標(biāo)的一致性？

A：首先我們傾向于尋找與我們的資源優(yōu)勢互補(bǔ)的藥企，比如在臨床前評價(jià)、臨床試驗(yàn)或商業(yè)化上有優(yōu)勢的企業(yè)，我們能很好地展開互補(bǔ)協(xié)作。第二，我們希望選擇雙方都感興趣的合作項(xiàng)目，這樣可以保證項(xiàng)目的持續(xù)推進(jìn)，不會(huì)因?yàn)橐环降闹型就顺鰧?dǎo)致項(xiàng)目擱淺。第三，我們也希望能研究一些真正能解決未滿足的臨床需求的項(xiàng)目，而非純粹拼速度的項(xiàng)目，避免不必要的競爭，把資源集中用到真正需要的地方。

Q：我們有端到端的AI藥物研發(fā)平臺，其研發(fā)鏈條中所訓(xùn)練數(shù)據(jù)的標(biāo)準(zhǔn)化程度現(xiàn)在發(fā)展到哪了？

A：現(xiàn)在標(biāo)準(zhǔn)化還并不成熟，因?yàn)椴煌瑢?shí)驗(yàn)室或是不同的公司數(shù)據(jù)標(biāo)準(zhǔn)化程度都不一樣，這就為我們用大數(shù)據(jù)去訓(xùn)練AI模型造成了一定挑戰(zhàn)。當(dāng)然我們有自己的解決方案，比如我們通過轉(zhuǎn)錄組學(xué)的公開數(shù)據(jù)庫來訓(xùn)練靶點(diǎn)發(fā)現(xiàn)平臺。我們的生物信息團(tuán)隊(duì)會(huì)把我們認(rèn)為能用、好用的數(shù)據(jù)進(jìn)行過濾和標(biāo)準(zhǔn)化處理轉(zhuǎn)化成機(jī)器可讀的格式，來進(jìn)行機(jī)器學(xué)習(xí)。

在轉(zhuǎn)錄組學(xué)數(shù)據(jù)處理過程中我們不能把來源不同的數(shù)據(jù)直接整合到一起，而是分成了不同模塊的數(shù)據(jù)，避免數(shù)據(jù)之間的相互污染。雖然數(shù)據(jù)總量很大，但我們是通過小塊學(xué)習(xí)來訓(xùn)練我們的模型的，否則容易出問題。這也是一種聯(lián)邦學(xué)習(xí)的方法。

Q：現(xiàn)在AI算法迭代的頻率有變化了嗎？

A：我們認(rèn)為反而不是“迭代”這個(gè)詞，而是“淘汰”這個(gè)詞。以我們的Chemistry42平臺為例，我們自己從2016年開始做化學(xué)方面的算法，剛開始我們發(fā)展了170多種算法去產(chǎn)生小分子化合物，我們基本上把當(dāng)時(shí)能想到的算法都包括了。后面我們通過自研項(xiàng)目和對外合作，發(fā)現(xiàn)在170多種算法里有140多種沒有產(chǎn)生過所需要的小分子化合物，于是我們將它們淘汰掉，留下約30種算法，它們持續(xù)幫我們產(chǎn)生有用的化合物�？赡茉龠^幾年，算法會(huì)繼續(xù)縮減，這樣命中率也會(huì)越來越高，因?yàn)楫a(chǎn)生不理想結(jié)果的算法被淘汰掉了。另一方面，我認(rèn)為所謂迭代，很難去加入新的算法，雖然我們也在嘗試加入，但這些新算法還是要通過試驗(yàn)來證明它是好是壞，這又需要三四年的時(shí)間�？偨Y(jié)來看，這是以不斷驗(yàn)證為前提，留下或淘汰算法的過程。

Q：經(jīng)過驗(yàn)證的時(shí)間本身也是我們的一種競爭的壁壘。

A：是的，理論上AI公司用的都是公開數(shù)據(jù)，底層算法也沒有專利保護(hù)，大家都能做數(shù)據(jù)的訓(xùn)練，這方面壁壘很小，但我們有的更多是know－h(huán)ow的壁壘，我們的算法從170種濃縮到30種，但這個(gè)過程是難以復(fù)制的，大家的命中率就產(chǎn)生了差別。

另一點(diǎn)還是數(shù)據(jù)的壁壘。我們剛討論的轉(zhuǎn)錄組學(xué)數(shù)據(jù)雖然是公開的，但我們生物信息團(tuán)隊(duì)花了將近7年時(shí)間完成可用數(shù)據(jù)的篩選和一些標(biāo)準(zhǔn)化的過程。雖然大家都想做這樣的處理，但都是需要投資時(shí)間、精力和財(cái)力的。

Q：我們的新靶點(diǎn)、疑難靶點(diǎn)發(fā)現(xiàn)方面，如何基于優(yōu)勢立項(xiàng)管線？

A：我們是AI賦能的新藥研發(fā)公司，所以潛在項(xiàng)目首先是要我們的靶點(diǎn)發(fā)現(xiàn)平臺能夠賦能的靶點(diǎn)，具體來說我們可以利用患者的轉(zhuǎn)錄組學(xué)數(shù)據(jù)來尋找新的靶點(diǎn)。我們選擇的靶點(diǎn)中百分之70－80％是有臨床I期或II期試驗(yàn)結(jié)果的靶點(diǎn)，20％左右是全新靶點(diǎn)，這樣可以平衡我們的風(fēng)險(xiǎn)和收益。在這百分之70－80％的靶點(diǎn)里，我們通過自己的數(shù)據(jù)處理，識別出它目前在臨床階段的化合物哪些有缺陷，然后我們會(huì)針對有缺陷的化合物進(jìn)行改造，以此來確定要選擇的靶點(diǎn)。

Q：中國的AI制藥在人才、資金上都比以前到位了，現(xiàn)在決定AI企業(yè)進(jìn)步速度的是什么？未來會(huì)有馬太效應(yīng)嗎？

A：馬太效應(yīng)是會(huì)有的，相對頭部的公司規(guī)模更大的話有利于它吸引人才和資金。但另一方面，AI還是個(gè)新事物，到目前為止沒有任何一家AI制藥公司可以百分之百證明它的算法是最好的，是完全正確的，所以后來者也有機(jī)會(huì)去趕超。雖然有的公司是近兩年才成立的，但它有可能因此避免掉很多更早的AI公司所走過的彎路。而且算法更新的永遠(yuǎn)是更好的，一家獨(dú)大的機(jī)會(huì)在這個(gè)領(lǐng)域不容易出現(xiàn)。暫時(shí)領(lǐng)先的公司需要通過不斷優(yōu)化自己的算法去保持競爭上的優(yōu)勢，而后來者如果專注于它所擅長的領(lǐng)域，有可能它的算法能變成某一領(lǐng)域最好的。

而且再往后發(fā)展，AI公司的競爭會(huì)從單純的算法、項(xiàng)目層面的競爭進(jìn)化為數(shù)據(jù)之間的競爭，我們可以看到很多AI公司已經(jīng)開始想辦法收集自己獨(dú)有的數(shù)據(jù)，也就是按照自己的算法需求處理的數(shù)據(jù)，保證自己數(shù)據(jù)的獨(dú)特性，比如我們自己的轉(zhuǎn)錄組學(xué)數(shù)據(jù)。

Q：除了公開數(shù)據(jù)，我們與藥企合作時(shí)使用的數(shù)據(jù)會(huì)幫助我們提升算法嗎？

A：這種數(shù)據(jù)分享情況很少，因?yàn)橥ǔＮ覀兣c藥企的協(xié)議有很強(qiáng)的排他性，也就是說我們不能把這一次合作中的數(shù)據(jù)應(yīng)用在其他的任何項(xiàng)目中。

Q：薛定諤等物理計(jì)算的AI企業(yè)也有自己的商業(yè)模式，也獲得了中國藥企合作。物理計(jì)算、AI計(jì)算兩種AI技術(shù)路徑將分別發(fā)揮什么作用？

A：這個(gè)問題本質(zhì)上是CADD和AIDD的區(qū)別。薛定諤的軟件基于量子力學(xué)的計(jì)算，比如薛定諤可以把小分子和蛋白之間的能量計(jì)算得非常精確，它是把已經(jīng)生成的小分子與蛋白質(zhì)的結(jié)合做一些排序，屬于CADD（計(jì)算機(jī)輔助藥物設(shè)計(jì)）的范疇。而AIDD（AI驅(qū)動(dòng)的藥物設(shè)計(jì)）不涉及量子力學(xué)計(jì)算，它是對已知規(guī)律的歸納總結(jié)。

AIDD的輸入端是某種化合物結(jié)構(gòu)，機(jī)器學(xué)習(xí)能夠總結(jié)某種結(jié)構(gòu)對應(yīng)某種活性并演繹出來，所以計(jì)算的產(chǎn)出就是幫助我們設(shè)計(jì)出更好的小分子化合物。比如針對一個(gè)蛋白，我們的Chemistry42能產(chǎn)生上百到上千個(gè)能跟其結(jié)合的小分子化合物，但是它們的結(jié)合能力有多強(qiáng)，可以由CADD的方法對這上千個(gè)的化合物進(jìn)行排序。