2020年AI + 药物研发全景概述：(五) 2018-2020的主要突破性事件

2020年11月27日，Deep Pharma Intelligence发布了一份130页的分析报告：《2020年AI用于药物发现、生物标记物开发和药物研发全景概述》。

这份报告通过交互式IT平台和大数据分析，提供了人工智能药物研发领域的市场情报、交互式概念图、公司基准、投资者和技术基准、竞争和SWOT分析。包括对240+AI药物研发创业公司、600+投资机构、90+制药企业和35个研发中心的分析。

该系列专题的核心目的是对AI药物研发的行业格局进行全面梳理，提供一个有关AI在药物发现、临床研究和药物研发其他方面的应用前景的全面概述，并尝试预测下一步的发展方向。

本文是该报告的第五部分：2018-2020的主要突破性事件。

2018年3月

IBM Watson发布了一个用于临床试验患者匹配的计算平台。在梅奥诊所，该平台显著提升了患者招募效率。自2016年应用于梅奥诊所以来，该平台显示乳腺癌临床试验招募效率提高了80%。该平台还大大缩短了为一名患者匹配临床试验的时间。

2018年10月

Healx在15个月的时间内将一个罕见病候选药物交付2a期临床试验。Healx证明了将专业领域知识、深度学习和专有数据结合起来的力量。该公司开发了一个可扩展的药物发现平台Healnet。该药物是为脆性X综合征开发的。Healx用了15个月的时间来进行先导化合物发现、临床前验证并交付临床试验。

2018年12月

DeepMind建立了AlphaFold平台来预测蛋白质3D结构，表现优于其他所有算法。AlphaFold在CASP13比赛中获胜。AlphaFold能够准确地预测43种蛋白质中的25种蛋白质的结构，在没有使用已知蛋白质信息的情况下。AlphaFold使用了两种基于深度神经网络的方法：一种训练预测某些氨基酸对之间的距离，另一种是估计它们之间化学键的可能角度。

2019年1月

Recursion Pharmaceuticals宣布了与武田公司合作的进展。Recursion在不到18个月的时间里，对武田的60多个适应症的临床前和临床药物分子进行了评估。在15个适应症中发现了新的候选药物。Recursion的AI赋能的药物发现平台将大规模的生物数据生成与最先进的机器学习相结合，可以从Recursion实验室生成的数百万张显微镜图像（使用武田的化合物产生的）中得出有价值的信息。

2019年9月

1. Insilico Medicine发表了一篇研究论文，介绍了利用GENTRL系统从头开发的首个体内活性候选药物。GENTRL系统是一个基于生成式对抗网络（GANs）和其他机器学习方法的模块化药物设计平台。候选药物的开发速度惊人：包括靶点选择在内，仅用了46天。

2. Deep Genomics利用AI辅助的药物设计开发了DG12P1。这是一种通过他们的平台AI Workbench设计的寡核苷酸类药物，用于治疗罕见的威尔逊病。该发现从设想到产生实际的临床试验候选药物只用了不到18个月的时间，与经典方法相比，速度快了很多。Deed基因组学平台筛选了2400多种疾病和10万多个致病突变，预测并确认了Met645Arg突变的精确致病机制。然后，它确定了12个先导化合物分子。

2020年1月

1. Mendel Recruit专有平台可以将临床试验的患者招募效率提高24-50%。Mendel Recruit平台被回顾性地应用于两项已完成的肿瘤临床研究和一项未能在临床试验中心完成患者招募的研究。使用Mendel.ai平台使得正确识别潜在合格受试者的数量比标准做法增加了24-50%。Mendel应用了AI算法，将临床记录的文字识别与自然语言理解和自动临床推理相结合。

2. 利用Exscientia Centaur Chemist的AI平台产生的候选新药DSP-1181开始临床研究。该药物是与住友大日本制药共同开发，用于治疗强迫症，已被推进到I期临床试验。该药物不到12个月就完成了探索性研究阶段，而通常需要4.5年。

2020年2月

来自麻省理工学院的科学家发现了halicin，一种新的超强抗生素，能够杀死35种世界上最棘手的致病细菌，包括多重耐药菌株。在对大肠杆菌的实验中，这种细菌在30天内没有产生耐药性。所应用的模型能够在一天之内筛选出超过一亿个化合物，该模型旨在挑选出潜在的能够利用与现有药物不同的机制杀死细菌的抗生素。

2020年9月

1. 德国公司Aladdin建立了一个阿尔茨海默病和COVID-19的疾病早期诊断平台。该平台利用先进AI技术，并结合多模态数据（包括生物标志物、影像学、血液样本、病历等）来辅助诊断。同时，公司已经建立了辅助药物研发知识图谱—PharmKG，揭示疾病机理与潜在药物/化合物的内在关系，以辅助药物的发现。该知识图谱可展示疾病、基因、化学化合物和药物之间的复杂关系。

2. MELLODDY—即"Machine Learning Ledger Orchestration for Drug Discovery"小组，由十家制药公司创建，在不共享数据的情况下联合开发机器学习模型。MELLODDY利用全球最大的已知生化或细胞活性的小分子集合，提供更准确的预测模型，提高药物发现效率。MELLODDY试图通过创建一个灵活、可扩展、安全的框架来实现这一目标，该框架用于联合和隐私保护的机器学习，可以训练和评估与药物发现相关的预测模型。

参考资料

https://www.deep-pharma.tech/

----------- End -----------