Nat Rev Drug Discov｜两家顶尖AI制药公司合并：打造AI优先的药物发现引擎

2024年8月8日，Recursion和Exscientia宣布已达成最终协议，将两家公司合并。参见 两家顶尖AI制药公司合并，打造具备端到端能力的全球药物发现技术领导者

2024年9月13日，Nat Rev Drug Discov发表文章Creating an AI-first drug discovery engine。其中，Recursion的首席研发官兼首席商务官Najat Khan解读了Recursion和Exscientia拟议合并的一些思考、分析和对未来的展望。

Recursion于2013年推出，目标是将机器视觉应用于大规模细胞图像分析，以深入理解疾病的生物学特性。2012年成立的Exscientia则致力于编码算法，帮助药物化学家更好地探索化学空间。在过去的十年中，两家公司都寄希望于这些方法和相关的计算方法能让药物发现变得更好、更快、更便宜。现在，这两家公司希望合二为一，期望人工智能优先的“全栈式”小分子发现引擎能带来新药发现成果。

怀疑者仍不相信。尽管人工智能在药物发现领域受到早期采用者的青睐，但确凿的进展证据仍较匮乏。近年来，AI-first公司的股价一路下跌，Recursion和Exscientia的股价较2021年的IPO价格下跌了约70%。而且，即使发现过程可以加快，临床试验仍占药物发现漏斗成本、时间和失败的大部分。

Recursion的首席研发官兼首席商务官Najat Khan看到了商机。Khan是一名化学家，曾在波士顿咨询公司（Boston Consulting Group）担任顾问，过去6年在强生（Johnson & Johnson）工作，负责监管这家制药巨头的数据科学工作及其研发战略和产品组合。她于今年7月加入Recursion，恰在拟议交易宣布前几周。如果并购成功，Recursion将有10个候选药物正在或即将进入临床试验阶段，Khan期待着建立 Recursion的药物开发基础设施，使其成为一家端到端的AI-first的企业。

Khan说：“我们正在应用人工智能、机器学习和自动化工作流程来改进药物的开发方式，因为患者需要更好的解决方案。”

主持人Asher Mullard对Najat Khan进行了专访。

Asher Mullard：您为什么选择从强生转到Recursion？

Najat Khan：跳槽的原因之一是，将人工智能整合到一家非AI原生公司与整合到一家AI原生公司是完全不同的。我认识Recursion已经有很多年了，我看着它从一家最初专注于从第一原理出发，对生物学进行新颖见解的公司不断发展壮大。Recursion明白，数据量并不重要，重要的是数据的质量、可重复性和标签，这样才能真正用于机器学习。这是一个关键的差异化因素。相比之下，过去几十年在工业领域产生的大量数据对机器学习并无用处。因此，这也是原因之一。现在，Recursion已积累了超过50PB的专有数据，涵盖细胞成像、基因组、转录组、蛋白质组及动物和患者数据。

但你也需要具备化学能力，因为除非你能将生物学见解转化为化合物，否则你就无法真正创造出药物。通过对Exscientia的拟议收购，Recursion希望扩大其新生的化学能力，成为一家真正的端到端药物发现公司。这并非单纯追求端到端，而是深入药物研发的核心挑战。

第三，我的兴趣之一是临床开发，Recursion有7个项目将在未来18个月内完成早期开发。随着拟议中的Exscientia交易的达成，这一数字将增加到10个。此外，还有下一波药物即将问世。这让我非常兴奋，因为这意味着我们也有机会通过在临床开发中应用人工智能能力来建立和推动影响力。

Asher Mullard：您是什么时候得知Exscientia的交易的？

Najat Khan：在交易宣布前的一个多月里，我们的团队非常努力地完成了交易。我认为这对两家公司来说是互补的。

我们必须分清主次，专注于那些能提供最大机会来改变我们成功概率的领域。Recursion的起源是解码生物学--真正从更细微、更相互关联的层面理解生物学，并绘制生物学数字地图。Recursion一直在寻找first-in-class的分子。Exscientia则更专注于化学和best-in-class分子。这种潜在的结合使我们能够融合这两种方法，即卓越的生物学和卓越的化学，从而实现first-in-class和best-in-class的方案。

先导化合物优化是小分子设计中最大的挑战之一，当然，预测毒性等也需要大量的工作。因此，拥有精准化学、利用主动学习和自动化方法来大规模完成这项工作，这就是Exscientia可能带来的好处。

除此之外，还有合作伙伴关系。Exscientia和Recursion在这一领域拥有四家“科技生物技术”合作伙伴：赛诺菲、罗氏/基因泰克、默克和拜耳。纵观整个潜在管线，我们在肿瘤学、免疫学和神经科学领域拥有约十项外部管道计划。这为我们提供了多样性。我们正在获得更多的机会，同时我们也在向世界上最好的合作伙伴学习。

最后一点，我想说的是人才。在这个领域，人才真的很难找。你希望与那些精通化学、生物学、药物开发和机器学习的人才合作。在这些公司里，你可以找到这些领域的精英。

Asher Mullard：Recursion最近还收购了Cyclica和Valence。这个领域是否正在整合？

Najat Khan：这个领域肯定正在发生融合。

这里的很多公司都是在不同的背景下成长起来的。也许他们研究的是特定的点解决方案--蛋白质结合或药物化学过程的一部分。或者，在开发方面，他们专注于收集和分析某一领域的数据。我认为这很好。但现在你看到了下一个层面，那就是很多以这种方式建立起来的公司是不可持续的。它们需要可持续的商业模式、产品和客户。因此，我们现在看到一些这样的公司正在减少，这是正确的。

任何一类新公司都会出现这种情况。其中一些公司已有5到10年的历史，虽然它们拥有不同的拼图，但需要将它们组合在一起，才能打造出创造价值、可持续发展的产品。

我们也开始看到能力和背景方面的融合。这与人才和文化有关。很多大型制药公司都有人工智能部门，但他们没有双语文化。它们在人工智能和临床医学两方面都不出色。或者，决策更倾向于一个团队而不是另一个团队。但是，真正的双语文化--来自不同学科的人们是平等的合作伙伴--是确保将所学知识融入计划的秘诀。我认为，随着这些合并的进行，你也会开始看到人才的汇聚，两个世界汇聚在一起，创造出一种新型的文化。

Asher Mullard：包括Recursion和Exscientia在内的几家以人工智能为重点的生物技术公司的股价与整个生物技术行业相比都在下跌。您认为这是为什么？

Najat Khan：我认为这是这个领域走向成熟的自然演变。有很多早期进入者，如果他们不专注于建立差异化的价值主张--无论是药品、数据还是其他产品--他们就不会做得那么好。真正注重实际成果的公司才能获得成功。而在生物技术和科技生物领域，关于 “好”是什么样子，一直存在很大的变数。因此，你会看到业绩参差不齐。

Asher Mullard：您曾说过：“你不能爱上一种算法，你必须爱上一种结果”。鉴于一种新药的结果可能还需要10年或更长的时间，AI-first的公司如何证明自己已经步入正轨？

Najat Khan：我认为，即使是传统制药或生物技术公司也是如此。但即使你刚刚提交了一个项目的IND，你通常也能看到一些靶点、安全性和有效性的早期迹象。我认为，真正抓住这些不同的因素非常重要。我们不会等待批准。我们跟踪我们的指标：IND时间比行业短；IND成本是行业的一半到三分之一。现在，我还想确保我们继续关注IND的质量。

我们面临的一个差异是，我们的候选药物和技术平台的发展速度不同。Recursion一些最先进的项目是我们平台早期迭代的可用分子和获得许可的药物，而现在进入IND的项目则使用了我们最先进的生物学和化学能力。

我们的方法是全面审视研发管线，并根据数据驱动方法确定优先次序。正如我们最近对治疗脑海绵畸形的REC-994的2期研究结果所示，这种方法具有潜力，我们将继续进行测试、学习和迭代，以推进我们的管线和平台。

Asher Mullard：您为生物制药合作伙伴设立了一个名为DISRUPT-DS的圆桌会议，讨论更广泛的人工智能和数据科学机遇和障碍。到目前为止，您从中学到了什么？

Najat Khan：多年来，我收到了许多来自其他制药公司的数据科学、研发和商业领导者的来信，因此在2023年，我发起了一个圆桌会议，让感兴趣的各方聚在一起讨论未来的挑战。我们的第一次圆桌会议有来自12家制药公司的人员参加，现在已经达到了15家。

我们的第一个目标是把大家召集到一起，建立人工智能和数据科学在药物发现领域的现状基线：使用情况、使用中的算法、重大挑战等。我们希望以此为基准，每年重新评估该领域的现状。但我们要关注的其他方面还包括数据管理、人工智能与伦理、使用人工智能模型的最佳实践、可重复性、数据使用、隐私和数据存储，以及可能的竞争前合作。制药公司内部有很多数据集，我们或许可以在第三方的帮助下汇集这些数据集，从而帮助整个行业向前发展。

Asher Mullard：第一次基准测试有什么惊喜吗？

Najat Khan：我并不感到惊讶，因为围绕单点解决方案有很多激动人心的试点项目。

但让我感到失望的是，只有两三家公司真正在大规模开展业务。这些公司有正确的领导支持、正确的想法和资金。预算很重要，因为如果你没有这些，那么最终只能完成很多单点解决方案，而不是开发基础能力。

Asher Mullard：关于人工智能在药物研发中的应用，您希望人们多问什么问题？

Najat Khan：如果我们不尽早采用这些东西，机会成本会是多少？

有很多观点认为这行不通，似乎人们几乎在等待失败的迹象。我看到了很多这样的怀疑。然而，我认为人们往往忽视了重要的一点：不尝试绝非可行之选。与其批评，我们能否转而就如何继续发展和推广这种科技生物方法展开更具建设性的对话？因为毫无疑问，这是前进的方向。

我看到很多人都在等着说'抓到你了'，而不是采取建设性的态度。但我们不能继续满足于10%的药物研发成功率。这个标准太低，成本太高，而病人却在等待。

参考资料：

https://doi.org/10.1038/d41573-024-00149-6