當(dāng)下，AI正在為疫苗的加速研發(fā)提供更多方案。

《自然》正刊5月2日發(fā)表題為《Algorithm for Optimized mRNA Design Improves Stability and Immunogenicity》的論文表示：百度生物計(jì)算用AI首次提升了mRNA序列的穩(wěn)定性、有效性；而《自然》子刊也在5月18日發(fā)表《Using AI to create a vaccine revolution》文章稱，由丹麥公司Evaxion創(chuàng)立的AI平臺(tái)使藥企能夠更快地識(shí)別具有候選疫苗產(chǎn)品及治療潛力的抗原。

(相關(guān)資料圖)

“新冠疫情發(fā)生以來(lái)，人們對(duì)傳染病和疫苗的興趣越來(lái)越大，而且抗菌素耐藥程度的加劇會(huì)使這一領(lǐng)域的關(guān)注度增加，AI則可以幫助開發(fā)更新更好的疫苗及免疫療法。”Evaxion傳染病疫苗開發(fā)副總裁Pär Comstedt表示。

AI技術(shù)加速疫苗研發(fā)

上述《Using AI to create a vaccine revolution》文章稱，日前，基于細(xì)菌疾病平臺(tái)和免疫腫瘤學(xué)平臺(tái)，Evaxion設(shè)立“病毒疾病平臺(tái)”，通過(guò)AI手段來(lái)篩選及確定一批針對(duì)現(xiàn)有的、新出現(xiàn)的及未知的可能變異的病毒下的候選疫苗。具體來(lái)看，該平臺(tái)可以先確定候選疫苗的先導(dǎo)化合物，該化合物同時(shí)靶向T細(xì)胞和B細(xì)胞，且具有強(qiáng)大而持久的免疫應(yīng)答和細(xì)胞反應(yīng)。

而在《Algorithm for Optimized mRNA Design Improves Stability and Immunogenicity》論文中，為了高效設(shè)計(jì)出更穩(wěn)定、成藥性更好的mRNA序列，百度生物計(jì)算創(chuàng)設(shè)LinearDesign算法，該算法運(yùn)用自然語(yǔ)言處理中的網(wǎng)格解析技術(shù)，對(duì)mRNA序列進(jìn)行優(yōu)化，從而提升了mRNA序列的穩(wěn)定性、有效性。

論文還證明，以新冠病毒的Spike蛋白為例，采用傳統(tǒng)方法需要在查看10的632次方個(gè)mRNA序列后才能尋找一條穩(wěn)定的mRNA序列，但在LinearDesign算法下這一過(guò)程可以在11分鐘內(nèi)完成。

“近年來(lái)，AI技術(shù)在生命科學(xué)領(lǐng)域獲得了多項(xiàng)重要進(jìn)展。”復(fù)旦大學(xué)管理學(xué)院信息管理與商業(yè)智能系助理教授李文文在接受第一財(cái)經(jīng)采訪時(shí)表示，比如，此前業(yè)內(nèi)最重磅的成果之一，是Google深度學(xué)習(xí)公司在2022年發(fā)布了基于AI技術(shù)的蛋白質(zhì)模擬構(gòu)造公開查詢平臺(tái)，該平臺(tái)已經(jīng)模擬了2億種蛋白質(zhì)結(jié)構(gòu)，“這一技術(shù)在模擬和發(fā)現(xiàn)化合物結(jié)構(gòu)上有幫助，或能使包括新冠疫苗在內(nèi)的藥物研發(fā)過(guò)程提速。”

李文文說(shuō)稱，藥物研發(fā)過(guò)程中，AI技術(shù)扮演的角色更多的是一種工具。上述百度生物計(jì)算對(duì)于mRNA序列的優(yōu)化，本質(zhì)上是AI技術(shù)在進(jìn)行序列數(shù)據(jù)輸入下的模型訓(xùn)練，有監(jiān)督的訓(xùn)練要數(shù)據(jù)是否帶標(biāo)簽且優(yōu)質(zhì)，無(wú)監(jiān)督的訓(xùn)練則取決于好的算法模型。

AI參與藥物研發(fā)遵循哪些邏輯，有何難點(diǎn)？李文文解釋，藥物本身作為一個(gè)化合物，其結(jié)構(gòu)復(fù)雜，組合數(shù)量有10的40億次方～60億次方種，藥物研發(fā)就是在這海量的組合數(shù)量中找到1～2種化合物；因此，其中相設(shè)計(jì)和發(fā)現(xiàn)的過(guò)程很重要，可以將篩選范圍進(jìn)一步縮小，“AI技術(shù)就可以將這一過(guò)程自動(dòng)化，讓模型自動(dòng)去識(shí)別靶點(diǎn)，生成新的分子結(jié)構(gòu)，最終形成可能的化合物。”

“事實(shí)上，AI算法的形成需要龐大數(shù)據(jù)去學(xué)習(xí)，而在藥物研發(fā)領(lǐng)域，這些數(shù)據(jù)包括了蛋白質(zhì)的相關(guān)結(jié)構(gòu)、不同串的氨基酸序列等；而AI技術(shù)本質(zhì)上需要去處理這些數(shù)據(jù)。”李文文說(shuō)，目前，AI技術(shù)在藥物（尤其是新冠疫苗）研發(fā)上的難點(diǎn)在于數(shù)據(jù)獲取和積累，實(shí)驗(yàn)室的數(shù)據(jù)昂貴，而藥企的數(shù)據(jù)共享程度不夠，以及基礎(chǔ)的、帶標(biāo)記的數(shù)據(jù)稀缺等，這些都是受限制的地方。

為此，李文文建議，若要加速新冠疫苗研發(fā)的進(jìn)程，相關(guān)藥企也需要在團(tuán)隊(duì)中設(shè)置一支AI工程師隊(duì)伍，這些AI人才也同樣需要兼具生物醫(yī)藥領(lǐng)域的知識(shí)，這是生物醫(yī)藥和人工智能這2門學(xué)科的交叉，“目前，在算法上，國(guó)內(nèi)外幾乎沒(méi)有差距，不同點(diǎn)在于對(duì)于數(shù)據(jù)的處理、以及對(duì)行業(yè)縱深的理解。”

作用與挑戰(zhàn)

據(jù)AI咨詢機(jī)構(gòu)Deep Pharma Intelligence統(tǒng)計(jì)，截至2022年12月，全球800家AI制藥公司的總投資額達(dá)到59.3億美元，9年間增長(zhǎng)了27倍。而今年第一季度，已有超過(guò)28筆對(duì)AI制藥公司的投資，平均投資額為3800萬(wàn)美元。

AI技術(shù)在新冠疫苗研發(fā)環(huán)節(jié)，究竟可以發(fā)揮哪些作用？尚存哪些挑戰(zhàn)？

浩悅資本副總裁、創(chuàng)新醫(yī)藥組聯(lián)席負(fù)責(zé)人康子圣表示，比如，可以通過(guò)AI來(lái)預(yù)測(cè)新冠病毒某一個(gè)局部蛋白的三維結(jié)構(gòu)，其中AI在預(yù)測(cè)三維結(jié)構(gòu)上的準(zhǔn)確性就很重要，這可以使新冠疫苗在設(shè)計(jì)上更加理性一些。再比如，以mRNA為技術(shù)路線的新冠疫苗為例，利用AI技術(shù)，不但可以達(dá)到優(yōu)化序列的目的，還可以針對(duì)遞送載體進(jìn)行篩選，并提升相關(guān)效率。

AI參與的路徑上，康子圣解釋，某個(gè)蛋白質(zhì)能否作為一個(gè)成藥的靶點(diǎn)，更多是要先研究它本身的生物學(xué)功能，和它在信號(hào)通路中所扮演的角色；如果發(fā)現(xiàn)抑制或者激動(dòng)它可以產(chǎn)生很好的治療疾病的作用機(jī)制，那么它才是一個(gè)合格的藥物靶點(diǎn)。

然后，在發(fā)現(xiàn)這個(gè)蛋白質(zhì)它是一個(gè)合格的成藥物靶點(diǎn)后，就需要設(shè)計(jì)藥物去干預(yù)它，在這個(gè)階段，如果盡早地了解它的三維結(jié)構(gòu)，設(shè)計(jì)藥物在接下來(lái)才會(huì)變得更順利、更方便。

康子圣還稱，算力、算法、數(shù)據(jù)這三個(gè)維度一直是新冠疫苗甚至所有藥物研發(fā)的關(guān)鍵環(huán)節(jié)，其中，算法和數(shù)據(jù)尤其需要突破，“AI技術(shù)的介入可以結(jié)構(gòu)預(yù)測(cè)、序列優(yōu)化等多個(gè)場(chǎng)景發(fā)揮作用，但更多的還是要在后續(xù)試驗(yàn)中去進(jìn)行驗(yàn)證。”

事實(shí)上，國(guó)內(nèi)AI制藥企業(yè)已有成功經(jīng)驗(yàn)。作為全球首款獲FDA批準(zhǔn)上市的新冠小分子口服藥，輝瑞P藥在晶型上的開發(fā)，正是基于晶泰科技在AI智能預(yù)測(cè)和實(shí)驗(yàn)驗(yàn)證上的能力，這也使得P藥整體研發(fā)進(jìn)程縮短了自少6個(gè)月至1年時(shí)間。

“小分子藥物的晶型是否具有優(yōu)勢(shì)，在于它應(yīng)適用于后續(xù)的工藝放大和規(guī)模化生產(chǎn)，以及在常溫存儲(chǔ)時(shí)結(jié)構(gòu)穩(wěn)定，AI技術(shù)可以幫助實(shí)現(xiàn)。”一位病毒學(xué)家告訴記者，但現(xiàn)階段，AI技術(shù)在參與廣譜新冠疫苗及藥物研發(fā)上則有一定難度，“一方面，AI生物醫(yī)藥信息平臺(tái)所需要的數(shù)據(jù)有限，包括已有的免疫學(xué)研究結(jié)果有限，已知蛋白靶點(diǎn)的數(shù)量有限，這需要行業(yè)進(jìn)行有價(jià)值、帶標(biāo)簽數(shù)據(jù)的共享；另一方面，一些由AI模型篩選出的候選藥物，其動(dòng)物試驗(yàn)結(jié)果往往與預(yù)設(shè)結(jié)果相距甚遠(yuǎn)。這些都亟待進(jìn)一步完善。”

標(biāo)簽：