2022年12月，Drug Discovery & Development网站发布文章What to expect from AI-enabled drug discovery in 2023，多位行业专家阐述了AI药物发现在2023年的前景。主要内容整理如下。
制药和生物技术公司部署人工智能以简化药物发现和开发的进程，似乎还在早期。但Recursion Pharmaceuticals联合创始人兼首席执行官Chris Gibson认为，由人工智能支持的药物发现领域正在走向成熟。
更多的AI验证将在2023年到来
竞争正在帮助推动人工智能药物发现领域的发展。
Gibson说："在过去五年里，人工智能原生生物技术（AI-native biotech）公司的数量已经爆炸性增长。虽然数以百计的公司声称他们使用人工智能来寻找更好的药物，但许多人夸大了他们的能力。不过这个行业正在成熟。在2023年，我们将看到更多的人工智能发现的药物的临床试验结果和临床前研究。"
InsightRX首席执行官兼联合创始人Sirj Goswami表示：“有效利用人工智能和机器学习将通过提供‘对研究药物的药理特征更快速、更准确和更深入的了解’来加速药物开发过程。在更广泛地使用人工智能和ML的同时，将更多地采用适应性试验设计，提供更大的方案灵活性，优化剂量以改善患者结局。”
随着人工智能支持的药物发现的进展，能力较弱的公司可能会被淘汰。Gibson预测，拥有最精明的数据生成能力的公司将最终获胜。这些公司正在"建立具有规模、可靠性和关联性的专有数据集，以利用机器学习技术来支持严谨的科学"。
更多的AI牵引力将带来更多的资金
人工智能会对生物技术产生意想不到的结果。
Benchling公司联合创始人兼总裁Ashu Singhal说：“生物技术行业正开始看到以人工智能为重点的药物发现公司取得有意义的里程碑，或临床试验的真正进展。Relay Therapeutics和Recursion是两个例子。这些成功的结果正在催化更多的投资进入这个领域。仅在过去12个月里，大制药公司就完成了200亿美元的基于人工智能的药物发现交易，预付款花费了数亿美元。”
Singhal认为，这种成功正在推动制药行业和人工智能参与者之间建立更多的伙伴关系。例如，2021年有67个伙伴关系，在过去三年中增加了三倍。
Singhal说："对于一个历史上崇尚单独发现或围绕单一分子合作的行业来说，人工智能正在为生物技术创造大量的合作和伙伴关系，它也要求实验室在大规模数据集上进行合作。"
各机构将理论上的AI用例推向应用实践
Gibson说：“研究人员已经彻底探索了人工智能驱动的药物发现的可能性，以模拟化学结构的最佳设计并预测其特性。但在药物发现中实施这些概念仍然具有挑战性。例如，合成大量不同的人工智能生成的化学结构往往是不切实际的。在2023年及以后，我们将开始看到各组织将人工智能的理论用例推向应用实践，这需要将现实世界的必要条件，如可合成性和可扩展性纳入人工智能规划，并将实验过程、建模和化学基础设施结合起来。”
需要原子和比特的良性循环
生物技术和一般研发的"数字化"已经得到了相当的关注。Gibson说：“但我们看到了计算性实验在准确预测生物功能方面的局限性”。
Gibson指出，用现有的科学文献为机器学习模型提供动力只会让你走得更远。ML可以发现一些根本性的新东西，但它需要在现实世界中进行实验。
Gibson解释说，准备推动关于生物和化学的最新颖发现的公司，将在原子和比特紧密结合的迭代循环中，结合计算模拟和现实世界的实验向前推进。
AI药物发现的需求
Singhal说：“为了确保人工智能的成功，生物技术需要内部人才。该行业已经在朝着这个方向发展，并且正处于全面的人工智能招聘模式，整个大型制药公司的人工智能职位空缺稳定在1500-2000个左右。”
此外，生物技术组织需要一个数据骨干。"生物技术组织需要从坚实的数据和数字基础设施开始，以实现其人工智能的雄心。获得高质量的大规模数据是成功的人工智能和ML战略的基石。"
Singhal说："人工智能将成为生物技术公司的一个必备功能，这个过程将加速数据科学家和人工智能及ML角色的雇用，并创建更好的数据标准化和更强大的数字数据骨干网络。这些变化不仅有利于人工智能和ML在生物技术领域的应用，而且将推动一般研发的可扩展性和效率的改善。"
参考资料
https://www.drugdiscoverytrends.com/ai-drug-discovery-in-2023/
--------- End ---------
