> 正文

生化制药产业前沿大会发布AI辅助制药白皮书

2024-05-06 11:32:40

近日在举办的生化制药产业前沿大会开幕式，中国生化制药工业协会发布《AI辅助制药市场发展白皮书2023》。白皮书分析自2021年以来国内外制药领域大模型的演变历程，以及运用人工智能技术研发药物，实现快速研发，快速迭代，大幅缩短药物研发周期的原理和成功案例。国内结合人工智能技术的药物新靶点发现市场，在2022年为4.5亿元，2023年达到8.1亿元。

在抗肿瘤药物领域，AI辅助制药技术已实现将新药发现环节从几年降低到几个月，可加速创新药的研发与上市，有效减轻并发症的威胁。

在新冠口服药物开发领域，AI技术辅助研究开发人员开展靶点预测、靶点筛选、预测药物活性及毒性等。

在艾滋病药物领域，基于人工智能技术构建抗艾滋病药物的快速发现平台已积累了核心技术，从苗头化合物到先导化合物，再到候选化合物，在每一次迭代优化中可以加速数据生物学、生物化学、信息学的团队共享理化数据和推理结果。

制约新药上市的主要因素是传统药物研发存在周期长、失败率高、研发成本高等问题，开发新疗法可能需要数月至数年。一款创新药从研发到上市，平均成本超过10亿美元、研发周期大于10年——这是医药界公认的“双10定律”。同时，药物结构设计强烈依赖专家经验、新药筛选失败率高，差不多平均1万个先导化合物的研究，能有250个进入临床阶段，最后大约只有1个能上市。

借助大数据、人工智能、云计算能快速准确地筛选出合适药物成分，从而缩短新药研发周期，降低研发成本，提高研发成功率。通过将AI融入药物研发的关键环节，极大地提高药物开发的效率，有效地将药物发现及临床前研究的周期缩短至1年左右，将临床研究周期缩短至2年内。

在药物发现早期，AI创新药物快速发现平台包括基因组研究、临床数据研究和药物发现三大模块，三大模块相辅相成。基因组研究用于早期靶点发现，可实现大量基因组、转录组、蛋白组等组学数据，及海量生物分子互作网络的整合，组学数据的分析建模基于基因组自动建模算法，实现对疾病样本、细胞系、模式动物等多维组学数据的精确建模，组学数据的分析建模算法将组学数据与药物临床响应、预后存活等信息整合分析，构建基于临床表现预测的深度学习模型；并利用模型可解释性模块反推组学特征对学习目标的贡献程度，找到抗病毒潜在的生物标记物和靶标，实现大规模组学数据整合建模分析，实现基因组数据的临床价值转化。

基于人工智能的精准药物设计关键技术模型，可以基于配体的蛋白表征方式将CPI表示为同质关系网络，再使用归纳式图神经网络对其进行学习，为苗头化合物发现提出了新的研究思路。同时，依靠先进的AI算法，发展了基于核酸编码化合物库的设计和数据分析技术和评估药物分子的成药性和多样性的人工智能算法，结合实验和计算手段分析评估候选化合物，极大地提高了抗病毒药物筛选的效率和成功率，为后续的药物研发提供了强大的支持。在先导化合物结构优化阶段，运用大模型在抗病毒药物研发相关的预测、生成和优化任务中达到性能领先，保证抗病毒化合物库的可合成性和成药性。在临床数据分析阶段，通过AI技术实现了大规模临床数据分析建模，支持百万级临床数据分析建模；显著地提升临床试验数据的处理能力，极大的推进了临床试验的进展。

围绕数据、算法和算力构筑在技术层优势的布局，是构建的AI创新药物快速发现平台将成为新药研发的重要工具，基于强大的生成和预测能力，通过可复现和规模化的试验，将药物发现的流程智能化、工业化，在靶点发现，药物设计、先导化合物结构优化、药学研究、临床研究等新药研发环节中均能大幅提高研发的效率，降低研发风险，减少成本投入，可以高效适应医疗医药领域不同的应用场景，因此推广应用具有显著的社会经济效益。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

以上内容仅中华网独家使用，未经本网授权，不得转载、摘编或以其他方式使用。

为你推荐

内科

外科

骨科

眼科

口腔科

妇产科

儿科

中医科

肿瘤科