當下，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平臺使藥企能夠更快地識別具有候選疫苗產(chǎn)品及治療潛力的抗原。

(相關資料圖)

“新冠疫情發(fā)生以來，人們對傳染病和疫苗的興趣越來越大，而且抗菌素耐藥程度的加劇會使這一領域的關注度增加，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技術加速疫苗研發(fā)

上述《Using AI to create a vaccine revolution》文章稱，日前，基于細菌疾病平臺和免疫腫瘤學平臺，Evaxion設立“病毒疾病平臺”，通過AI手段來篩選及確定一批針對現(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。具體來看，該平臺可以先確定候選疫苗的先導化合物，該化合物同時靶向T細胞和B細胞，且具有強大而持久的免疫應答和細胞反應。

而在《Algorithm for Optimized mRNA Design Improves Stability and Immunogenicity》論文中，為了高效設計出更穩(wěn)定、成藥性更好的mRNA序列，百度生物計算創(chuàng)設LinearDesign算法，該算法運用自然語言處理中的網(wǎng)格解析技術，對mRNA序列進行優(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算法下這一過程可以在11分鐘內完成。

“近年來，AI技術在生命科學領域獲得了多項重要進展。”復旦大學管理學院信息管理與商業(yè)智能系助理教授李文文在接受第一財經(jīng)采訪時表示，比如，此前業(yè)內最重磅的成果之一，是Google深度學習公司在2022年發(fā)布了基于AI技術的蛋白質模擬構造公開查詢平臺，該平臺已經(jīng)模擬了2億種蛋白質結構，“這一技術在模擬和發(fā)現(xiàn)化合物結構上有幫助，或能使包括新冠疫苗在內的藥物研發(fā)過程提速。”

李文文說稱，藥物研發(fā)過程中，AI技術扮演的角色更多的是一種工具。上述百度生物計算對于mRNA序列的優(yōu)化，本質上是AI技術在進行序列數(shù)據(jù)輸入下的模型訓練，有監(jiān)督的訓練要數(shù)據(jù)是否帶標簽且優(yōu)質，無監(jiān)督的訓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？李文文解釋，藥物本身作為一個化合物，其結構復雜，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，其中相設計和發(fā)現(xiàn)的過程很重要，可以將篩選范圍進一步縮小，“AI技術就可以將這一過程自動化，讓模型自動去識別靶點，生成新的分子結構，最終形成可能的化合物。”

“事實上，AI算法的形成需要龐大數(shù)據(jù)去學習，而在藥物研發(fā)領域，這些數(shù)據(jù)包括了蛋白質的相關結構、不同串的氨基酸序列等；而AI技術本質上需要去處理這些數(shù)據(jù)。”李文文說，目前，AI技術在藥物（尤其是新冠疫苗）研發(fā)上的難點在于數(shù)據(jù)獲取和積累，實驗室的數(shù)據(jù)昂貴，而藥企的數(shù)據(jù)共享程度不夠，以及基礎的、帶標記的數(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)的進程，相關藥企也需要在團隊中設置一支AI工程師隊伍，這些AI人才也同樣需要兼具生物醫(yī)藥領域的知識，這是生物醫(yī)藥和人工智能這2門學科的交叉，“目前，在算法上，國內外幾乎沒有差距，不同點在于對于數(shù)據(jù)的處理、以及對行業(yè)縱深的理解。”

作用與挑戰(zhàn)

據(jù)AI咨詢機構Deep Pharma Intelligence統(tǒng)計，截至2022年12月，全球800家AI制藥公司的總投資額達到59.3億美元，9年間增長了27倍。而今年第一季度，已有超過28筆對AI制藥公司的投資，平均投資額為3800萬美元。

AI技術在新冠疫苗研發(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)席負責人康子圣表示，比如，可以通過AI來預測新冠病毒某一個局部蛋白的三維結構，其中AI在預測三維結構上的準確性就很重要，這可以使新冠疫苗在設計上更加理性一些。再比如，以mRNA為技術路線的新冠疫苗為例，利用AI技術，不但可以達到優(yōu)化序列的目的，還可以針對遞送載體進行篩選，并提升相關效率。

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

然后，在發(fā)現(xiàn)這個蛋白質它是一個合格的成藥物靶點后，就需要設計藥物去干預它，在這個階段，如果盡早地了解它的三維結構，設計藥物在接下來才會變得更順利、更方便。

康子圣還稱，算力、算法、數(shù)據(jù)這三個維度一直是新冠疫苗甚至所有藥物研發(fā)的關鍵環(huán)節(jié)，其中，算法和數(shù)據(jù)尤其需要突破，“AI技術的介入可以結構預測、序列優(yōu)化等多個場景發(fā)揮作用，但更多的還是要在后續(xù)試驗中去進行驗證。”

事實上，國內AI制藥企業(yè)已有成功經(jīng)驗。作為全球首款獲FDA批準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智能預測和實驗驗證上的能力，這也使得P藥整體研發(fā)進程縮短了自少6個月至1年時間。

“小分子藥物的晶型是否具有優(yōu)勢，在于它應適用于后續(xù)的工藝放大和規(guī)?；a(chǎn)，以及在常溫存儲時結構穩(wěn)定，AI技術可以幫助實現(xiàn)。”一位病毒學家告訴記者，但現(xiàn)階段，AI技術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)藥信息平臺所需要的數(shù)據(jù)有限，包括已有的免疫學研究結果有限，已知蛋白靶點的數(shù)量有限，這需要行業(yè)進行有價值、帶標簽數(shù)據(jù)的共享；另一方面，一些由AI模型篩選出的候選藥物，其動物試驗結果往往與預設結果相距甚遠。這些都亟待進一步完善。”

標簽：