初窥“AI制药”：BAT们的下个万亿试炼场(2)

　　20世纪80年代之后，基因组学、蛋白质组学、生物信息学等现代分子生物学科得到发展，以靶点为基础的新药研发模式得到应用。

　　如今，新药物发现的大致过程需要先发现靶点-验证靶点-发现先导物-优化先导物，从数十万个化合物中选出几个候选药物，最后再进入临床试验环节。靶点可以理解为不同疾病关键点构成的“锁”，人们在众多药物分子可能性中，设计和筛选最合适的分子作为“钥匙”去解锁。

　　人们利用计算机辅助制药（CADD）来评估分子多样性、构建化合物库、开展基于分子相似性的筛选。建立大型化合物库与生物靶标自动对接软件，并分别打包变成研发系统的组件。

　　CADD的应用，一方面能够允许研究者减少实验来评估化合物的有效性，直接在电脑上就能设计和“改造”分子。但另一方面，这些分子仍需要人工搭建生成，并与资料库比对。这些前期工作需要从上万个化合物中一个个筛选无异于“大海捞针”。

　　这种对人来说的繁琐工作，恰恰是AI非常典型的应用场景。

　　今天所说的AI制药就是利用AI的归纳推理能力，分析实验数据优化药物研发环节；利用AI算力优势，物理层面演绎分子结构从而加速筛选优化先导物。换句话说，AI制药把创新药行业的规则扭转到了比特币“挖矿”的逻辑。谁的算力大，谁的模型做的好，谁就能率先进入临床试验。

　　AI制药可以跳过原来漫长的临床前的研发时间，降低前期研究所耗费巨大的人力和材料成本，直接推选出最符合要求的候选药物。而这恰恰是创新药前期研发的全部流程。谁能率先发现新的靶点，谁就能摆脱其他的同类追随者。

　　以治疗肿瘤的PD-1为例，这个靶点上密密麻麻趴满了等待套利的伪创新药企业，同业竞争压力巨大。跟这些追随者竞争，就算成功跑了出来，在中国也要面临医保费用有限购买力的“大剪刀”，让这些fast in follow、me too、me better企业蹦跶不了太高。

　　AI制药的大面积应用这将允许药企能够摆脱经费不充足的压力，可以不再追热度、抄作业，向着Best in Class（同类最优）甚至First in Class（同类第一）进军。更好地吃到独家特效药所带来的收益，为社会和股东创造价值。

　　在算力取得长足进步的今天，AI制药在硬件上具备了施展的可行性。AI制药的实力如何，还得看赛道上的玩家做得怎么样。