制药领域|为什么AI制药这么火，为什么是现在?( 二 ) 中薪|高薪|制药|智化|薛定谔

万小波:康迈迪森公司9月份刚成立，我们想做专注于计算化学驱动的新药研发的平台公司，其技术特色是搭建一个基于蛋白三维结构的超大规模化合物的小分子药物发现平台，利用包括分子的超大规模的筛选+人工智能的赋能的核心技术，在短时间内搜索大量的化合物空间。
我们想要解决的痛点是突破国内仿制药企业专利跟踪的研发模式，帮助中小新药研发公司以相对低的成本，快速找到从0到0发现化合物新骨架的途径，从而为它们提供小分子化合物创新药物的早期开发服务。
赖才达:METiS剂泰医药专注于人工智能在制药领域比较未知的领域，也就是药物递送这一块。
药物递送这一块是有些基础的，刚刚晶泰科技的赖总讲了，一些药物研发新基建都还在早期搭建的阶段。
我们第一个做的是大数据平台，不止是透过已知的数据，还有产生数据的能力。我们透过一个高通量的自动化实验平台，在各种不同的药物递送的剂型、递送的途径产生非常有用的一些物理学参数跟数据。
基于这类数据，透过两个方式，一个是第一性原理的计算，智能了解分子怎么跟它附近的辅料、递送的载体产生交互作用，这些数据怎么在人体里面有很好的拓展性。
另一个是透过全AI的方式，根据前面的实验数据跟第一性原理算出来的物理参数去推进跟建模，这样无论是在药物早期发现，还是递送这边成药性的提升，或者做505(b)(2)新药设计都有非常大的优势。
METiS有两个核心业务方向:
第一，服务药企在discovery及 development阶段，将分子结构设计到药物递送的一体化成药性评估，完成药物递送及制剂的优化，甚至做制程放大的一些工艺参数的推拟。
【 制药领域|为什么AI制药这么火，为什么是现在?】第二，根据临床的痛点，设计制剂新药解决问题，比如毒性、使用的便利性，通过我们平台去设计有临床差异化的管线，所产生的新药就会造成非常大的价值。我们想要帮助国内想转型的仿制药企或原料药企、创新药企创造一些真正有价值的产品。
马睿:虽然这几家公司都在AI制药领域，但AI制药涉及不同的环节，包括分子设计、晶型、剂型到合成。另外，这几家公司业务类型不同，有的是做多个环节，既有AI，也有计算，比如像晶泰;有的基于数据来做AI，比如智化科技;有的把分子库来数据化，基于物理做计算，比如康迈迪森。有的利用高通量来实现制剂的数据化，同时用计算来减少实验的步数，提高效率。通过这几个公司的业务方向能看出，AI制药是一个挺复杂的问题。
/02 /
为什么AI制药这么热?
为什么是现在?
马睿:想跟大家探讨的是，为什么AI制药现在这么热?为什么是现在这个时间节点?
另外，一项新技术肯定要经历成熟发展的过程，想请大家总体评价一下，AI制药现在大概在什么样的阶段，也就是说AI和计算大概能做到什么样的程度，这可能是一个偏主观一点的问题。
赖才达:大家最近为什么对AI制药这个产业这么有兴趣，其实来源于整个医药开发效率性的问题，就是Eroom’s Law(反摩尔定律)。医药产业要面临的一个场景是，大约每九年药物研发的成本会翻倍。所以一个合理的目标是希望通过算力的摩尔定律，高通量、自动化实验技术的高效开发新药，帮助我们有效地设计更能够成功的药物。
我们去观察研发成本高的原因，你会发现它是两个层面:
第一个层面，在药物发现阶段投入大约占10-20%的R&D开销，在临床试验阶段大概投80%以上的开销，但这两者的成功率和投入完全不匹配，大部分的失败都是在临床阶段。换句话说，我们在早期的药物发现筛选药的时候，并没有筛选出正确的分子。
我们现在通过AI计算赋能药物开发，不止想要提升效率，而是想非常有效地把药物发现跟后面的人体内的临床实验结合起来，找到好的分子。实现这个目标非常困难，需要把人体这套非常复杂的系统，真正把它解构成生化模型，通过第一性原理或者透过数据的方式，在临床前就达到非常好的模拟效果。
因此AI做drug discovery或者development的核心在于，不只是提升效率，更重要的是提高后面临床阶段的成功率。需要我们基于过去这几年蓬勃发展的基因测序，透过基因read and write的能力去产生大量的生物相关性数据，透过AI整合数据深度了解人体的复杂生化模型。
第二个层面，当我对生物的条件在某一些细分的领域更加了解的时候，对某个靶点、对机制足够了解之后，就能透过更好的物理计算的引擎去设计真正有用的药物。并且在设计分子时，对后面所有可能在CMC和Clinical有关的风险，去做一次性的评估。