<mark id="oztn4"></mark>
0
近日，在同寫意主辦的第四屆前沿技術大會上，湃隆科技聯合創始人、藥化高級副總裁谷曉輝在與雷峰網《醫健AI掘金志》的對話中介紹，作為CADD升級階段，AIDD在算力、算法兩方面都取得了很大突破，應用于藥物研發的全過程中，大幅提升了創新藥物的研發效率。
同時，谷曉輝博士也指出，現階段大家不要對AIDD期待太高，創新藥物研發中的許多瓶頸它目前還解決不了。
谷曉輝博士1998年畢業于中國科學院上海有機化學所，曾在美國國家癌癥中心與哈佛醫學院進行博士后研究。
2001年，谷曉輝正式進入工業界，先后在X-Ceptor、Exelixis、睿智化學、大冢制藥、康龍化成，先聲藥業等公司從事新藥研發和管理工作。
作為藥化學家的谷曉輝意識到，最近幾十年中興起的各種藥物研發新手段，不論是高通量篩選、組合化學或其他熱極一時的技術，都無法突破新藥研發過程中的瓶頸。
谷曉輝將目光放在了新興起的AI技術之上，期待利用AI技術來加快小分子藥物的開發并降低成本。
也是基于這個理念，2019年谷曉輝受湃隆生物CEO李銘曦邀請，共同創辦人工智能生物科技公司湃隆生物并擔任藥化高級副總裁，負責公司藥物管線布局及項目推進等工作。
進入湃隆生物后，在與AI藥物發現企業Exscientia共同推進藥物研發的合作中，谷曉輝對AI制藥技術的理解更加深刻。
“在藥物研發過程中，有兩個重要難關是AI技術下一步需要攻克的：一是靶點的選擇，二是提升臨床成功率。”
以下為《醫健AI掘金志》與谷曉輝的對話內容，《醫健AI掘金志》做了不改變原意的編輯與整理。
《醫健AI掘金志》：您是如何進入藥物研發領域的？從什么時候開始接觸AI制藥？
谷曉輝：1998年我從中國科學院上海有機化學所博士畢業后，在美國國立衛生研究署和哈佛醫學院分別做了一年多博士后，主要從事治療藥品成癮藥物的研發。
2001年，我正式進入工業界，加入圣地亞哥的一家生物制藥公司X-Ceptor做藥物研發。當時研發的一款治療原發性高血壓的MR抑制劑，于2019年在日本獲批上市。
2004年，這家公司被Exelixis收購，我也進入Exelixis工作。
Exelixis是一家成立于1994年的制藥公司，專注于癌癥小分子藥物的研發，曾推出過一款治療腎癌與甲狀腺癌的蛋白質酶靶向藥卡博替尼，在國內有不少公司都在仿制。
后來我先后進入睿智化學、大冢制藥、康龍化成等企業，負責藥化的工作。在康龍化成工作期間，我參與了公司與基因泰克合作的藥化項目，其中一款藥物PI3KAlpha抑制劑GDC-0077的研發最為順利，目前已經推進到臨床三期。
早年間，我更多是在美國從事First-in-class的藥物研發，近年來工作重心逐漸轉移到國內，希望為國內藥企的創新藥物研發貢獻一份力量。
2019年11月，我作為藥物化學負責人加入了先聲藥業，負責與成都先導的合作。不久后，我在先聲藥業的前同事李銘曦博士找到我，邀請我共同創辦湃隆生物，并負責公司的藥化工作。
當時銘曦向我提起，湃隆生物將會與人工智能驅動的精準醫學公司Exscientia合作，利用位于上海和舊金山灣區的兩大戰略研發中心以及與歐洲重要的合作伙伴關系，整合跨越多個地區的頂尖人才和尖端技術，為高度未滿足的醫療需求提供突破性藥物。
那一時期，國內的創新藥發展已經進入瓶頸期，很多公司的研發工作都是以專利破解為主，很少出現真正的創新。
我覺得利用AI技術或許能夠找到新的化學起點，為創新藥物研發創造更多的可能性，于是加入了湃隆生物，正式開始利用AI技術進行藥物研發工作。
《醫健AI掘金志》：湃隆生物目前有哪些研發管線？
谷曉輝：湃隆生物嘗試利用人工智能優化藥物研發的全過程—從靶點選擇到臨床試驗。
目前，公司已針對細胞周期CDK和“合成致死”信號通路開發了多款候選藥物，我們利用人工智能（AI）技術開發的首款新藥CDK7抑制劑GTAEXS617不久前已在歐盟獲得新藥臨床試驗（IND）批準，并已完成首位患者招募。
GTAEXS617是一款高選擇性的小分子非共價CDK7抑制劑。CDK7是細胞周期依賴性激酶（CDK）家族的成員之一，其過表達與許多腫瘤細胞的生長、增殖密切相關，CDK7抑制劑有望為一系列難治性腫瘤患者帶來新的治療選擇。全球范圍內尚沒有CDK7抑制劑獲批上市。
除了CDK7抑制劑，我們的研發管線中還有一些其他處在臨床前研究階段的高選擇性CDK抑制劑。
此外，我們的“合成致死”管線中，也有項目已經進入到IND-enabling階段。預計在未來的3~5年，每年會有1-2個項目逐漸進入到臨床試驗階段。
針對這些不同的項目，我們的整體開發理念是，通過轉化醫學研究，去探索不同的生物標志物，從而給特定的患者群體帶來精準的治療選擇。
《醫健AI掘金志》：近年來，藥物研發的工具和手段經過了哪些升級和演變？
谷曉輝：早期的藥物化學家平均每周只能合成1-2個化合物，一年合成不到一百個化合物。那時人們在認知上存在一個誤區：如果能夠快速合成許多化合物，或許就能夠縮短新藥研發的周期。
在這個錯誤觀念的影響下，組合化學這門技術在上世紀九十年大受制藥公司的歡迎，在液相或固相上進行平行合成，一周能合成幾萬或幾十萬個化合物。
但創新藥研發并不是一個簡單的數量問題，構效關系的研究其實是一個螺旋式上升的過程，有時合成一萬個化合物跟合成二十個化合物獲得的信息基本上是一樣的，一定要經過螺旋式上升的過程，才能慢慢接近臨床的合成化合物。
組合化學在實際應用許多年以后，大家發現并沒有從實質上提升研發效率，也沒能壓縮從項目立項到PCC（臨床前候選化合物）的時間。
當然，組合化學也并非完全沒用，直到現在，我們在做化合物優時也常會用到組合化學做一些小規模的化合物庫，這樣能快速獲得構效關糸和找到成藥性好的化合物。
新的技術出現一般都能對創新藥研發的過程帶來或多或少的影響，甚至加速創新藥研發的過程，但迄今為止沒一項技能夠真正打破創新藥研發遇到的瓶頸，大大提高創新藥研發的臨床成功率。
從上世紀八十年代興起的計算機輔助藥物（CADD）也是如此。在算法、算力都取得突破之后，CADD也進入了一個升級階段：AIDD，也就是現在常說的AI制藥。
《醫健AI掘金志》：AI技術在藥物研發中能夠發揮哪些作用？
谷曉輝：以湃隆生物為例，我們旨在利用AI技術開發腫瘤精準治療藥物，以解決患者的未滿足臨床需求。AI技術在藥物研發中發揮著非常重要的作用，我們目前的研發工作中很多方面都在使用AI技術，從靶點發現，分子的設計和優化，ADME及毒性的預測到臨床階段生物標志物的發現。
行業中，通常推十個化合物進入臨床階段，可能最后只有一個化合物能夠獲批，百分之九十的項目都死掉了，如果能夠提高臨床成功率，一定能節省很多研發費用，這也是創新藥行業目前遇到的最大的問題。
AI制藥目前能夠縮短拿到臨床前候選化合物的時間。如果不用AI技術，做First in Class時間稍長，可能要四五年，Fast Follow一般兩年之內就能夠拿到PCC。在AI技術的加成之下，Fast Follow的PCC階段能縮短到一年之內。
如今潮水退去，行業逐漸回歸理性，大家都在探索如何利用AI技術更好地賦能藥物研發的各個環節。也許過程中還有許多技術難題尚未克服，但AI技術對創新藥研發工作的加成毋庸置疑。
《醫健AI掘金志》：相比近年來成立的AI制藥公司，擁有更多數據積累的大型藥企在AI輔助藥物研發方面是否更具優勢？
谷曉輝：大型藥企在數據積累上的確更加深厚，他們通常在多個領域進行藥物研發，并在多個疾病領域有廣泛的研究和臨床前及臨床數據的積累，很多藥企也在嘗試搭建自己的AI制藥團隊，
同時，大型藥企通常擁有更多的資金和資源，可以投入到AI輔助藥物研發領域。
我們的合作方Exscientia是一家以人工智能驅動的精準醫學公司，他們開發了首個功能性精準腫瘤學平臺，在前瞻性、干預性臨床研究中指導治療選擇并改善患者預后，同時將人工智能設計的小分子化合物推進到臨床應用領域。
總體而言，AI在藥物研發領域的應用已經成為一種趨勢，大型藥企和AI制藥公司都在不斷探索和應用這項技術，以加速藥物研發過程，提高研發成功率，并為患者提供更有效的治療方案。
《醫健AI掘金志》：國內外的AI制藥行業還存在哪些差距？
谷曉輝：早期AI制藥行業的從業者，大都是軟件工程師出身，AIDD和CADD人才儲備也不夠，既懂人工智能又懂創新藥研發的復合型人才更是稀缺。
隨著國內AI制藥行業的發展，雖然正在不斷培養人才，但在某些高端領域的專業人才仍相對稀缺。
盡管存在差距，中國的AI制藥行業正朝著積極的方向發展，政府和企業都在積極推動AI技術在醫藥領域的應用，隨著技術的不斷進步和投入的增加，國內外人才儲備方面的差距在逐漸縮小，尤其是在算法上，國內外已經沒有明顯差距。
《醫健AI掘金志》：國內外新藥研發的環境有哪些不同的地方？
谷曉輝：國內外在研發投入方面的不同，中國也在逐步增加對新藥研發的投入，但與美國相比，仍有一定差距。
國外一些國家擁有世界級的研究機構和優秀的科研人才，對新藥研發起到積極作用。中國在人才儲備和科研能力方面也在不斷提高，但在某些高端領域仍需要更多的努力。
中國和國外新藥研發的環境各有優勢和挑戰。隨著中國不斷加大對新藥研發的投入，相信中國的新藥研發環境將繼續逐步優化，并取得更大的進步。雷峰網(公眾號：雷峰網)雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
