當下，AI正在為疫苗的加速研發提供更多方案。

《自然》正刊5月2日發表題為《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序列的穩定性、有效性；而《自然》子刊也在5月18日發表《Using AI to create a vaccine revolution》文章稱，由丹麥公司Evaxion創立的AI平臺使藥企能夠更快地識別具有候選疫苗產品及治療潛力的抗原。

(相關資料圖)

“新冠疫情發生以來，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則可以幫助開發更新更好的疫苗及免疫療法。”Evaxion傳染病疫苗開發副總裁Pär Comstedt表示。

AI技術加速疫苗研發

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有的、新出現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定、成藥性更好的mRNA序列，百度生物計算創設LinearDesign算法，該算法運用自然語言處理中的網格解析技術，對mRNA序列進行優化，從而提升了mRNA序列的穩定性、有效性。

論文還證明，以新冠病毒的Spike蛋白為例，采用傳統方法需要在查看10的632次方個mRNA序列后才能尋找一條穩定的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智能系助理教授李文文在接受第一財經采訪時表示，比如，此前業內最重磅的成果之一，是Google深度學習公司在2022年發布了基于AI技術的蛋白質模擬構造公開查詢平臺，該平臺已經模擬了2億種蛋白質結構，“這一技術在模擬和發現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過程提速。”

李文文說稱，藥物研發過程中，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序列的優化，本質上是AI技術在進行序列數據輸入下的模型訓練，有監督的訓練要數據是否帶標簽且優質，無監督的訓練則取決于好的算法模型。

AI參與藥物研發遵循哪些邏輯，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，組合數量有10的40億次方～60億次方種，藥物研發就是在這海量的組合數量中找到1～2種化合物；因此，其中相設計和發現的過程很重要，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據去學習，而在藥物研發領域，這些數據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據。”李文文說，目前，AI技術在藥物（尤其是新冠疫苗）研發上的難點在于數據獲取和積累，實驗室的數據昂貴，而藥企的數據共享程度不夠，以及基礎的、帶標記的數據稀缺等，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藥領域的知識，這是生物醫藥和人工智能這2門學科的交叉，“目前，在算法上，國內外幾乎沒有差距，不同點在于對于數據的處理、以及對行業縱深的理解。”

作用與挑戰

據AI咨詢機構Deep Pharma Intelligence統計，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環節，究竟可以發揮哪些作用？尚存哪些挑戰？

浩悅資本副總裁、創新醫藥組聯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；如果發現抑制或者激動它可以產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，在發現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、數據這三個維度一直是新冠疫苗甚至所有藥物研發的關鍵環節，其中，算法和數據尤其需要突破，“AI技術的介入可以結構預測、序列優化等多個場景發揮作用，但更多的還是要在后續試驗中去進行驗證。”

事實上，國內AI制藥企業已有成功經驗。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，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勢，在于它應適用于后續的工藝放大和規模化生產，以及在常溫存儲時結構穩定，AI技術可以幫助實現。”一位病毒學家告訴記者，但現階段，AI技術在參與廣譜新冠疫苗及藥物研發上則有一定難度，“一方面，AI生物醫藥信息平臺所需要的數據有限，包括已有的免疫學研究結果有限，已知蛋白靶點的數量有限，這需要行業進行有價值、帶標簽數據的共享；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：