你知道一款新药研发有多难吗?
过去制药领域一直流传着“双十定律“的说法,即一款新药研发至少需要耗时十年、耗资十亿美金,且失败率达90%以上。同时,要想发现一种药物,需要众多生物、化学和医学方面的高智商和高技能的专家相互协作。新药研发,是人类发展中最复杂、最具风险且耗时最漫长的技术研究领域之一。
市场上也很少有真正创新的药物。根据FDA Center for Drug Evaluation and Research发布的最新报告,2020年FDA共批准53款新药上市,是新药获批数量较高的一年。从2011年到2019年,CDER平均每年批准约40种新药物,但这些药物中的许多都是针对已知分子靶点,而发现能够作用于广泛适应症新靶点的新分子是极其罕见的。
![NVIDIA助力初创企业,“AI+医疗”领域实现突破](https://www.shidaox.com/wp-content/themes/justnews/themer/assets/images/lazy.png)
不仅仅是创新药,整个生命科学领域的进展都是艰难而缓慢的。如今,随着人工智能的发展,GPU计算正在加速改变整个制药行业,Al医疗迎来新风口。
NVIDIA Clara™Discovery是GPU加速计算药物研发平台,它结合了人工智能、数据分析、模拟仿真和可视化,支持药物开发的跨学科工作流程。通过加速计算,研究人员可以一次模拟数以百万的分子,同时筛选出数百种潜在药物,从而降低成本、提高效率。
英伟达初创加速计划(NVIDIA Inception)中的会员企业已经率先前行。他们借助包括Clara平台在内的NVIDIA产品技术,在医疗影像、数据分析、生命科学、深度学习等领域加速医疗健康行业创新,并取得了各自的突破,这其中,不乏新锐明星企业水木未来、晶泰科技、燧坤智能、望石智慧、星亢原等的身影。
2021年2月,“AI药物分子发现”被《麻省理工科技评论》列为2021年十大突破性技术。在创新的道路上,一条快速通道正被打开。
01 装备升级,为AI医疗“构建基石”
1895年11月8日,世界上诞生了第一张X射线图像,从此开启了现代医学影像行业,生命科学领域的软硬件生态系统也从此逐渐形成。
125年过去了,生物分子的结构也被观察得更为细致。
Titan Krios 300kV冷冻电镜,这款黑白色、透着北欧“简约风”的庞然大物,看起来朴素低调,却被称作是生命科学领域的“神器”,也是水木未来这家新药研发公司的“镇馆之宝”。
冷冻电镜,全称冷冻电子显微镜技术(Cryo-electron microscopy,Cryo-EM),是指将生物大分子快速冷冻后,在低温环境下利用透射电子显微镜对样品进行成像,再经图像处理和重构计算获得样品三维结构的方法。
“简单来说,冷冻电镜使得解析蛋白质的三维结构变得越来越容易、越来越常规,也使得新药研发从传统的‘碰运气’转向了‘可预测’。”水木未来联合创始人兼CEO郭春龙博士告诉创业邦。
经过30多年的发展,冷冻电镜甚至超越了X射线晶体学、核磁共振(NMR)支撑起了高分辨率结构生物学研究的基础。可以说,冷冻电镜技术的发展直接带动了生命科学领域,特别是结构生物学的飞速发展。
作为一家数据驱动的药物研发平台,水木未来的主要工作是帮助顶级科研机构和大型药企提升新药研发速度。从蛋白质结构解析做起,在原子的层面探索生命的本质,这个过程中,如果说AI负责提供算法,冷冻电镜负责提供观测数据,那么算力则来自于英伟达。
目前,水木未来拥有多台高性能GPU服务器,冷冻电镜图片的数据采集及图像处理流程中几乎所有计算密集型步骤都能得益于NVIDIA GPU的应用及计算平台的升级。
基于NVIDIA A100和V100 GPU计算平台,水木未来在应用冷冻电镜图像处理流程中的许多软件,例如用于图像预处理的MotionCorr2,GCTF可以运用GPU在数据采集的同时进行图片预处理,大大提高了样品筛选,样品质量的监控和采集数据的效率,效率提升10倍以上。
此外,用于图像处理过程的主要软件RELION及cryoSPARC,在NVIDIA A100和V100计算平台的助力下,水木未来在进行二维平均(2D classification)、三维重构(3D classification)、三维结构优化(3D refinement)中能大幅度提升图像处理的速度,速度较之以往提升10倍。
“AI在场景中落地的核心难点是数据,而我们正是致力于生产出大量的原始数据。”郭春龙说,“但是在这个过程中,作为初创公司,我们没有足够多的资源去处理那么多数据,在英伟达平台的赋能下,我们的算力得以增加,也得以一同推动AI医疗进入下一个阶段。”
AI医疗的下一个阶段会是什么?
如果说,我们过往的思维是推理思维、实验思维,在大数据推动的AI时代则需要我们拥有计算思维。所谓计算思维,就是要让机器也具备构造世界的能力,只有具备了构造世界的能力,才能让计算机按照你的模型去做你想要的工作,才能开发出新的产品、做出创新。
小分子创新药率先登上了舞台。
02 探索原子,为AI医疗“添砖加瓦”
小分子药物主要是指化学合成药物,具有使用广泛、理论成熟等优势。据统计,在常用药物中。小分子药物的数量可占总量的98%。
确定靶点后,小分子药物的研发可以分成以下几步:药物发现,药物设计,临床前研究,临床试验与药物开发。
但是,传统新药分子需要3~5年才能筛选出合适的先导物作为临床研究候选,花费可达数千万美元。研发成功率低,每5000-10000个进入研发管线的分子中只有一个最终上市。随后的临床开发过程需要在大量病患中对药物的安全性、有效性等关键问题进行多次测试,更需要投入大量的时间与金钱,且临床失败率在90%。
AI应用于药物研发中,可以生成具有理想药物性质的全新分子,并通过疾病靶点发现、医学影像分析、已知药物重定位、化合物可合成性预测等应用场景,大大提升新药发现的效率。
据估计,面对确认的靶点,AI新药发现只需要1~2年,就能获得传统方法2-5年才能得到的临床前候选化合物(PCC)。2020年,FDA共批准53款新药上市,其中35种是小分子药物,一举成为史上新药获批数量最高的一年。
随着AI药物发现的不断落地,药企的创新力和研发资源获得进一步释放。近两年,由AI算法发现和加速的管线药也越来越多地获得披露,其中多个已经取得里程碑式的进展,即将或已经进入临床试验的终极考验。
国内已有一批企业在此领域布局,并取得了阶段性的成果。
以晶泰科技为例,这家创立于麻省理工校园中的公司,借助高性能计算资源和自己独有的AI+量子物理的计算模型,探索分子原子的排列可能,产生新的药物化合物,并对这些影响药效的关键物理、化学性质与人体内反应进行精确的预测和模拟,从而帮助药企快速、精确地完成药物发现和开发,不仅可以从时间、成本上提高药企的研发效率,还能大幅度提高研发的创新成功率。
晶泰科技借助AI算法,针对靶点生成超大规模的类药分子库,可以在更广阔的化学空间中找尚未被人类掌握的药物候选,并从多个维度同时对影响成药性和药效的关键性质进行设计与优化。
晶泰科技通过与真实世界高度吻合的模拟算法,指导具有针对性的快速实验验证,并形成实验的数据反馈闭环,快速迭代、优化算法,在药物发现早期准确预判断各个研发路线可能出现的问题,指导研发决策,帮助药企提高研发成功率,降低研发成本与专利风险。
截至目前,晶泰科技的ID4(Intelligent Digital Drug Discovery and Development)智能药物研发平台已加速超过100个管线药的发现与开发。其中,晶泰科技与希格生科合作的弥漫性胃癌首创新药项目,仅在半年左右就获得了理想的PCC。
燧坤智能则是一家利用人工智能算法发掘疾病作用靶点、发现已知药物新适应症、提升新药筛选效率等的AI+生物科技公司。利用AI系统,公司整合药物大数据,深度赋能药物研发全过程,包括从药物靶点相互作用全景图学习及预测、虚拟高通量分子筛选、大分子产量优化、个性化细胞疗法设计,到文献信息挖掘等多项应用。
燧坤智能的AI4D™平台不仅能够针对靶点的定向分子进行生成与筛选,还能对分子的类药性及成药性进一步预测,从而聚焦真正的药物分子,对缩减药物研发的后期投入、提高临床及上市成功率提供助力。
望石智慧是从公司成立即专注于小分子药物设计的AI平台型公司。利用AI技术平台,进行更大化学空间的探索、更有效的分子的生成方式、和更精准的计算和预测,帮药物化学专家更快的发现好的分子。望石智慧与客户多个合作开发项目已经取得了不错的商业成果,也拥有国内第一个商业化落地的AI分子生成软件。目前,望石智慧正在进行数据闭环和大规模系统化建模,为更广泛、多维度和多层次的系统化医药体系模拟奠定基础。
星亢原生物主要聚焦于新抗原、PROTAC、抗体药物开发领域。其neoX高通量新抗原-TCR计算筛选平台可以从单个癌症患者肿瘤细胞的基因测序和高通量单细胞测序数据中建立新抗原库和TCR库,并找到最佳方案。
星亢原是一家将人工智能(AI)与生物物理相结合,进行药物研发的生物高科技公司。星亢原专注大分子药物和多特异性分子药物研发,尤其是在肿瘤免疫治疗领域。针对治疗药物的早期发现,星亢原通过表征蛋白质-蛋白质相互作用(PPI)开发了一个强大的研发平台。
不管是晶泰科技、燧坤智能,还是望石智慧、星亢原生物,他们都有一个共同点:均为NVIDIA Inception的会员,他们为什么不约而同选择了NVIDIA?
答案是GPU,以及依靠其开发的NVIDIA医疗健康平台。
与CPU计算平台相比,使用GPU加速后,深度学习模型训练单次迭代时间能从数十分钟降低到几秒。
对于以第一性原理计算+AI作为核心技术的晶泰科技,GPU的效率优势十分明显。据晶泰科技CTO刘阳介绍,通过使用GPU,晶泰科技可以大幅加速其分子生成、性质预测、结构预测模型的训练,特别是对于分子动力学模拟,NVIDIA的显卡可以带来很高的加速比,让晶泰科技自主研发的XFEP、晶型预测等高性能科学计算算法更加高效,每小时可以完成近十万纳秒的模拟。
晶泰科技的云端高通量计算平台可以灵活调用CPU与GPU资源,最大化发挥云计算的成本与效率优势,目前正同时支持几十个新药研发项目。
“尽管机器学习对于算力要求不高,但是要用机器学习模型拟合生物机制的高复杂度,需要更强大的算力。NVIDIA AI计算平台,可以帮助我们极大地提高AI算法开发的效率、降低开发周期,节约开发成本。”燧坤智能CEO曾亥年说。
燧坤智能研发的AI4D™线上服务平台采用了NVIDIA Tesla V100 GPU。借助NVIDIA GPU加速计算,使得AI4D™的计算效率、计算精度、模型训练速率等方面得到显著提升。与仅使用CPU的系统相比,将实际应用程序的吞吐量提升10倍,大幅提高了训练模型的效率。GPU的参与使双精度比早期硬件提升10倍,同时通过减少服务器数量,大幅降低了数据中心成本。
从以上案例中,我们发现,AI新药研发的发展轨迹,可能会颠覆我们对AI医疗应用的认知。
过去的AI医疗,主要应用领域在效率提升。在医生本身具有诊断能力的前提下,AI主要是降本增效,实现高效率的诊断。
而AI新药研发则是通过新靶点和新分子创造之前没有的供给关系,找到更适合的药物结构,攻克没有解决的疾病,创造新的药物资产和增量市场。
我们正迎来一个充满潜力的时代。
03 GPU赋能,AI医疗“正当时”
但与创业理想以及技术愿景相比,当企业进入到新一轮的发展周期,会面临更加骨感的现实挑战。
首先,AI在医疗的场景应用需要多方合作。初创公司手握高精尖技术,但需要找到传统大型企业通过合作或者战略投资的方式入局,这里面涉及到的人力和财力对资源有限的初创公司来说将会成为发展瓶颈。
其次,产品需要快速迭代。随着新药物分子的不断合成和筛选,AI不断需要训练新的数据。在生物医药行业,包括数据可重复性在内的数据质量问题一直存在。而AI在药物研发中的探索和应用实践,让这一问题更加明显。
最后,稀缺人才是挑战。高端复合型人才的缺失将会限制AI医疗领域的发展,组成联盟来开展基于AI的药物研发将会产生多方共赢的效应。
看到这些痛点,NVIDIA正通过计算和人工智能推动下一代医疗设备和生物医学研究的发展。其NVIDIA Clara™是一个拥有医学影像、基因组学、智慧医院以及药物发现为一体的综合平台,可以部署于任何地方。该平台正在进一步推动医疗产业创新与精准医疗发展。
其中,NVIDIA Clara Discovery™是一组经过优化的计算药物发现应用程序和框架的新集合,集成了成像、放射以及基因组学功能。特点在于拥有预先训练的人工智能模型和特定应用框架,以此帮助研究人员定义下一代药物发现过程,包括从靶点发现再到构建先导化合物并进行反应。
![NVIDIA助力初创企业,“AI+医疗”领域实现突破](https://www.shidaox.com/wp-content/themes/justnews/themer/assets/images/lazy.png)
采用NVIDIA Clara Discovery库和NVIDIA DGX系统,NVIDIA在不断为药物研发平台赋能,推动药物研究。比如:
Insilico Medicine是NVIDIA Inception初创加速计划的合作伙伴,近期宣布发现了一种用于治疗特发性肺纤维化的新临床前候选药物——这是首个针对新疾病靶标进行AI分子设计,并用于临床试验的示例。由NVIDIA Tensor Core GPU驱动的系统生成化合物,从目标假设到临床前候选人选择,仅用时不足18个月,花费不到200万美元。
现在,英伟达初创加速计划(NVIDIA Inception)招募正当时:
针对医疗创业企业,成功加入初创加速计划成为会员之后,NVIDIA将送上以下福利:
- 专业知识:英伟达深度学习学院(DLI)自主培训课程免费兑换码,进行多至200次的课程学习,课程体系丰富、梯度难度。医疗行业免费课程包括:《使用MedNIST数据集进行医学影像分类》,《使用GAN对医学图像进行数据集扩展与图像分割》,《将由粗到细的上下文记忆应用于医学影像》等;部分课程更有NVIDIA认证证书。
- 市场助力:NVIDIA将提供诸多市场曝光及医疗健康行业活动参与机会。
同时,会员更能享受NVIDIA相应产品折扣、技术支持等一系列福利。
原创文章,作者:E, editor,如若转载,请注明出处:https://www.shidaox.com/cases/1391.html