意见：AI使公司能够从毒品开发中脱离牛群

对抗肿瘤生长的蛋白质，可以修饰的基因外显子以及控制其杀死癌症能力的免疫细胞上的受体。这些是机制和身体过程的类型，可能是治愈或治疗疾病的关键，哪些构成了现代药物开发的靶标。尽管此类目标的数量几乎是无限的，但在制药公司中最受欢迎的数量相对较少。

在一种被称为放牧的现象中，众多的制药公司，研究组织甚至学术科学家不仅针对相同的狭窄条件，而且针对相同的有限的药物靶标。在2020年68％的目标由十大制药公司追求的是五个或更多的研发计划的基础。一些公司将其研究时间的80％或以上献给了这些受欢迎的目标。这些目标是与癌症有关的目标。在2022年，高级制药公司的每项主动研究肿瘤学靶标有9个资产，高达2000年的1.8资产，大多数研究致力于乳腺癌，血液学和脑癌。

尽管在某些情况下有可以理解的放牧甚至优势的原因，但这种创新风格的总体效果是在药物开发中设定限制。但是，我们怎么能脱离人群并锻炼自己的道路呢？作为提供AI驱动的计算化学平台的Evogene业务发展副总裁，我认为人工智能是答案。AI通过识别可以与之相互作用的新靶标和化合物来改变药物开发的能力。

放弃的缺点

众所周知的Me-Too药物的例子包括用于治疗抑郁症的许多选择性5-羟色胺再摄取抑制剂（SSRIS），例如百忧解，Zoloft和Paxilâ以及各种他汀类药物Think Think think think lipitor and Crestor。最全面的研究药物靶标的策划了1,578种作用于893个独特分子靶标的FDA批准的药物，这意味着将近50％的FDA批准药物具有共同的靶标。同样，关于60％世界卫生组织中的基本疗法清单适合这一类别的药物清单，而不是50％FDA在2024年批准的50种新型药物中，依赖于先前存在的靶标。

在许多方面，放牧都是有道理的，它使一些患者和制药公司受益。许多经历放牧的目标，尤其是在肿瘤学领域，都是高效的，制药公司希望遵循有效的方法，理想情况下，在这些药物类别中创建一流的治疗方法。当然，对这些改进有很大的需求，并且非常需要。

此外，当涉及到单基因疾病，例如Thalassexy，Duchenne肌肉营养不良和亨廷顿的疾病时，放牧就随着发展基因疗法而出现。例如，公司可能会考虑靶向因突变蛋白而破坏的细胞途径，而不是仅专注于突变基因。这种方法仅占开发新疗法的30％的尝试，而大多数仍集中在突变基因本身上。

通过AI创新

追求新的靶标和疗法对于扭转放牧趋势至关重要，而这样做的工具之一就是AI。AI提供了浏览巨大的化学和生物学景观的能力，从而发现了传统方法忽略的隐藏模式和关系。通过整合来自基因组学，蛋白质组学和化学信息学的数据，AI可以识别出未经忽视的新目标，以显着的速度和准确性评估其潜力。

在过去的三年中，整个医疗保健行业的AI平台市场已经两倍。随着越来越多的公司和监管机构``接受基于AI的研究，公司将有能力摆脱放牧的限制和结构相似的药物的冗余，转向更具创新性和多样化的治疗策略。麦肯锡预测AI至少可以将可起作用的药物靶标数增加30％。

随着出现的新生物学靶标和分子的出现，已经存在取消疗法的迹象。例如，阿斯利康（Astrazeneca）与Benevolentai合作，已确定慢性肾脏病（CKD）的新靶标除了众所周知的肾素 - 血管紧张素系统之外，开辟了针对肾脏纤维化和炎症的治疗途径。同时，Verve Therapeutics的基于AI的研究已从传统的他汀类药物靶标转变为基因编辑疗法对于遗传的心血管疾病。对于罕见的疾病，包括肌萎缩性侧索硬化症（ALS）和Duchenne肌肉营养不良，公司之类的公司Insilico已经利用AI驱动的系统来识别特定的遗传靶标。

除了找到新目标外，深度学习还可以从头开始新型配体的设计，这是许多潜在新药的基础的活性分子。生成型体系结构，例如gan（生成的对抗网络），VAE（变异自动编码器）和GPT（生成的预培训模型），使研究人员可以创建专门针对其目标量身定制的独特分子结构。这种能力具有变革性，因为它避免了依靠现有复合库的冗余，这些复合库通常会偏向已知的目标。AI驱动从头开始配体一代探索新的化学空间，确保结构多样性并降低产生另一种现有药物的风险。

公司喜欢原子，Insilico和Recursion正在使用AI进行基于结构的药物设计，并发现了各种适应症的独特配体。Evogene最近开始利用其AI驱动的计算化学平台，该平台最初是为农业应用开发的，以闯入新型配体发现和药物开发的世界。

尽管有希望，AI驱动的药物发现仍面临诸如可变数据质量和某些模型的黑框的挑战，这可能会使验证和监管批准复杂化。尽管尚未充分实现AI-First药物的承诺。由于长期开发时间表，还没有进步超出II期临床试验，但重要的是要注意，管道中最先进的药物是使用此后快速成熟的技术创建的。这些问题被认为是不断发展的领域的一部分，持续的创新解决了数据标准化和模型透明度等问题。我坚信这些障碍将及时克服，最终使AI能够彻底改变药物开发并改善患者的结果。

AI在制药行业中的使用远非普遍，但是通过与AI-First公司的合作，Pharmas可以保持技术进步的最前沿，从而确保其管道通过最先进的突破而不是增量进步来推动。随着AI驱动的研究成为常态，在这些战略合作的推动下，我们可以预期的是变革性的进步，这将使制药公司和患者都受益。