AI X 新藥研發（上）｜新創公司能在製藥領域闖出一條路嗎？
不久之前，Alphabet’s Calico Labs 的前任 AI 研究員成立新創公司 Insitro，是一家專注於藉由機器學習及人工智慧，結合數以萬計的生物分子資料，以前所未有的驚人速度，尋找可能成為新興藥物的潛在分子。該公司一成立，立刻獲得立刻 ARCH Venture Partners、Foresite Capital、a16z、GV，以及 Third Rock Ventures 等五家知名創投的大力挹注。這些創投究竟嗅到了什麼我們尚未掌握的氣息？
以人工智慧協助藥物開發，是否成為生醫領域新創的明日之星？讓我們帶您深入了解！
藥物開發的困境
這可能令人難以置信：過去，新藥物的發現大多是「意外」，比方說，眾所皆知的青黴素，被發現可以抑制多數細菌的生長是因為佛萊明不愛乾淨，幸運之神不小心打了個噴嚏，就這麼讓一陣風把青黴菌的胞子這麼歪打正著地落到了佛萊明老兄的培養皿上。 盤尼西林的發現，開創了抗生素領域，從此以後開啟了人類對抗疾病的一道嶄新大門，我們對於大多數的感染，不再束手無策。
直到今天，新興藥物的發現、生物標誌物的篩選仍是如大海撈針般的漫漫長路。科學家要在自然界數以萬計的化合物中，找到一種能治療特定疾病的物質，就如同在沙灘上想要找尋掉落的鑽石一樣困難。為了增加與目標分子不期而遇的機會，科學家透過自動化的高通量篩選技術(HTS)，日以繼夜地努力尋找可能成為新興藥物的候選分子。即使在微流道工藝、微量分析技術成熟的今天，透過機械手臂、自動進樣設備的輔助，科學家每小時能篩選數百甚至數千種不同的化合物，但面對種類多如繁星的化合物，這樣的篩選速度仍然是杯水車薪。
目前以傳統電腦輔助藥物篩選與設計，著重於分子結構及潛在藥物活性分子與受體之間的交互作用，最終平均只有 4% 的候選藥物分子，能成功開發為新藥。在大數據資料庫逐漸健全的今天，將基因體(genome)、轉錄體(transcriptome)、蛋白質體(proteome)、電子醫療數據、臨床文獻等龐大資訊匯入，導入機器學習及人工智慧技術分析以上資訊，驗證藥物潛在作用標的與疾病關係。在化學小分子藥、蛋白質藥、雙標靶藥物的開發上，可望將候選藥物篩選時間縮短為 1 到 2 年，人工智慧的運用為藥物開發的當前困局點亮了一盞明燈。
Atomwise — 新藥效果、安全預測一把罩
一項新藥的開發，99.99% 的時間都在經歷失敗。
一種化合物要晉升成為藥物，最基本要求，即是對疾病具有顯著療效、適當的劑量下對患者的健康不致於產生太大的危害。根據塔夫斯藥物開發研究中心的數據，一款新藥從分子篩選、研發到通過臨床試驗成功上市，平均需要花費 12 年和 26 億美元。若是能在新藥研發過程中透過分子的化學及生物特性，提前預測新藥候選分子的有效性及安全性，將有機會大幅度地提高研發成功率、降低新藥研發成本及藥物篩選時間。
Atomwise 成立於 2012 年，透果自行開發的神經網路 AtomNet ，運用深度學習技術模擬分子並加以分析其化學、生物特性，剔除不適合的候選分子，致力於減少研發人員投注在篩選藥物分子所需花費的時間。AtomNet 目前以每天篩選 1,000 萬種以上化合物的速度，預測它們細胞親和性、毒性、副作用等相關資訊，試圖顛覆傳統藥物開發的漫長篩選過程。2015 年，Atomwise 在尋找伊波拉病毒治療方案中表現亮眼。AtomNet僅花費不到 1000 美元，短短 1 星期的時間，便找到兩種或許能用來對抗伊波拉病毒的化學分子。在過去，如此龐大的數據分析若是運用傳統藥物研發方法則需要耗費好幾年的時間。透過人工智慧，如同科幻小說的情節就這麼在現實生活中成真。
近日，矽谷 AI 公司 Atomwise 宣布獲得 4,500 萬美元的 A 輪融資。由孟山都風險投資公司、Data Collective（DCVC）和 B Capital Group 領投，百度創投、騰訊等都是 Atomwise 的新投資者。Atomwise 目前已籌集超過 5,100 萬美元資金，持續為減少研究人員花在尋找新藥化合物的資金和時間做努力。當前， 50 多個研發項目正如火如荼地進行當中，大量的研究計畫如同滾雪球一般，讓AtomNet的人工智慧短時間內一再升級。
Atomwise 一直與默克(Merck)等大型製藥公司、生物技術公司和大學研究實驗室合作，努力加速神經退化性疾病、癌症和其他疾病的新藥開發。此外，Atomwise 的技術也用於開發更安全、更有效的農藥。據了解，2017 年 6 月，該公司還宣布與孟山都公司合作，尋找可能保護作物免受害蟲侵襲和疾病侵害的藥品。
人工智慧，會是生醫新創切入製藥的契機嗎？
製藥需要龐大的資本及研發投入，一項藥物的開發動輒五至十年，雖然藥物開發成功的後續利潤極為可觀，但漫長的投資回報及研發失敗的高風險，可能讓專注於生醫領域的新創公司苦無切入點，藥物研發市場一直以來大多被醫藥巨頭所壟斷。人工智慧、機器學習應用於藥物研發的資本門檻遠比傳統研發方式要來的低上許多，同時也大幅所短了研發的投入時間，不失為生醫新創團隊切入製藥業的一項契機。
近年來，藥廠投入在藥物研發的成本有逐年降低的趨勢，醫藥巨頭更傾向於採用併購、購買專利授權等方式取得新藥的生產權。新創團隊若能利用人工智慧為新藥開發提供一套嶄新的模式，相較於傳統研發方訪所省下的資金及時間，就是該公司的價值!此類型的新創團隊採取與藥廠策略性合作或是被併購的方式作為其創業的目標也不失為一種可行的商業模式。
讀到這裡，各位是不是覺得人工智慧應用於藥物研發的前景一片光明，並且意猶未盡呢？想知道除了預測藥性，運用人工智慧還能怎麼輔助藥物開發嗎？台灣在此領域究竟有沒有機會？敬請期待《AI X 新藥研發（下）》！
每個創業團隊都是一顆恆星。
H. Spectrum不斷培育臺灣頂尖的生醫人才，並與專家、投資者們密切交流，給予創業團隊適時的指引和支持，宛如形成一個巨大的星系，讓每顆恆星都能夠自在地運行、發光，綻放出自己最美好的樣子。
TRANS 2018生醫新創論壇，是這場星系中最極致的盛宴，誠摯地邀請您來，成為光芒之中耀眼的存在。
✨ 時間：9 / 8（六）、9 / 9（日）
✨ 地點：松山文創園區 四、五號倉庫（台北市信義區光復南路 133 號）
✨ 官網：TRANS Conf. 2018 亞洲生醫新創論壇（點我）
✨ 即刻購票：https://hspectrum.kktix.cc/events/trans2018（點我）
資料來源:
AI researcher from Alphabet’s Calico Labs launches startup applying machine learning to drug discovery (MedCity News)
TrendForce：AI與大數據助攻 新藥開發進入3.0時代(環球生技月刊)
AI加速藥物研發過程：從7000874個小時變成幾天(kknews)
人工智慧+醫療全面解讀：助力藥物研發七個方向(kknews)
Atomwise
利用 AI 幫助新藥挖掘，Atomwise 獲得 4,500 萬美元 A 輪融資(科技新報)
扎推影像？這5家公司告訴你 藥物研發或許才是AI在醫療中最好的應用領域(kknews)
撰文：王威傑
核搞：卓筱涵、Po Hua
