创新药研发的未来:AI助力突围双十困境 百亿赛道蓄势待发

  近年来,在国家创新发展战略下,我国医药产业发展重心逐步由me-too、me-better向first-in-class转变。然而新药研发工作风险大、周期长、成本高,为此医药界存在着“双十定律”,即需要超过10年时间、10亿美元的成本,才有可能成功研发出一款新药。即使如此,也大约只有10%新药能被批准进入临床期。

  如何降低研发费用,提高成功率,缩短研发周期成为当前整个制药行业的当务之急。在此背景下,AI技术的兴起为打破药物研发困境,实现创新药研发“降本增效”提供了全新的解决方案。AI制药也成为国内大热的投资赛道,2021年吸金近100亿元。

  随着NLP、深度神经网络、生成模型等AI技术的不断成熟迭代,国内AI制药产业发展也十分迅速,如今已有近数十家AI制药相关企业,包括英矽智能、AccutarBio、未知君、晶泰科技、星药科技等。华为、阿里巴巴、腾讯等互联网龙头以及复星医药、云南白药等头部药企也正积极布局该领域,百亿AI制药赛道已蓄势待发。

公链项目ICON将分配100万枚ICX代币,以支持其网络上的创新项目:公链项目ICON将分配100万枚ICX代币(约130万美元),以支持其网络上的创新区块链项目。资金将通过ICON的新的去中心化自主拨款计划进行分配,该计划是一个完全开源的系统,由ICON网络上的共识和治理块验证程序管理。(TheFintechTimes)[2021/3/1 18:03:34]

  AI深度赋能药物研发国内外已有成功案例

  AI制药是指将NLP、深度神经网络,生成模型等AI技术与传统制药环节相结合,通过数据交叉比对、加速筛选等方式,提升新药研发效率,拓展药物创新空间的技术应用。依照传统药物研发流程,药物研发包括药物发现、临床前研究以及临床试验三个主要环节。其中,AI制药主要在药物发现与临床前研究两个环节发挥作用。

  药物发现环节,传统制药模式局限于已知靶点,无法覆盖目前研究不充分的疾病,如心脑血管疾病、神经退行性疾病等。而AI在搜索和关联的广度和数量上远超出过往的专家经验,并能够避免过往因人为偏见和可用投入而导致的遗漏,有助于发现创新性靶点。

2020年持有至少1000枚BTC的钱包已达2052个创新高:12月11日消息,Chainalysis首席经济学家Philip Gradwell表示,2020年,持有至少1000个比特币的钱包(即由单个实体控制的一组区块链地址)增加了302个,目前达到创纪录的2052个。(CoinDesk)[2020/12/11 14:57:45]

  临床前研究环节,AI可以通过深度学习网络,对候选库中小分子化合物的特性进行计算模拟,进而进行虚拟筛选。此外,AI所特有的创新生成作用也支持其直接进行化合物的从头生成,基于靶点生成数十个性质理想的先导化合物,快速进入临床前候选化合物的开发环节,开发效率被进一步提升。

  值得一提的是,AI制药并非停留在理论层面,国内外利用人工智能技术辅助药物研发在国内外均已有诸多成功案例。就近期而言,今年9月份,西安交通大学第一附属医院刘冰教授团队基于人工智能大模型技术,研发出超级抗菌药。其研发过程显著突破了医药研发“双十定律”的瓶颈,将原本漫长的研发周期从数年缩短至一个月。

AOFEX创新型期权24H交易量3353万USDT:据AOFEX创新型期权交易数据:截至17:00, BTC 1M交割期权成交量653万USDT,多空换手频次18023次,看多/看空买入量比为1.12;5M交割期权成交量1342万USDT,多空换手频次31345次,看多/看空买入比为1.24。

AOFEX是全球领先数字货币金融衍生品交易所,旨在为用户提供优质服务和资产安全保障。[2020/11/29 22:30:10]

  2021年3月,香港的国际知名AI制药公司InsilicoMedicine宣布通过人工智能发现了治疗肺纤维化的新靶点,并从无到有设计了一个新的药物分子来靶向该靶点。这也是全球首次利用人工智能发现新机制特发性肺纤维化药物。

  赛道景气度持续攀升互联网、医药企业纷纷入局

  早在2020年,AI制药就已在我国掀起一轮热潮。据不完全统计,AI制药领域2020年一年发生了12起融资事件,宇道生物、剂泰医药等在早期就已获得了单轮过亿人民币的融资,晶泰科技更是获得C轮融资。

国资委秘书长:要加快推动区块链等创新技术与实体产业融合应用:10月12日,国资委秘书长、新闻发言人彭华岗在国务院政策例行吹风会上表示,国资委对于中央企业的技术创新高度重视,专门在内部机构改革过程中成立了科创局,将继续加大中央企业科技创新的工作力度。他提到,将进一步完善协同创新体系。要加快推动5G、人工智能、工业互联网、物联网、大数据、区块链等创新技术与实体产业的融合应用,加速国有企业的数字化、网络化、智能化的转型升级。(中证网)[2020/10/12]

  2021年,国内AI制药领域发生融资事件34起,总金额超过80亿元。其中,不少单笔融资超过1亿美元,比如未知君完成近1亿美元B轮系列融资,英矽智能完成2.55亿美元C轮融资,晶泰科技宣布完成4亿美元D轮融资等。纵向来看,2018年-2021年国内共有61起AI制药融资事件,累计获投金额超过110亿人民币。

动态 | 四川省获批国家数字经济创新发展试验区:10月20日,在第六届世界互联网大会期间,国家发展改革委、中央网信办联合举行启动会,授予四川省、河北省(雄安新区)、浙江省、福建省、广东省、重庆市国家数字经济创新发展试验区。

建设国家数字经济创新发展试验区是贯彻落实党中央、国务院关于创新驱动发展、区域协调发展等战略部署的重大创新举措,是深化供给侧结构性改革、促进产业转型升级的重要驱动力量,有利于推动互联网、大数据、人工智能与实体经济深度融合,建设网络强国、数字中国、智慧社会,实现高质量发展。(人民网)[2019/10/20]

资料来源:IT桔子、公开资料金融界上市公司研究院整理制图

  在资本热度持续高企的态势下,国内互联网、医药企业也纷纷入局AI制药领域。例如华为成立医疗智能体“EIHealth”;百度成立百图生科,腾讯打造“云深智药”平台,利用自身积累的AI算法经验快速入局;复星医药与英矽智能达成合作协议,在全球范围内共同推进多个靶点的AI药物研发;字节跳动成立了专门负责大健康业务的极光部门,并在国内外招募AI-drug团队等。

  根据DeepPharmaIntelligence数据统计,截至2022年第一季度,全球AI制药初创企业超过495家,参与AI药物研发的大型药企超过56家,其中包括逾36家传统药企和20家CRO企业;互联网企业超过31家。

  从融资阶段来看,国外AI制药赛道头部企业已进入上市检验阶段。包括Schrodinger、Relay、Recursion、Exscientia在内的多家AI制药公司成功上市并获得了二级市场的高度关注。英国明星AI制药公司BenevolentAI也宣布将与OdysseyAcquisition通过SPAC合并上市。

  研发层面,据统计,截至今年6月20日,共有26家企业的约51个由AI辅助进入临床I期的药物管线;其中美国企业占多数,英矽智能、未知君、冰洲石生物3家中国企业上榜。由此可见,AI辅助药物研发商业化落地的可实现性已初步论证,进一步强化了国内市场的发展逻辑。

  未来已至百亿赛道蓄势待发

  目前国内的多数AI制药企业还处于投产研发阶段,仅英矽智能、未知君、冰洲石生物3家的管线产品进入临床阶段,AI制药市场规模整体尚未迎来大规模爆发期。但是,无论me-too类还是first-in-class、best-in-class药物的研发管线金额都偏高,尤其是FIC、BIC类药物研发管线至少是千万起步的合同价。

  例如2020年9月,拜耳与Recursion签署了纤维化疾病相关协议,包括3000万预付款,外加每笔1亿美元用于在多达10个药物发现项目中达到里程碑,这使得该交易的价值可能超过10亿美元。此外,拜耳随后又通过投资部门Leaps为Recursion的D轮融资跟投5000万美元。

  因此,尽管当前乃至未来5年内AI制药企业获取的药物研发管线数量有限,但少数量的管线收入仍较为可观,且随着研发效率的提升、众多企业后续为了创收而进行拓客追赶以及合同“里程碑”任务的完成,未来相关企业收入将实现翻倍增长进而带动市场规模的快速提升。

  据Researchandmarkets全球人工智能辅助药物研发的市场报告显示,2021年,全球人工智能药物发现市场达到近7.92亿美元。预计该赛道将从2021年的7.92亿美元增长到2026年的29.94亿美元,年复合增长率为30.5%。

  国内市场方面,据艾瑞建模测算,2020年中国AI制药市场规模为8163万元,预计2025年市场规模将达到77362万元,2020-2025年复合增长率达56.8%,总体市场增速较快。

资料来源:艾瑞咨询金融界上市公司研究院制图

  写在后面

  AI制药在国内是一个新兴赛道,目前仍处于发展初期,市场规模相对较小。而国外AI制药公司已有较多在研管线进入临床阶段,已经证明AI制药技术的可行性,诸多商业化成果也给传统医药行业发展提供了新的思路。可以预见的是,AI技术将深度影响药物研发体系,并塑造出庞大的市场空间。

  国内AI制药赛道公司一览

资料来源:it桔子、公开资料金融界上市公司研究院整理

本文源自:金融界上市公司研究院

作者:天利

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

银河链

[0:15ms0-2:444ms