英伟达入局、医药巨头加码，2023年AI制药会火起来吗？ 刚刚过去的第一季度，AI制药在资本市场的表现并不乐观。不仅初创公司在一级市场融资经历寒冬，已经上市的AI制药公司们，也同... 

来源：雪球App，作者： 智药局-，（https://xueqiu.com/6076022235/247154588）

刚刚过去的第一季度，AI制药在资本市场的表现并不乐观。

不仅初创公司在一级市场融资经历寒冬，已经上市的AI制药公司们，也同样在二级市场受到投资者冷遇。

根据DEEP PHARMA INTELLIGENCE数据，一季度AI制药公司股价跌破自2022年5月以来的均线，降幅达到11.39%，跑输iShares生物科技指数（IBB）、纳斯达克生物技术指数（NBI）和标普500指数。

图：AI制药上市公司市场表现

尽管资本市场并不看好，但自2023年以来，依旧不乏如辉瑞、拜耳、勃林格殷格翰、安进这样的国际药企积极加码AI制药领域。此外，谷歌依旧保持着对AI赋能医药的热情，甚至连英伟达这样的半导体公司也携大型生物分子语言模型和超级计算机强势入局这一领域。

头部药企和科技大厂纷纷拥抱AI技术，而AI药企们也在不断升级迭代自己的技术平台，通过回顾过去三个月的主要合作和技术突破，我们或许可以一窥AI制药的未来方向。

01、顶尖药企押注哪些领域？

AI+肿瘤免疫疗法

1月10日，勃林格殷格翰 (Boehringer Ingelheim) 宣布与 3T Biosciences 达成一项战略合作和许可协议，将结合 3T Biosciences的 3T-TRACE（T 细胞受体抗原和交叉反应引擎）发现平台，以发现和开发下一代癌症疗法。

癌症免疫疗法目前只针对少数癌症患者，3T Biosciences的平台旨在通过识别产生免疫反应的新型共享T细胞抗原受体 (TCR) 并全面筛选 TCR 和 TCR 模拟物的特异性和脱靶交叉反应来应对这一挑战。

该平台通过独特地将高多样性目标库与主动机器学习相结合，识别实体瘤中最普遍和免疫原性的靶标。

图：3T-TRACE 的工作原理

根据协议，勃林格殷格翰将提供源自患者的 TCR 数据，以推动3T Biosciences的靶标发现工作。3T Biosciences将获得预付款和研发支持，除了勃林格殷格翰未来产品销售的特许权使用费外，还有资格获得总计 2.68 亿美元的里程碑收入。

AI+量子化学

1月11日，拜耳公司和谷歌云宣布合作推动早期药物发现，该合作将应用谷歌云的 Tensorflow 处理单元 (TPU)，这是定制开发的加速器设计运行尖端的机器学习模型和计算密集型工作负载，以帮助加速和扩展拜耳的量子化学计算。

应用于计算机辅助药物发现的量子力学理论能够以高精度对生物和化学系统进行计算机模拟，因此有可能帮助识别新的候选药物。

据悉，本次合作的目标是使用 Google Cloud 的 TPU 加速和扩展量子化学计算，并展示蛋白质-配体相互作用的全量子力学建模。相关结果将决定大规模密度泛函理论计算在实际应用中的科学和经济可行性。

AI+精准医疗

2月28日，Tempus 宣布与辉瑞达成多年战略合作，两家公司将携手合作，进一步推动人工智能在治疗开发方面的努力。

通过此次合作，辉瑞可以访问 Tempus 的人工智能平台以及多模式数据库，并可使用Tempus的伴随诊断产品和临床试验匹配计划，以推动肿瘤学治疗发展。

官网信息显示，Tempus是一家AI赋能的精准医疗公司，通过大量收集和分析临床和基因组数据，运用AI技术帮助患者找到最适合自己的治疗方案。其人工智能平台可以赋能包括疾病诊断、候选化合物发现、临床实验在内的多个流程。

目前Tempus与全球TOP 20肿瘤药物公司中的18家建立合作关系，包括GSK、强生、阿斯利康等知名药企。

02、新突破不断

蛋白质的ChatGPT时刻

在今年1月的JPM大会上，Nvidia 展示了与初创公司的两项合作成果：基因组学语言模型 Nucleotide Transformer 和生成蛋白质模型 ProT-VAE。

Evozyne 的研究人员使用Nvidia 的 BioNeMo平台，建立了ProT-VAE模型 ，并创造了两种在医疗和清洁能源领域具有重大潜力的蛋白质。

直到最近，这个过程还需要几个月到几年的时间，而ProT-VAE将这个时间缩短为几周。

与AlphaFold 或 ESMFold 等模型预测蛋白质序列结构的目的不同，ProT-VAE旨在直接从序列中获取功能，从而生成执行特定功能的新蛋白质。

图：ProT-VAE的架构

据了解，Evozyne在创造蛋白质的过程中用到了NVIDIA的ProtT5。ProtT5是一款Transformer模型，主要用于创建医疗AI模型的软件框架和服务，也是属于NVIDIA药物研发框架BioNeMo的一部分。

NVIDIA的Transformer模型（ChatGPT同样采取该模型）会读取数百万种蛋白质中的氨基酸序列，其运用神经网络用来理解文本的技术，学会如何自然地构建蛋白质氨基酸序列，这也正是其如何预测并创造了能够满足Evozyne需求的新蛋白质的关键所在。

Evozyne联合创始人、论文共同作者Andrew Ferguson表示：“令人欣喜的是，NVIDIA的AI模型第一轮产出的合成蛋白质就像自然生成的蛋白质一样，这意味着该模型已经学会了自然界的设计规则。”

有望改变药物研发的疾病生物机制图谱

今年1月，BenchSci 宣布推出其最新技术ASCEND™，该平台使科学家能够发现生物联系，显著减少试错实验并及早发现风险，从而更快地推进最有前途的项目。

ASCEND™利用 BenchSci 专有的机器学习技术，可以从内部和外部资源中提取实验证据。它使用精选的本体数据集，将实验结果联系起来，创建第一个商业可用的、无偏见的、基于证据的不同疾病潜在生物学机制的图谱。

图：ASCEND™软件平台

早期使用者报告称，在ASCEND™的赋能下，40% 的项目确定了需要探索的新适应症或以前未考虑过的其他目的基因，33% 的项目及早发现安全或功效风险以提高研发效率。

对制药公司工作流程的回顾性分析表明，如果研究人员可以有效地驾驭大量科学数据和证据，那么在临床前项目中不必要的实验至少可以减少40%。

“BenchSci 开发了一种技术，有可能改变临床前研究的速度和成功，”安进公司研究副总裁 Philip Tagari 说。“基于项目结果，我们很高兴继续在整个安进内部广泛使用ASCEND™，以促进研究。”

制药业第一台生成式 AI 超级计算机

在3月的2023年春季GTC大会上，英伟达CEO黄仁勋称公司将与三井物产株式会社（Mitsui）就Tokyo-1项目展开合作，旨在通过高分辨率分子动力学模拟和用于药物发现的生成式人工智能（AIGC）模型等技术，以提高日本制药实力。

图：Tokyo-1的渲染图

Tokyo-1项目依赖于英伟达的DGX AI超级计算机，项目中客户将拥有英伟达DGX H100节点的访问权限，可以进行分子动力学模拟、大型语言模型训练、量子化学、生成AI模型以创造药物的新分子结构等操作，由 Nvidia 的BioNeMo药物发现软件提供支持。

该系统将由 Xeureka（三井物产的子公司，专注于 AI 药物发现）运营，预计将于今年投入使用，并计划使用更多节点扩展该系统。

“日本制药公司是湿实验室领域的专家，但尚未大规模利用高性能计算和人工智能，”三井物产数字医疗业务部总经理 Yuhi Abe 表示。

目前已有多家大型日本制药公司计划使用 Tokyo-1 进行药物发现。“训练 AI 模型需要强大的计算能力，我们相信 Tokyo-1 的海量 GPU 资源将解决这个问题，”Ono Pharmaceutical 药物发现技术部药物发现 DX 办公室主任 Hiromu Egashira 说。

据悉，Tokyo-1 最初将由16个DGX H100 系统组成，每个系统配备8个H100，共有128个H100提供算力支持，据此估算Tokyo-1应该达到大约3.84 petaflops 的峰值计算能力。

H100在日本市场之前预售的价格是475万日元，约合人民币24.2万元，这意味着这台超级计算机仅前期GPU投入成本就在3000万元以上。

03、写在最后

春江水暖鸭先知，虽然目前的市场还略带寒意，但参与者们并没有因此停下脚步，而是积聚力量等待着下一次冰消雪融。

与以往制药行业发生的变革都不同的是，AI浪潮将引导行业进入一个更为激烈的混战格局，传统药企、AI药企、科技巨头、基础设施提供商等各路神仙都投身其中，八仙过海，各显神通。

谁将是最后的赢家？这个问题似乎还是太早，正如丘吉尔的名言所说，“这只是开始的结束。”

不过可以预见的是，胜利将属于以开放态度、谦虚心态、合作精神拥抱AI技术的那批人。

—The End—