有什麼辦法讓馬賽克圖片還原
最近一段時間，Meta推出的全新人工智慧蛋白質預測演算法引發不小關注，研究人員稱新演算法比谷歌知名的Alphfold快上60倍，可以預測6億種蛋白質的全新形狀。
缺乏行業經驗的人聽完只會不明覺厲，但對生物醫藥產業稍有了解就會意識到新的創業機會可能又出現了。
為什麼這麼說呢？
其實人工智慧在生物醫藥領域早有應用，比如累計募資超過4億美元的Insilico Medicine公司，2016年就將人工智慧應用到了產業裡，最近他們發表了一篇綜述，回顧了人工智慧藥物研發從論文到工業技術的經歷。
科技前哨的小夥伴為大家梳理了全文內容，我們一起看看醫藥領域從前沿到應用都要經歷什麼。
1。
Insilico Medicine AI藥物開發領跑者
Insilico Medicine目前最為知名的產品是一款人工智慧藥物靶點發現平臺PandaOmics，採用
深度學習演算法，整合了公開研究成果、臨床資料和公司自己的科研成果，能夠自動化分析疾病所需的治療靶點。
這套演算法最厲害的地方在於，它除了技術因素外，還會評估新靶點藥物的新穎程度、商業價值等因素。
目前PandaOmics已被用於識別癌症，肌萎縮側索硬化症（ALS）等疾病的新靶點，它發現的特發性肺纖維化的新靶點已被開發為候選藥物，正在進行1期臨床試驗，成為AI發現和設計藥物的一個里程碑。
憑藉出色的成果，Insilico Medicine已經和輝瑞等大藥企達成合作，一同開展新藥研發。這一起的起點則是2016年的一篇論文。
2.
從論文到研發
2016年，Insilico Medicine團隊釋出了PandaOmics的前身
iPANDA演算法，能幫助研究人員使用基因表達資料分析訊號傳導、代謝途徑等生理活動狀態。
為了證明iPanda的有效性，Insilico Medicine團隊與6所醫學研究機構合作，成功分析了乳腺癌患者治療中的關鍵通道。乳腺癌作為美國第二常見的癌症，在這項研究幫助下打開了過去研究人員未曾預見的全新領域，為治療創造了全新可能。
基因表達作為人體活動的最上游，與癌症有密切的聯絡，但由於整個過程太過複雜，涉及各種各樣的生理過程，將具體的基因表達情況與癌症治療之間建立聯絡非常困難。
iPANDA演算法會透過統計權重評估、共同表達的基因分組模組資料、拓撲權重股基乙基同路啟用分析，四個步驟找到相互間的聯絡。快速完成了複雜繁瑣的辨別工作。
3.從演算法到平臺
2016年，iPANDA演算法驗證了可用性後，Insilico Medicine團隊就在測試這套演算法能否應用到其他疾病分析上，當年他們完成了原理測試，併發布了一篇論文討論深度學習演算法預測不同條件下藥物特性的論文。
然後他們花了4年時間最佳化這個原型，直到2020年終於公佈了研發成果，將深度學習演算法應用到了疾病標靶發現上。
2020年，PandaOmics正式啟動，經過多年研究已經積大量資料點，包括 500 萬個基因、蛋白質等各組學資料樣本，130萬種化合物和生物製劑資料，34。2萬項臨床試驗以及超過3000萬份公開研究資料。
這時的人工智慧演算法不但能分析疾病治療潛在靶點，還能預測未來5年內該藥物能否進入臨床1期。
2021年，Insilico研究人員證明了新平臺的作用，透過對數百名頭頸部鱗狀細胞癌患者資料分析，找到了DLCK1這個潛在的治療靶點，研究發表在《腫瘤學前沿》。
Insilico還將AI應用到了抗衰老研究上，揭示了145個與衰老有關的潛在基因，根據平臺分析其中69個有很高的研發價值，這項研究結果於2022年3月發表在《老齡化》雜誌。
4.人工智慧加速研發
2020 年推出以來，PandaOmics 已被眾多頂級製藥公司和學術研究人員採用，為其專案確定新的靶點。
輝瑞2020年1月與Insilico達成研究合作；2021年8月，Insilico與Arvinas建立研究合作伙伴關係；2022年1月，Insilico與復星醫藥達成合作協議。
Insilico的PandaOmics AI靶標發現平臺今年也被哈佛大學、約翰霍普金斯大學、梅奧診所等研究機構採用，尋找衰弱神經肌肉疾病的新靶點，發現了11個新的治療靶點。
不過這些都還不是PandaOmics最大的亮點，該平臺目前最大的成就是隻用18個月就發現了特發性肺纖維化的治療藥物，並透過人工智慧藥物設計平臺推出了一種新型藥物，整個開發成本只有傳統流程的十分之一。
整個過程彙總了數百萬個數據檔案，覆蓋專利、研究出版物、臨床資料等，總共找到20個潛在靶點，最終找到了這個最有潛力的治療藥物。目前的研發進展也頗具希望，進入了臨床1期，是第一個進入臨床階段的人工智慧藥物產品。
如今Meta的超級AI模型一出，不少人認為
Insilico即將被顛覆，其實是對人工智慧藥物研發的產業邏輯缺乏瞭解。
聽到這你也會發現，人工智慧
藥物研發背後
是演算法最佳化和資料積累
的成果。演算法上，
Meta新模型主攻的是蛋白質結構預測方向，和
Insilico基於專利、臨床和研究資料開發治療新藥是兩個截然不同的方向，雙方的人工智慧演算法訓練的底層資料也完全不同，短期看只會是井水不犯河水的狀態。
當然，更高效能的人工智慧演算法總會被應用到產業一線，長期是不是就能顛覆
Insilico呢？從目前的產業格局看這還很難，Meta推出的新演算法更多是研究目的，
Insilico已經積累了技術產業化的經驗，反而更可能
憑藉資料優勢在人工智慧演算法迭代中獲益。
以上就是今天的內容，希望你能有所收穫，如果你喜歡我們的節目，歡迎分享給你的朋友，這會對我們非常有幫助，更多精彩內容明天再見~
科技前哨，每天都為你點亮。