被AI催火的計算生物學(xué)賽道

近日，AI預(yù)測蛋白質(zhì)結(jié)構(gòu)又取得新突破。“深層思維”公司宣布，該公司開發(fā)的人工智能程序“阿爾法折疊”（AlphaFold）已預(yù)測出約100萬個物種的超過2億種蛋白質(zhì)的結(jié)構(gòu)，涵蓋科學(xué)界已編錄的幾乎每一種蛋白質(zhì)。

據(jù)介紹，這些信息將上傳至可公開訪問的“阿爾法折疊蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫”。該數(shù)據(jù)庫由“深層思維”公司和歐洲生物信息學(xué)研究所合作開發(fā)，去年7月上線時已包含98.5%的人類蛋白質(zhì)結(jié)構(gòu)。

近幾年，AI預(yù)測蛋白質(zhì)結(jié)構(gòu)成績亮眼，各大國內(nèi)外企業(yè)也紛紛入局。在AI激活、數(shù)據(jù)驅(qū)動下，AI預(yù)測蛋白質(zhì)結(jié)構(gòu)正從幕后走向臺前，其產(chǎn)業(yè)化發(fā)展也正進入一個新的階段。

AI預(yù)測蛋白質(zhì)結(jié)構(gòu)背后的計算生物學(xué)

蛋白質(zhì)的三維結(jié)構(gòu)決定了它在細胞中的功能。明確蛋白質(zhì)的結(jié)構(gòu)信息，在藥物研發(fā)等領(lǐng)域十分重要。傳統(tǒng)上，研究人員使用X射線晶體學(xué)等手段測定蛋白質(zhì)結(jié)構(gòu)，耗時費力且花銷不菲，卻常無法獲得所需結(jié)果。“阿爾法折疊”通過學(xué)習(xí)實驗測定出的蛋白質(zhì)結(jié)構(gòu)信息，來預(yù)測其他蛋白質(zhì)的三維結(jié)構(gòu)，其預(yù)測準(zhǔn)確度相當(dāng)高。歐洲生物信息學(xué)研究所的數(shù)據(jù)顯示，阿爾法折疊有35%的預(yù)測是高度準(zhǔn)確的，可媲美實驗測定結(jié)果；另有45%的預(yù)測足以在很多場景使用。

人工智能極大提升了蛋白質(zhì)結(jié)構(gòu)預(yù)測的效率，這也是AI預(yù)測蛋白質(zhì)結(jié)構(gòu)近幾年被人熟知的原因，但其背后的計算生物學(xué)卻已經(jīng)歷多年發(fā)展。計算生物學(xué)是根據(jù)不同類型的生物數(shù)據(jù)構(gòu)建算法和模型，從而理解生物系統(tǒng)本身，并推進相關(guān)研究及應(yīng)用的學(xué)科。

隨著人工智能的發(fā)展，計算生物學(xué)正在被激活。浦發(fā)硅谷銀行《醫(yī)療健康行業(yè)投資與退出趨勢》報告顯示，2021年美國市場投向計算生物學(xué)公司的金額達到59億美元，一年增長高達3倍，超過非計算生物學(xué)公司投資的兩倍。在2019年以來首次完成種子輪/A輪融資的707家生物制藥和研發(fā)工具公司中，計算生物學(xué)公司有129家，占比為18%。2021年對計算生物學(xué)公司的投資額激增，幾乎是2019年和2020年募集資金總和的兩倍。

在我國，各研究機構(gòu)和企業(yè)也正開展相關(guān)布局。如近日，由清華大學(xué)人工智能產(chǎn)業(yè)研究院孵化的AI制藥企業(yè)華深智藥對外宣布，其在AI和生命科學(xué)結(jié)合領(lǐng)域取得突破：研究人員在蛋白質(zhì)結(jié)構(gòu)預(yù)測方面開發(fā)出全新技術(shù)。據(jù)華深智藥官方介紹，該技術(shù)僅從單條蛋白序列就能預(yù)測出蛋白質(zhì)3D結(jié)構(gòu)的算法。

加速藥物研發(fā)、為精準(zhǔn)醫(yī)療提供助力

計算生物學(xué)正在改善傳統(tǒng)制藥行業(yè)高投入、高技術(shù)、高風(fēng)險、長周期的特性，加速藥物研發(fā)過程。有分析機構(gòu)認為，目前我國計算生物學(xué)發(fā)展的主要方向仍是AI制藥，相關(guān)創(chuàng)業(yè)公司在2017—2021年呈現(xiàn)出爆發(fā)式增長，且都已獲融資。從商業(yè)模式上看，整個行業(yè)以面向企業(yè)提供服務(wù)為主。

除此之外，計算生物學(xué)也為精準(zhǔn)醫(yī)療的實現(xiàn)提供了助力。

有分析機構(gòu)認為，在應(yīng)用方面，計算生物學(xué)產(chǎn)業(yè)可大致分為三類：一是計算推演生物性質(zhì)及原理，如蛋白質(zhì)結(jié)構(gòu)預(yù)測、致病機理研究、蛋白質(zhì)相互作用預(yù)測、抗體和抗原的表位預(yù)測、基于基因組學(xué)尋找疾病成因或?qū)ふ倚滦偷纳飿?biāo)志物等。二是搭建預(yù)測及判斷模型，如AI制藥中基于靶點的化合物性質(zhì)預(yù)測，疾病診斷、監(jiān)控、治療建模，涵蓋細胞、器官、人體的生物模擬器等。三是對生物體進行控制改造，如新療法、藥物開發(fā)、精準(zhǔn)醫(yī)療和生物制造。其中精準(zhǔn)醫(yī)療或?qū)⒊蔀橛嬎闵飳W(xué)長期的重點發(fā)力方向。在這個方向上，國外已出現(xiàn)了基于多組學(xué)布局的企業(yè)。

如2021年11月，阿斯利康、德國默克、輝瑞和梯瓦等6家大藥廠與亞馬遜、以色列生物科技基金共同推出了創(chuàng)新實驗室——AION Labs。該實驗室的模式是：在以色列初創(chuàng)生態(tài)系統(tǒng)下，建立和投資基于AI和計算生物學(xué)技術(shù)進行藥物發(fā)現(xiàn)和開發(fā)的初創(chuàng)公司，并為這些公司提供資源、指導(dǎo)，以及合作開發(fā)新技術(shù)，最后反哺制藥行業(yè)。AION Labs 在一份聲明中指出，其投資的初創(chuàng)公司將利用AI和云計算更快、更高效地找到新的治療方法，推進以患者為中心的精準(zhǔn)醫(yī)療。

相關(guān)鏈接

實現(xiàn)商業(yè)化，計算生物學(xué)還需邁過這些坎

雖然計算生物學(xué)已逐漸走入人們的視野，但它要想實現(xiàn)商業(yè)化還面臨著一些關(guān)鍵瓶頸問題有待突破。

首先是對生物底層原理的進一步明確。目前，還有大量關(guān)于生物學(xué)本身的底層機制有待研究透徹，在進行模型構(gòu)建、生物驗證時，需要引入這些知識來減少不符合領(lǐng)域認知的偏差，保證準(zhǔn)確率。

其次是要有統(tǒng)一的計算和數(shù)據(jù)框架。計算生物學(xué)要最終落地，模型要能夠覆蓋多組學(xué)數(shù)據(jù)、多環(huán)節(jié)及功能并行。同時，還需要保證計算生物學(xué)中的多種異構(gòu)數(shù)據(jù)，例如圖像、視頻、分子圖譜、DNA代碼、基因表達、電信號等，有明確的標(biāo)準(zhǔn)和通用格式，以便在不同算法和平臺之間互操作。

此外，還有消費級數(shù)據(jù)的獲取、工程落地能力、行業(yè)信任與模型可解釋性問題，以及數(shù)據(jù)隱私問題等。

(編輯:月兒)