2021中国AI计算制药产业报告：药物发现篇_2021-11-17-33页_4mb

2021中国AI/计算制药产业报告：药物发现篇总结

核心内容

本报告聚焦中国AI/计算制药产业的发展现状，分析其在药物研发中的应用情况，并探讨未来的发展趋势与挑战。报告指出，AI和物理计算是当前药物研发的两种主要范式，分别以数据驱动和物理规则驱动，共同推动药物研发从传统实验科学向“AI/计算+实验”模式转变。

主要观点

1. AI与物理计算的范式对比

   • AI制药以数据驱动，通过归纳法挖掘规律，适用于虚拟分子生成、活性预测等场景。
   • 物理计算以第一性原理为基础，通过演绎法模拟分子作用，适用于分子从头设计、虚拟筛选等场景。
   • 两者互补，在各自适合的场景发挥优势。

2. 全球AI/计算制药发展

   • 全球AI/计算制药已进入价值验证阶段，超过30款AI/计算技术参与的药物进入临床试验。
   • 资本市场对AI/计算制药认可度提升，全球已有十余家公司成功上市。

3. 中国AI/计算制药发展

   • 中国AI/计算制药产业虽起步较晚，但发展迅速，主要集中在小分子药物的药物发现领域。
   • 2020年成为突破元年，多款AI制药产品进入临床试验阶段。
   • 投融资热度高涨，互联网巨头纷纷入局，推动行业发展。

4. AI/计算制药的未来

   • 未来将出现更多以AI和计算为主导的新型Biotech公司。
   • AI/计算制药技术将成为广泛应用的工具，逐步实现平台化、规模化产出。

技术应用现状

应用阶段

• 当前处于“单点突破”阶段，AI和计算主要用于药物发现的某些环节，如靶点发现、分子生成、活性预测等。
• 仍需专家参与和实验验证，以确保数据的准确性和模型的可靠性。

应用目标

• 短期目标：通过AI和计算技术提升药物研发效率，降低研发成本。
• 长期目标：实现规模化、平台化产出新药，推动行业变革。

代表性应用场景

• 靶点发现：通过大数据分析挖掘潜在药物靶点。
• 分子生成：利用AI生成新的药物分子，拓展化学空间。
• 活性预测：预测分子与靶点之间的相互作用，减少实验次数。
• ADMET预测：预测药物的吸收、分布、代谢、排泄和毒性。
• 虚拟筛选：利用计算机模拟筛选药物分子，提高效率。
• 化合物合成路线预测：预测最有效的合成路径，优化研发流程。

挑战与展望

数据问题

• 数据不充足、不规范、私有化严重，限制AI技术的应用。
• 需要建立统一的数据标准和高质量的实验数据集。

人才问题

• AI/计算制药属于多学科交叉领域，缺乏复合型人才，成为行业发展的瓶颈。

技术局限

• 当前经典AI技术适用于确定性环境，而药物研发存在不确定性，需要灵活性和创造性。

未来趋势

• 随着技术进步，AI/计算制药将逐步实现从“工具”到“主导”的转变。
• 未来将出现更多以AI和计算为主导的Biotech公司，推动药物研发模式的变革。

中国AI/计算制药产业图谱

• 主要角色：包括AI/计算技术公司、药企、科研机构、投资机构等。
• 代表企业：晶泰科技、星药科技、英矽智能、深势科技等。
• 产业链：从药物发现、分子生成、活性预测到药物开发，AI/计算技术逐步渗透。

投融资情况

• 国内投资热度高涨：2015-2021年，AI/计算制药领域投融资金额持续增长。
• 单笔融资额破纪录：晶泰科技C轮融资达3.188亿美元，创全球纪录。
• 互联网巨头入局：阿里巴巴、腾讯、字节跳动、百度、华为等均布局AI制药领域。

总结

中国AI/计算制药产业正处于快速发展阶段，尽管面临数据不足、人才短缺等挑战，但其在药物发现环节的应用已取得初步成果。随着技术进步和资本支持，AI/计算制药有望在未来实现规模化和平台化发展，成为推动药物研发效率提升和行业变革的重要力量。