亿欧智库《2021中国AI计算制药产业报告：药物发现篇》_33页_4mb

2021中国AI/计算制药产业报告：药物发现篇总结

核心内容概述

本报告由亿欧智库发布，聚焦于中国AI/计算制药产业的发展现状及未来趋势，特别是药物发现领域的应用情况。报告指出，传统药物研发存在周期长、成本高、成功率低等问题，而AI和计算制药作为新兴范式，正在改变这一现状。

主要观点

1. AI与物理计算制药是两种新范式

   • AI制药是数据驱动，通过机器学习挖掘数据规律，优化药物研发环节。
   • 物理计算制药基于物理规则进行分子和原子层面的模拟，不依赖数据，由物理原理和算力驱动。
   • 两种范式各有优劣，AI适用于数据丰富的场景，如虚拟分子生成和活性预测；物理计算适用于靶点蛋白与分子模拟设计等。

2. 全球AI/计算制药进入价值验证阶段

   • 全球已有超过30款AI/计算技术参与研发的药物进入临床试验阶段。
   • 10多家公司成功上市，涵盖细胞图像处理、分子生成、变构药物开发等多个领域。

3. 中国AI/计算制药迎来第一波发展浪潮

   • 虽起步较晚，但发展迅速，2018年和2020年是公司成立高峰期。
   • 技术应用主要集中在药物发现阶段，如靶点发现、分子生成、活性预测等。

4. 未来趋势：AI/计算制药将成为主流工具

   • 未来将出现更多以AI和物理计算为主导的新型Biotech公司。
   • 技术将从单点突破走向规模化、平台化产出，推动行业变革。

技术应用现状

应用阶段

• 当前处于“单点突破”阶段，AI/计算技术在药物研发中发挥辅助作用，仍需专家参与和实验验证。

应用目标

• 从降本增效到实现规模化、平台化产出。
• 目标是减少实验次数，提高效率，最终实现AI驱动的新药研发能力。

应用场景

• 靶点发现：通过分析基因和蛋白质数据，识别潜在靶点。
• 分子生成：利用AI生成新分子，拓展化学空间。
• 活性预测：通过机器学习预测分子与靶点的相互作用。
• ADMET预测：预测药物的吸收、分布、代谢、排泄和毒性。
• 虚拟筛选：在实验前利用计算机模拟筛选有效分子。
• 化合物合成路线预测：优化合成路径，提高效率。

挑战与展望

数据问题

• 医药数据存在不充足、不规范、私有化等问题，限制AI应用。
• 需要系统、高通量地收集标准化数据。

人才问题

• AI/计算制药涉及多学科，复合型人才匮乏。
• 人才培养与学科融合是行业发展的关键。

技术局限

• 当前AI技术多处于弱人工智能阶段，适合确定性环境下的单任务处理。
• 药物研发存在不确定性，需要创造性和灵活性。

未来发展

• AI/计算制药将从辅助工具发展为广泛应用的平台型技术。
• 未来将诞生更多以AI和计算为主导的Biotech公司。

中国AI/计算制药产业图谱

• 企业类型：分为以AI为核心和以物理计算为核心两类。
• 代表企业：
  • 晶泰科技：完成多轮融资，C轮融资创全球记录。
  • 星药科技、英矽智能、望石智慧、XtalPi等。
• 技术应用：主要集中于小分子药物的发现和开发。

资本与市场发展

• 全球发展：2020年是AI/计算制药突破元年，多公司成功上市。
• 中国市场：AI/计算制药公司融资热度高涨，尤其是近两年。
• 互联网巨头：阿里巴巴、腾讯、字节跳动、百度、华为等均布局AI制药，推动行业发展。

产业前景与建议

• AI/计算制药技术将在未来广泛应用，推动药物研发效率提升。
• 需要解决数据不足、人才短缺等关键问题。
• 企业应积极探索AI/计算技术在药物研发中的应用，提升竞争力。

结语

AI/计算制药作为新技术驱动的药物研发范式，正在全球范围内快速演进。中国虽起步较晚，但凭借创新药产业的崛起和资本的推动，正迎来第一波发展浪潮。未来，随着技术的成熟和数据的积累，AI/计算制药有望实现从辅助工具到平台型技术的转变，推动行业发生质变。