在科技交叉越來越頻繁的當下，人工智能、機器人技術、數字生物學已經成為了底層的 “數字基建”，為生命科學的發(fā)展帶來了越來越多的突破。那么，當人工智能、機器人技術、數字生物學等被寄予厚望的技術相互疊加時會發(fā)生什么？指數型技術的融合將如何改變傳統(tǒng)藥物研發(fā)？
本周 AI 制藥領域的明星公司英矽智能完成 D 輪融資，同步首次官宣了正在建設中的全自動化智能機器人藥物研發(fā)實驗室。作為影響第五次工業(yè)革命的前沿技術的融合落地應用場景，這個實驗室不僅有望高效變革早期藥物發(fā)現流程，同時也將作為機器人生物數據工廠，補充龐大的數據資源，以進一步對其人工智能平臺的訓練與迭代。
為早期藥物發(fā)現注入新動能
英矽智能成立于 2014 年是最早一批人工智能制藥公司，在創(chuàng)立之初就試圖以人工智能驅動早期藥物發(fā)現的關鍵步驟。在不斷訓練夯實人工智能技術并汲取跨國藥企的合作經驗后，英矽智能推出了包括人工智能靶點發(fā)現引擎 PandaOmics、小分子化合物生成引擎 Chemistry42 等在內的 Pharma.AI 人工智能平臺，并在自有生物醫(yī)藥研發(fā)管線和外部合作項目中，對平臺的藥物發(fā)現能力展開驗證。
英矽智能創(chuàng)始人兼首席執(zhí)行官 Alex Zhavoronkov 博士表示，現在想要做的就是把這些經過驗證的人工智能平臺應用于機器人實驗室場景，進一步自動化藥物發(fā)現能力：“我們希望走得更遠，不止于人。我們想先做動物實驗，對動物細胞、動物組織進行剖析，從而深入了解人類生物學，并學習如何從動物組織、動物細胞中識別靶點、進行驗證并將其與人類聯系起來。這是因為生物制藥行業(yè)最大的問題之一就是轉化，我們想要確保動物和人類數據完全匹配。”
智能機器人實驗室通過將人工智能與機器人、自動化技術相結合，利用機器人自動化技術完成傳統(tǒng)由人工操作的等早期藥物研發(fā)中的生物學實驗。此外，實驗中產生的所有新數據，可以用來進一步擴充英矽智能龐大的在線數據庫。“我們計劃將智能機器人實驗室與英矽智能自主研發(fā)的人工智能平臺形成閉環(huán)，從而實現對人工智能預測結果的實驗驗證，以及實驗數據驅動的 AI 算法迭代優(yōu)化。我們期待通過智能機器人實驗室?guī)椭卣箖炔孔匝泄芫€，同時也為生物醫(yī)藥產業(yè)的發(fā)展注入新動能。”
從概念到實踐，智能機器人實驗室的應用
從生物學角度，機器人實驗室可以進行自動化高通量生物活性測試，支持高內涵高通量篩選及下一代基因測序；在藥代動力學方面，機器人實驗室可以自動收集溶解度、透膜度、代謝穩(wěn)定性等眾多體外數據。此外，實驗室在靶點發(fā)現和驗證方面也有著更廣泛的應用，比如促進合成致死領域的靶點發(fā)現等。
具體而言，智能機器人實驗室首先通過靶點發(fā)現平臺 PandaOmics 將靶點和特定疾病聯系起來，然后利用機器人自動化技術完成傳統(tǒng)由人工操作的靶點驗證生物學實驗，包括：基因敲除/插入、體外分析和測序、細胞成像和觀察、深度表型分析等，最終幫助科學家進一步確認靶點。
英矽智能首席科學官任峰博士介紹道：“機器人實驗室可以利用基因編輯或者化合物對細胞進行干擾，通過對干擾前后的細胞分別進行高通量和高內涵成像，可以對比細胞在干擾前后的表型變化。此外，對干擾前后的細胞分別進行測序可以幫助確認化合物到底影響了哪些基因的表達。這樣，就可以比較容易地找到化合物所影響的基因，并了解這些基因與哪些表型相關聯。”
“人工智能賦能新藥研發(fā)的競爭，會逐漸從算法的競爭過渡到數據的競爭。” 英矽智能建立該實驗室的初衷之一就是產生更多的獨有和合作的數據，從而幫助人工智能算法優(yōu)化。此外，藥物研發(fā)實驗室在自動化的基礎上，加入了人工智能的元素，使該自動化的流程不是由人而是以由 PandaOmics 為代表的人工智能來控制，這也是智能機器人實驗室與普通自動化實驗室的最大區(qū)別。任峰認為，“智能機器人實驗室是未來的發(fā)展方向，以后它的應用會越來越廣泛，人類的重復性勞動將逐漸被機器所取代。”
聯動生態(tài)圈上下游打造行業(yè)標桿
而這樣一個融合人工智能、機器人技術、數字生物學等跨界學科的智能機器人實驗室，也離不開生態(tài)圈上下游的支持。
英矽智能合作伙伴之一上海匯像的創(chuàng)始人兼總經理劉家朋博士表示，人工智能正在引領人類全新的工業(yè)革命，而這也催生了實驗室自動化從單機模塊自動化向超級機器智能的裂變。“這樣一個超級機器人實驗室是破界融合的產物，擁有超過人類的正確性與重復性，可以將知識技能可視化與共享化，實現高柔性、高通量和高安全，將科學家從簡單的重復工作中解放出來，去做更有價值、更有意義的事情。”
為實驗室提供數據化解決方案的合作伙伴還包括全球領先的云計算服務及云解決方案提供商亞馬遜云科技（AWS），基因芯片及基因測序專家因美納（Illumina），人工智能計算的引領者英偉達（NVIDIA）等生態(tài)圈伙伴。在早前 “智能實驗室驅動藥物研發(fā)的探索與展望” 的網絡研討會中，多家合作伙伴也就數字化解決方案，如何引領藥物研發(fā)的下一波浪潮各抒己見。
亞馬遜云科技（AWS）醫(yī)療與生命科學行業(yè)高級總監(jiān)黃慶春表示：“在數據的使用上，我們是否可以從應用場景出發(fā)來考慮數據的實際使用？相比于傳統(tǒng)的把所有數據保存下來并逐漸豐富的模式，我們是不是可以反過來，以終為始，倒推需要什么數據和技術，然后搭建相應的團隊，從而讓藥物研發(fā)更加有靶向性。”
因美納（Illumina）大中華區(qū)醫(yī)學總監(jiān)汪敏博士表示：“基于細胞系的藥物反應研究，一直是新藥研發(fā)非常重要同時具有挑戰(zhàn)性的一環(huán)。依托先進的 AI 圖像算法，自動化細胞成像可以產生細胞形態(tài)的海量數據集，從而用于藥物發(fā)現或者藥物作用機制的研究。 但僅根據細胞形態(tài)這樣的表型信息，能否幫助建立準確的 AI 模型？畢竟，僅觀察細胞表型的變化，無法得知細胞內部的變化。從這個角度而言，基因測序，特別是對單細胞的基因測序，可以幫助我們獲得正常的細胞和疾病細胞之間的基因表達變化，從而為 AI 建模和藥物的作用機制提供有價值的信息。”
英偉達（NVIDIA）醫(yī)療行業(yè)銷售總監(jiān)Wilson Zhao表示，“如何保證數據的一致性和重復性，從而迭代優(yōu)化 AI 模型，是未來人工智能發(fā)展的一大挑戰(zhàn)。其次還有數據共享的問題。對一些藥企而言，數據是非常重要且敏感的資產。如何保證更多優(yōu)質公共數據的共享與獲取，也是未來數據化解決方案面臨的一大難題。此外，藥物研發(fā)本身周期長，成本高，成功率低。除了早期的靶點發(fā)現分子設計，后期的臨床前實驗、臨床試驗也要耗費巨大的時間和金錢。如果能夠通過人工智能提高藥物研發(fā)后期如臨床試驗的成功率，我想可能會給整個行業(yè)帶來信心。”
結語
據介紹，英矽智能的智能機器人實驗室籌建于蘇州生物醫(yī)藥聚集高地 BioBAY 園區(qū)，占地面積超過 1600 平，組建一支由擁有豐富經驗的醫(yī)藥研發(fā)科學家，生物自動化科學家，生物信息科學家，人工智能科學家及軟件開發(fā)科學家組成的智能藥物研發(fā)團隊，并團結國內外多方專家及機構，計劃于今年第三季度起分步投入運營。
藥物研發(fā)是一場耗時久、花費高的數據解謎游戲。通過對人工智能、自動化、機器人和生物學能力的深度融合，期待英矽智能持續(xù)探索智能自動化在數據處理及新藥研發(fā)領域的應用可能，從而為行業(yè)的融合創(chuàng)新及更多創(chuàng)新候選藥物的研發(fā)注入新動能。
