AI制药行业发展综述
发展历程
在过去的20年中，生物医药和人工智能领域取得了重大进展，两者深度融合推动了AI制药的兴起。随着生物技术（BT）和信息技术（IT）的不断深化，AI制药行业持续快速发展，为人类健康事业提供更强动力。
产业链分析
AI制药产业链分为三个部分：上游、中游和下游。
- 上游：主要包括提供AI技术和提供生物技术的企业。AI技术涵盖服务器、芯片、机器学习、深度学习算法、数据收集和处理平台等。生物技术企业包括提供CRO服务的企业和提供高端设备的企业。
- 中游：包括AI+Biotech、AI+CRO、AI+软件/服务三类企业。AI+Biotech企业专注于药物本身的性质或治疗手段，如小分子药物、大分子药物和细胞基因疗法。AI+CRO和AI+软件/服务企业在商业模式、团队规模等方面有所不同。
- 下游：包括传统药企、Biotech公司和CXO企业，通过合作和授权等方式推动药物研发和销售。
技术原理与应用场景
AI制药技术主要分为两类：人工智能算法和前沿生物技术。
- 人工智能算法：包括机器学习、深度神经网络、深度强化学习等。数据来源包括实验数据库、开源数据库、物理模拟生成的数据库和清理后的公开信息。算力支持来自CPU、GPU等硬件设备。
- 生物技术：包括蛋白质结构预测、蛋白质与多肽类药物设计、ADMET性质预测、药物晶型预测和逆合成预测等。
关键应用场景
- 靶点发现和识别：通过多组学分析、基于序列的蛋白质可药靶性发现、基于网络的可药靶性发现和基于网络药理学的靶标发现。
- 虚拟筛选：基于结构的虚拟筛选和基于配体的虚拟筛选。
- 药物从头设计：基于原子的、基于片段的和基于反应的方法。
- 大分子药物从头设计：蛋白质结构预测和蛋白质与多肽类药物设计。
- ADMET性质预测：利用机器学习和深度学习模型。
- 药物晶型预测：基于计算的分子晶型预测。
- 逆合成预测：单步逆合成预测和多步逆合成预测。
- 临床试验：预测临床试验结果、辅助临床试验设计、患者招募和临床试验数据处理。
海外上市企业发展现状
- 企业数量：截至2023年，已有二十余家AI制药公司成功上市，上市时间集中在2020年后。
- 商业模式：主要包括提供软件平台服务、药物研发服务和管线授权。
- 代表企业：
- Schrödinger：市值22亿美元，提供虚拟筛选、药物设计和ADMET性质预测等服务。
- Recursion Pharmaceuticals：专注于药物从头设计和逆合成预测，市值较高。
- Exscientia：市值6.9亿美元，提供药物研发服务和管线授权。
数据亮点
- Schrödinger：2022年营收1.81亿美元，自研管线共38条，MALT1抑制剂SGR-1505和CDC7抑制剂SGR-2921已进入临床阶段。
- Recursion Pharmaceuticals：专注于药物从头设计和逆合成预测，拥有多个处于临床阶段的项目。
- Exscientia：市值6.9亿美元，通过与罗氏、拜耳等大型药企合作，推动药物研发。
结论
AI制药行业正迎来快速发展，通过不断的技术创新和商业模式探索，有望在药物研发领域发挥更大作用。
