“人工智能原创新药”进入二期临床试验，诺奖得主感到兴奋
近日，研发中心设在上海张江的英矽智能公司在《自然·生物技术》杂志发表论文，介绍了生成式人工智能发现和设计的候选新药INS018_055（代号）从人工智能算法开发到Ⅱ期临床试验的研发历程，并披露了这个候选新药在临床前实验和临床试验中的数据和表现。论文显示出人工智能驱动的药物发现方法带来的降本增效优势，以及它在推动生物医药产业变革方面的巨大潜力。
INS018_055用于治疗特发性肺纤维化，这是一种导致肺功能进行性、不可逆转下降的慢性肺部疾病，在全球存在大量未被满足的医疗需求。随着病情进展和肺部纤维化的加重，患者的呼吸功能不断恶化，严重者最终会死亡。这个用生成式人工智能开发的新药如果在临床试验中取得成功，将成为全球首创的TNIK抑制剂。TNIK是人体内的一个药物靶点，以前科学家认为它和癌症有关，而人工智能平台发现，它可用于治疗特发性肺纤维化这一疾病。
人工智能驱动抗纤维化TNIK抑制剂研发进程
英矽智能创始人、首席执行官亚历克斯·扎沃隆科夫博士介绍，公司研发团队采用与组织纤维化相关的组学和临床数据集，对Pharma.AI平台下属的靶点发现引擎PandaOmics进行训练。在此基础上，PandaOmics引擎通过深度特征合成、因果关系推断和全新通路重建等过程，生成了潜在靶点列表。之后，PandaOmics引擎的自然语言处理模型分析了涵盖专利、出版物、研发基金、临床试验等文本数据的数百万个文本文件，深入评估这些潜在靶点的新颖性及其与疾病的关联性，最终确定TNIK为最有潜力的抗纤维化靶点。
“以往的研究显示，TNIK与多种纤维化驱动生物通路有间接关联，但没有科学家认为它可作为特发性肺纤维化的治疗靶点，这说明人工智能在新药发现上能取得原创性成果。” 扎沃隆科夫说。
确定TNIK靶点后，研发团队利用Pharma.AI平台下属的生成化学引擎Chemistry42，生成了创新分子结构，旨在得到安全、特异性、高效的TNIK抑制剂。这个引擎融合了40多种生成化学算法和500多个预训练奖励模型，可生成新颖化合物，并根据专家反馈进行虚拟筛选、优化生成结果。经过人工智能平台的多次筛选，研发团队合成并测试了70多个分子，最终获得候选分子INS018_055。
扎沃洛科夫博士（左）与任峰博士合作研发新药。
在中国和新西兰开展的I期临床试验中，这个小分子药物用于126名健康受试者，显示具有良好的安全性、耐受性和药代动力学特征，支持后续临床试验开展。目前，Ⅱ期临床试验正在中国和美国进行，120名患者参与了试验。
“结合人工智能方法和科学家经验，我们成功提名了这款有全球首创潜力的抗纤维化抑制剂。在药物早期发现过程中，人工智能大幅降低了时间和经费投入。”英矽智能联合首席执行官、首席科学官任峰博士说，“我们期待INS018_055在Ⅱ期临床研究中有良好表现，为患者提供新的治疗选择，也为AI制药技术带来更坚实的例证。”
诺贝尔化学奖得主迈克尔·莱维特博士表示：“英矽智能试图将AI应用于药物早期发现和设计的全流程，这让我感到非常兴奋。他们不仅发现了新靶点，还加速了整个药物发现过程，在TNIK项目中成功验证了自研的AI方法。”