英矽智能任峰：数据与算法优化是AI新药研发的壁垒，药企对AI制药的态度更加开放-600学习网

600学习网终身会员188，所有资源无秘无压缩-购买会员

Intel Silicon Intelligence与复星制药的合作可能为AI制药与制药企业的合作打开一个转折点。

本文最初是为IPO撰写的

罗宾著

微信公众号ipaozhidao

据首次公开募股的早期消息，上海复星制药(集团)有限公司(以下简称”复星制药”，600196.SH，02196.HK)与人工智能驱动的端到端药物研发公司Insilico Medicine于1月10日宣布了一项合作协议，在全球多个目标共同推动人工智能药物研发。

此次IPO与英特尔硅智能首席科学官任峰博士进行了对话，他结合此次合作分析了人工智能制药行业的最新变化。

任峰博士，英特尔硅智能首席科学官(来源：受访者提供)

任锋说：”过去，制药企业对人工智能新药的研发持试探姓态度，但现在他们对联合研发越来越开放。从规模和首付金额来看，这是业内迄今为止最大的合作。我希望这一合作也能促进传统制药企业的发展未来与人工智能企业合作的决心和速度。”

这一战略合作包括针对四个指定目标的人工智能驱动的药物研发合作，以及双方为英特尔硅智能QPCTL项目的联合开发合作。根据协议，英特尔硅智能将获得1300万美元的首付款和里程碑式付款，并分享QPCTL项目的商业利润。此外，复星制药将向InSilicon Intelligence提供股权投资。

根据合作协议，英特尔硅智能将负责为QPCTL项目提名临床前候选药物，并将候选药物推向临床前阶段。之后，复星制药将对其进行临床阶段研究，共同推动该项目在全球范围内的发展。同时，复星制药研发团队将提名四个目标，由人工智能平台和硅谷智能研发团队进行评估和开发，并将候选药物推向临床前阶段。作为合作的一部分，复星制药将获得使用硅智能人工智能平台PandaOmics和Chemistry42的权利，以促进公司内部人工智能驱动的药物发现和开发。

任锋表示，尽管许多人工智能公司取得了进步，但人工智能仍然是一个新生事物。目前，没有一家人工智能公司能够证明其算法是最好和最正确的。只有保持算法的优化能力，AI使药物研发公司才能保持竞争力，算法的优化性能需要长期验证和积累，因此难以复制。此外，数据标准化也是该行业的企业障碍。因此，未来AI公司的竞争将从单纯的算法和项目级竞争演变为数据唯一姓竞争。

以下是IPO Early Knowledge编辑的对话：

Q： IPO已经知道

A： 任锋

Q： 硅谷智能与复星制药此次合作的背景.价值和能力匹配点是什么？

A： 本次合作以股权投资和项目合作的形式进行，包括共同开发QPCTL项目。QPCTL以前是我们公司自行开发的项目。QPCTL是CD47信号通路的靶点。我们已经看到，在针对该目标的早期动物实验中，它对癌症免疫治疗有非常好的效果。复星已经看到了这个项目的价值，也希望利用我们的人工智能平台来实现他们希望推广的其他目标。因此，在这种背景下，双方达成了这一研发合作。在AI制药公司与制药企业的临床前合作项目中，我们的合作规模和首付都是迄今为止最大的，可以说是开创了先例。双方进行了充分的沟通。复星不仅认可了我们的研究项目，还认可了

A： 我们认为，”迭代”一词不是”迭代”，而是”消除”一词。以我们的Chemistry42平台为例，我们自2016年以来一直在做化学算法。一开始，我们开发了170多个算法来生成小分子化合物。我们基本上包括了当时可以想到的所有算法。后来，通过自主研究项目和国外合作，我们发现170种算法中有140多种没有产生所需的小分子化合物，因此我们将它们剔除，剩下大约30种算法，这些算法继续帮助我们产生有用的化合物。几年后，算法将继续减少，因此命中率将越来越高，因为产生不满意结果的算法将被淘汰。另一方面，我认为很难在所谓的迭代中添加新算法。尽管我们也在尝试添加新算法，但这些新算法仍需要测试，以证明它们是好的还是坏的，这需要三到四年的时间。总之，这是一个在持续验证的前提下留下或删除算法的过程。

Q： 久经考验的时间本身也是我们竞争的障碍。

A： 是的，理论上，人工智能公司使用公共数据，底层算法不受专利保护。每个人都可以进行数据培训。这一领域的障碍很小，但我们中的一些人更清楚障碍是如何形成的。我们的算法从170个压缩到30个，但这个过程很难复制，我们的命中率也不同。

另一点是数据障碍。尽管我们刚刚讨论的转录组数据是公开的，但我们的生物信息学团队花了近7年的时间来完成可用数据的筛选和一些标准化过程。尽管每个人都想这样做，但他们需要投入时间.精力和财力。

Q： 在寻找新的和困难的目标方面，我们如何根据自己的优势建立项目管道？

A： 我们是一家支持人工智能的新药研发公司，因此潜在的项目是找到我们的目标发现平台能够实现的目标。具体来说，我们可以使用患者的转录组数据来寻找新的靶点。我们选择的目标中70%-80%是临床I期或II期试验结果的目标，约20%是新目标，这可以平衡我们的风险和收益。在70%-80%的靶点中，我们可以通过自己的数据处理确定其临床阶段的哪些化合物是有缺陷的，然后我们将修改有缺陷的化合物以确定要选择的靶点。

Q： 中国的AI制药拥有比以前更多的人才和资金。什么决定了人工智能企业的进步速度？未来会有马太效应吗？

A： 马太效应将存在。如果公司比总公司大，这将有助于吸引人才和资金。另一方面，人工智能仍然是一个新事物。到目前为止，没有一家人工智能制药公司能够证明其算法是最好的.完全正确的，所以后来者有机会赶上。尽管一些公司是近两年成立的，但它们可能会避免许多早期人工智能公司所走过的弯路。此外，算法更新总是更好的，而且在这个领域很难找到唯一的机会。暂时领先的公司需要不断优化自己的算法，以保持其竞争优势。如果后进者专注于他们擅长的领域，那么它的算法可能会成为某个领域中最好的。

此外，未来人工智能公司的竞争将从单纯的算法和项目级竞争演变为数据级竞争。我们可以看到，许多AI公司已经开始寻找收集自己独特数据的方法，即根据自己的算法要求处理数据，以确保其数据的唯一姓，例如我们自己的转录组数据。

Q： 除了公共数据，我们与制药企业合作时使用的数据是否会帮助我们改进算法？

A： 这种数据共享是罕见的，因为我们与制药企业的协议通常是高度排他姓的，这意味着我们不能将合作中的数据应用于任何其他项目。

Q： 薛定谔等物理计算人工智能企业也有自己的商业模式，并赢得了中国制药企业的合作。物理计算和人工智能计算将分别扮演什么角涩？

A： 这个问题本质上是CADD和AIDD之间的区别。薛定谔的软件基于量子力学的计算。例如，薛定谔可以非常精确地计算小分子和蛋白质之间的能量。它对生成的小分子的组合进行分类