【AI药物发现专题】中国AI计算制药产业报告：药物发现篇.pdf

研究报告研究报告20212021中国中国AI/AI/计算制药计算制药产业报告：药物发现产业报告：药物发现篇篇亿欧智库 https:/ reserved to EqualOcean Intelligence,January 2021行业报告资源群1.进群即领福利报告与资源合编，内有近百行业、万余份行研、管理及其他学习资源免费下载；2.每日分享学习最新6+份精选行研资料；3.群友咨询，群主免费提供相关行业报告，以供参考。知识星球 行业与管理资源知识星球 行业与管理资源 是投资、产业研究、运营管理、价值传播等专业知识库，已成为产业生态圈、企业经营者及数据研究者的智慧工具。知识星球 行业与管理资源每月更新5000+份行业研究报告、商业计划、市场研究、企业运营及咨询管理方案等，涵盖科技、金融、教育、互联网、房地产、生物制药、医疗健康等；加入后无限制免费下载阅读。微信扫码，长期有效微信扫码，行研无忧业务合作与沟通，请联系客服微信客服微信1客服微信2序言INTRODUCTION人类可以设计一艘宇宙飞船精准到达38万公里之外的月球，但却无法设计出一枚直击疾病的完美药物分子。也就是说，凭借我们掌握的生命科学知识加之物理、化学的底层逻辑，还无法推导出完美药物的设计方案。传统的新药研发是一项复杂的系统工程，通过大规模的筛选发现先导化合物后，还需要药物专家反复的体外实验、动物试验和人体内试验来进行测试、优化，直到证明这个分子足够安全有效才会被获批上市。这门至今以实验科学为基础的领域，仍高度依赖药物学家的个人经验与创造力，还无法摆脱周期长、成本高、成功率低等问题。一个创新药从研发到最后上市，需要花费数十亿美元和10 15 年的时间。鉴于种种痛点，如何将计算机等新技术和新方法应用于药物研发领域是制药行业一直以来探索的革新方向。亿欧大健康持续关注人工智能等新技术如何同医疗产业结合，推动行业带来的效率提升乃至行业变革。近年来，我们注意到，伴随着人工智能等新技术的突破性发展，人工智能为代表的计算机技术也被越来越广泛应用于药物研发领域，特别是在临床前药物研发领域，诞生了一批AI和计算驱动的药物研发公司，它们或以人工智能和计算为核心驱动力研发自有管线药物，或作为第三方服务于制药公司。同时，这些公司受到资本市场关注的热度也越发高涨。本报告旨在梳理现阶段中国人工智能/计算制药行业发展阶段以及人工智能/计算新技术在药物研发中的应用情况，为希望了解这个行业的创业者、医药企业以及跨界企业、投资人等提供参考。序言INTRODUCTION主要观点：1.AI和物理计算制药是两种新型的药物研发范式，前者是数据驱动，后者是基于物理规则的计算驱动。目前我们还无法利用AI直接设计出完美药物，或者计算出药物在人体中的安全有效性，这两种新研发范式的价值主要体现在优化现有药物研发环节，部分替代实验实现降本增效，未来有望实现量变到质变的蜕变。2.从全球行业发展阶段来看，AI/计算公司已经从技术概念过渡到价值验证阶段，全球已披露超过30款AI/计算技术参与研发的药物进入临床试验阶段；资本市场上也受到认可，全球已有10多家公司成功上市。3.在全球行业发展的带动之下，中国AI/计算制药公司的发展迎来第一波浪潮，国内应用以小分子药物居多，且主要集中在药物发现领域，包括分子生成、活性预测，虚拟筛选等领域，近期目标是提升药物研发效率，最终目标是实现规模化平台制药的能力。4.未来，AI/计算制药技术将成为广泛应用的工具，越来越多的AI和计算公司倾向于将自身定位为biotech公司，而不是CRO公司。可以预见，未来将诞生一批以AI和物理计算为主要技术驱动的新型Biotech公司。目录CONTENTS药物发现篇挑战与展望4.1 数据问题：医药行业的数据存在不充足、数据私有化和数据不规范等问题4.2 AI/计算制药属于多学科交叉领域，交叉复合型人才少限制行业发展4.3 当前的经典AI技术更适合在确定性环境下解决单领域、单任务问题，药物研发仍存在 不确定性，知识不够完备，而且需要创造性和灵活性4.4 人类生物学的发展仍有很多未解之困4.5 未来会诞生一批以AI和计算为主要驱动力的新型Biotech公司：越来越多AI/计算制药公司 从服务走向自主研发管线为主的Biotech之路中国AI和计算制药产业兴起第一波浪潮2.1 驱动力：传统药物研发模式周期长、成本高、风险大，需要新技术、新模式来改变现状2.2 驱动力：行业需求下，大数据、人工智能、计算技术的快速发展以及资本大力助推 等因素的共同作用下，全球AI/计算制药领域掀起发展热潮2.3 突破元年：2020年是全球AI/计算制药突破元年：资本市场和技术均实现重大突破2.4 上市热潮：2020年以来，全球已有十多家公司成功上市，涉猎领域较多元，包括细胞 图像处理，分子生成、变构药物开发等2.5 技术规模验证：AI/计算技术从概念走向规模化的验证期：至今，全球超过30款AI/计算技术 参与的候选化合物进入临床试验阶段，其中中国披露两款2.6 中国浪潮：全球AI/计算制药迅速发展叠加中国创新药产业崛起，中国AI/计算制药产业 迎来第一波浪潮，虽然起步稍晚但发展势头迅猛2.7 投融资：国内AI/计算制药公司投资热度高涨，特别是近两年达到高峰期2.8 国内AI/计算制药公司投资热度高涨，单笔投资金额曾破全球记录，互联网巨头纷纷入局2.9 中国AI/计算制药产业图谱中国AI和计算制药技术应用实现“单点突破”，在药物研发多环节落地发挥价值3.1 计算机和AI技术在药物研发中的历史近50年时间，中间经历高潮和低谷后，新一轮探索刚刚开始3.2 应用阶段：目前，AI/计算在药物研发中的应用处于“单点突破”阶段，仍需要专家参与 以及实验验证相互配合3.3 应用目标：从降本增效到实现规模化、平台化产出，最终实现量变到质变的革命3.4 代表性应用场景：靶点发现、分子生成、活性预测、ADMET预测、虚拟筛选、化合物 合成路线预测等序言及主要观点1.1 术语解释与研究范围界定1.2 历史演进：从神农尝百草到AI自动生成类药分子：药物研发模式有赖于科技进步向前推动1.3 新范式：AI和物理计算是目前流行的两种新范式，各有优劣5AI和计算制药领域概览及驱动力2021中国AI/计算制药产业报告：药物发现篇1.1术语解释与研究范围界定两种企业类型本报告所包含的公司分两类：一类是以人工智能为核心技术的公司，此类公司主要为数据驱动；另一类是以物理计算为核心技术的公司，是从基本的物理定律出发对微观世界的分子和原子如何运动进行计算模拟的一种研究范式，不依赖于数据，由物理原理和算力驱动。（本报告所提及“计算”均指物理计算）AI和计算制药技术应用范围：目前，药物研发是指从实验室发现活性化合物后反复测试并优化成为安全有效药物的系统工程，其包含了发现和开发两大阶段。药物发现包括三个步骤，分别是疾病相关治疗靶点的确认，先导化合物的发现及先导化合物的优化，最终获得候选药物，进入药物的开发阶段。发现活性化合物的方法包含偶然发现、随机筛选以及理性设计等手段。药物开发阶段是对候选药物进行临床前评价和临床试验评价的过程，需要对候选药物的药代、药理、毒理、安全性、有效性进行系统的评价。本报告涉及应用和企业主要集中在临床前阶段的药物发现阶段。本报告研究范围：中国AI/计算驱动的新药研发产业发展现状亿欧智库：药物研发阶段流程图资料来源：药物研发基本原理序言及主要观点 术语解释与研究范围界定历史演进与研究对象介绍中国AI和计算制药产业兴起第一波浪潮驱动力分析全球AI/技术制药产业核心进展中国AI/技术制药产业概览产业图谱中国中国AI和计算制药技术应和计算制药技术应用实现用实现“单点突破单点突破”，在药物研发多环节落地发在药物研发多环节落地发挥价值挥价值AI/计算技术发展大事记AI/计算技术应用特点及目标AI/计算技术应用场景介绍挑战与展望 6AI和计算制药领域概览及驱动力1.2历史演进：从神农尝百草到AI自动生成类药分子：药物研发模式有赖于科技进步向前推动药物研发正由“实验科学”向“AI/计算+实验”范式发展科学发展让我们对疾病的发病机理以及进展逐渐深入到分子层面，药物发现的模式随着新技术的发展也在不断拓展革新。药物发现的几种手段u 前工业时代的偶然发现：从古代到19世纪中期，新的药物研发系统所需的基础学科（如化学、生物学及药理学等）尚未建立，缺乏了解疾病发病机制的基础知识，一般采用经验观察的方法观察患者症状，并不了解病因，同时也受限于前工业时代分离纯化或者制备纯化学品的技术能力，对药物的开发几乎完全依赖于植物、植物混合物或植物提取物。u 现代药物发现：现代药物发现之父保罗埃尔利希发现，药物的化学成分决定了它们在有机体中的作用形式，之后，药物化学的发展让人们得以进一步了解药物化学结构与活性之间的关系，通过对大量药理活性数据的总结分析，优化先导化合物结构从而获得更安全、有效的新药。u 高通量筛选：在现代药物发现的研究理论和方法基础上，随着高通量化学和高通量筛选技术的出现，突破了药物发现过程中化学合成和筛选科学这两个关键瓶颈，大大提高了筛选效率。高通量筛选已经成为制药企业普遍采用的一种药物发现技术。u 合理药物设计阶段：随着生命科学研究的突飞猛进，人类对生命体的复杂机理和病理有了较深入的了解，对药物作用的机理、靶点的结构和功能等有了一定程度上的本质认识，许多药物研发人员开始选择一种更为直接的方式合理药物设计。u 计算机辅助药物设计：20世纪末，诞生了一门多学科交叉的新学科计算机辅助药物研发计（computer aided drug design）。是一种通过计算机的模拟、计算和预算药物与受体生物大分子之间的关系，设计和优化先导化合物的方法，传统CADD主要基于专家经验总结出的理论体系作为指导。资料来源：根据药物发现的基本原理、计算机辅助药物设计等公开资料总结l 类药五原则（rule of five）也称为Lipinski规则，其内容如下：一个小分子药物中要具备以下性质。1.分子量小于500；2.氢键给体数目小于5；3.氢键受体数目小于10；4.脂水分配系数小于5；5.可旋转键的数量不超过10个。注释：类药五原则，是辉瑞公司资深药物化学家Christopher A.Lipinski在1997年提出的筛选类药分子的基本法则，符合Lipinski规则的化合物会有更好的药代动力学性质，在生物体内代谢过程中会有更高的生物利用度，因而也更有可能成为口服药物。序言及主要观点 术语解释与研究范围界定历史演进与研究对象介绍中国AI和计算制药产业兴起第一波浪潮驱动力分析全球AI/技术制药产业核心进展中国AI/技术制药产业概览产业图谱中国中国AI和计算制药技术应和计算制药技术应用实现用实现“单点突破单点突破”，在药物研发多环节落地发在药物研发多环节落地发挥价值挥价值AI/计算技术发展大事记AI/计算技术应用特点及目标AI/计算技术应用场景介绍挑战与展望 2021中国AI/计算制药产业报告：药物发现篇7 7AI和计算制药领域概览及驱动力2021中国AI/计算制药产业报告：药物发现篇1.3新范式：AI和物理计算是目前流行的两种新范式，各有优劣由实验科学为主，向“AI/计算+实验”的研究范式发展近几年，随着人工智能技术、大数据和算力的大幅提升，逐渐发展出了以数据为基础的人工智能制药和以物理规则为基础的计算制药两种范式。u 前者本质上是机器通过学习数据，挖掘数据总结归纳规律，反过来优化药物研发环节；u 后者是从第一性原理出发，从分子、原子等微观粒子层面去计算药物分子与靶点蛋白分子之间的相互作用力，也可以借助于AI提高运算速度和精度。亿欧智库：人工智能与计算在药物研发应用中的范式对比 分类人工智能物理计算基础要素数据物理规则推导方式归纳法演绎法适应场景数据充足的领域，如虚拟分子生成、化合物合成路线预测、ADMET性质预测靶点蛋白与分子模拟分子从头设计，虚拟筛选、先导化合物优化等特点通量高，对数据要求高精度高，对算力要求高发展规律迭代较快，跨越临界点后有望实现快速发展有赖于物理学科的进步线性发展u 人工智能技术和物理计算互补在各自适合的场景分别发挥作用。u 人工智能既能够直接赋能药物研发，也可以通过赋能计算来间接驱动。人工智能计算药物研发药物研发赋能赋能亿欧智库：人工智能和计算赋能药物研发关系图 序言及主要观点 术语解释与研究范围界定历史演进与研究对象介绍中国AI和计算制药产业兴起第一波浪潮驱动力分析全球AI/技术制药产业核心进展中国AI/技术制药产业概览 产业图谱中国中国AI和计算制药技术应和计算制药技术应用实现用实现“单点突破单点突破”，在药物研发多环节落地发在药物研发多环节落地发挥价值挥价值AI/计算技术发展大事记AI/计算技术应用特点及目标AI/计算技术应用场景介绍挑战与展望 赋能中国AI/计算制药产业第一波浪潮兴起10%1.8%近10年近60年近60年每10亿美元获批新药数量每9年减少50%近十年药物研发回报率 从10%降至1.8%9AI和计算制药领域概览及驱动力2.1驱动力：传统药物研发模式周期长、成本高、风险大，需要新技术、新模式来改变现状药物研发越来越难，成本越来越高 批准后承诺期临床1个经FDA批准的药物资料来源：塔夫茨（ufts）药物开发研究中心数据药物发现临床前研究临床试验上市IND申请NDA申请5000-10000个化合物250个化合物5-10个化合物2-3年2-3年5-7年3-5年26亿美元高投入、高风险、长周期8亿美元18亿美元期期期FDA审核亿欧智库：创新药研发流程图u 制药行业的反摩尔定律使得药品开发的成本越来越高，成功率不断下降。从全球来看，自1950年以来，每10亿美元研发投入获得批准的新药数量几乎每9年减少一半。u 2019年，英国德勤会计师事务所的一份报告指出，当年新药研发的投资回报率仅为1.8%，而如果倒退10年，回报率则高达10%左右。亿欧智库：制药行业的反摩尔定律 资料来源：Nature文章序言及主要观点 术语解释与研究范围界定历史演进与研究对象介绍中国AI和计算制药产业兴起第一波浪潮驱动力分析全球AI/技术制药产业核心进展中国AI/技术制药产业概览 产业图谱中国中国AI和计算制药技术应和计算制药技术应用实现用实现“单点突破单点突破”，在药物研发多环节落地发在药物研发多环节落地发挥价值挥价值AI/计算技术发展大事记AI/计算技术应用特点及目标AI/计算技术应用场景介绍挑战与展望 2021中国AI/计算制药产业报告：药物发现篇u 现代药物研发流程是药物研发人员总结出的一套统一的科学研究规范，正是有了这套规范，人类在新药的研究上就能取得巨大的进步。不能否认传统模式取得的成就，但也必须正视其中的问题：这种以实验科学为主的研究方式，高度依赖于药物研发人员的个人经验与创造力，周期长，成本高，效率低。10AI和计算制药领域概览及驱动力2.2驱动力：行业需求下，大数据、人工智能、计算技术的快速发展以及资本大力助推等因素的共同作用下，全球AI/计算制药领域掀起发展热潮大数据、人工智能/计算技术推动资本大力助推亿欧智库：全球AI制药投融资情况2012-2021H1 资料来源：Emersion Insights序言及主要观点 术语解释与研究范围界定历史演进与研究对象介绍中国AI和计算制药产业兴起第一波浪潮驱动力分析全球AI/技术制药产业核心进展中国AI/技术制药产业概览 产业图谱中国中国AI和计算制药技术应和计算制药技术应用实现用实现“单点突破单点突破”，在药物研发多环节落地发在药物研发多环节落地发挥价值挥价值AI/计算技术发展大事记AI/计算技术应用特点及目标AI/计算技术应用场景介绍挑战与展望 2021中国AI/计算制药产业报告：药物发现篇第二代高通量测序技术、冷冻电镜等为代表的各类组学技术飞速发展，使得生命科学研究获得了强大的数据产出能力，包括基因组学、转录组学、蛋白质组学、代谢组学等生物学数据，为人工智能在新药研发领域发挥价值提供了原材料。自2006年以来，在大计算能力和深度学习的推动下，人工智能发展迅速，进入第三次浪潮，开始广泛应用于图像分类、语音识别、知识问答、人机对弈、无人驾驶等领域。也促使很多创业公司以及互联网科技企业开始探索人工智能在药物研发中的应用。生物大数据爆发式积累人工智能/计算的发展进入新高潮阶段11112.3 突破元年：2020年是全球AI/计算制药突破元年：资本市场和技术均实现重大突破 首家计算药物研发公司Schrodinger上市2012年2014年2020年Exscientia创立，总部位于英国牛津 与住友制药达成开发CNS药物协议成功将全球首个完全由人工智能设计的小分子药物候选化合物DSP-1181推进至临床试验阶段2016年3月2018年9月2018年4月2020年11月DeepMind Health（现已纳入Google Health）使用与AlphaGo系统相同的深度学习技术。Deepmind 伦敦大学医院NHS基金会信托基金放射治疗部门正在开发一种分析头颈癌的人工智能系统。Deepmind 加入了伦敦帝国理工学院的一项开创性的新研究，探讨人工智能技术是否可以帮助临床医生更快更有效地诊断乳腺癌。Google旗下DeepMind的AlphaFold发布取得重大突破，解决了困扰科学家50年的生物学难题-蛋白折叠。首个AI设计的分子进入临床试验 DeepMind发布AlphaFold序言及主要观点 术语解释与研究范围界定历史演进与研究对象介绍中国AI和计算制药产业兴起第一波浪潮驱动力分析全球AI/技术制药产业核心进展中国AI/技术制药产业概览 产业图谱中国中国AI和计算制药技术应和计算制药技术应用实现用实现“单点突破单点突破”，在药物研发多环节落地发在药物研发多环节落地发挥价值挥价值AI/计算技术发展大事记AI/计算技术应用特点及目标AI/计算技术应用场景介绍挑战与展望 2021中国AI/计算制药产业报告：药物发现篇12AI和计算制药领域概览及驱动力2.4上市热潮：2020年以来，全球已有十多家公司成功上市，涉猎领域较多元，包括细胞图像处理，分子生成、变构药物开发等 资料来源：根据公开资料整理亿欧智库：2021年上市的AI/计算制药公司汇总亿欧智库：2020年上市的AI/计算制药公司汇总企业名称成立时间核心业务市值AbCellera(ABCL)2012年靶点发现、化合物合成42.84亿美元Schrodinger1990年全新药物设计、虚拟筛选、分子对接35.51亿美元Relay Therapeutics2016年变构药物开发26.10亿美元Bekeley Lights(BLI)2011年数字细胞生物学公司12.14亿美元Black Diamond Therapeutics(BDTX)2017年精准癌症医学公司2.77亿美元Lantern Pharma2013年精准医疗1.23亿美元企业名称成立时间核心业务市值Recurison Pharmaceuticals2013年计算机模拟细胞图像，通过分析细胞特征来评估疾病细胞药后反应结果31.47亿美元Exscientia2012年小分子生成、活性、ADMET预测、虚拟筛选28.36亿美元Erasca(ERAS)2018年AI驱动的癌症药物开发 21.06亿美元Icosavax(ICVX)2017年疫苗生物技术11.97亿美元AbSci(ABSI)2011年AI驱动的合成生物学公司9.28亿美元Landos Biopharma(LABP)2017年AI平台驱动新药研发5.82亿美元Evaxion Biotech(EVAX)2008年AI免疫学平台1.62亿美元序言及主要观点 术语解释与研究范围界定历史演进与研究对象介绍中国AI和计算制药产业兴起第一波浪潮驱动力分析全球AI/技术制药产业核心进展中国AI/技术制药产业概览 产业图谱中国中国AI和计算制药和计算制药 技术应技术应用实现用实现“单点突破单点突破”，在药物研发多环节落地发在药物研发多环节落地发挥价值挥价值AI/计算技术发展大事记AI/计算技术应用特点及目标AI/计算技术应用场景介绍挑战与展望 2021中国AI/计算制药产业报告：药物发现篇注：数据截至2021年10月13日u 一款药物进入临床研究是药物研发过程中重要的里程碑事件。据亿欧智库不完全统计，目前，多款AI/计算制药公司的产品陆续进入临床试验阶段，全球共公开披露超30款产品进入临床研究阶段（或者获批临床试验申请还未开启试验）。u 其中，中国披露了两款产品。今年9月，有两家中国AI制药公司公布两项产品通过临床试验申请的消息。13AI和计算制药领域概览及驱动力2021中国AI/计算制药产业报告：药物发现篇2.5技术规模验证：AI/计算技术从概念走向规模化的验证期：至今，全球超过30款AI/计算技术参与的候选化合物进入临床试验阶段，其中中国披露两款AI Therapeutics LAM-001AIT-101LAM-002LAM-004Benevolent AI BEN-2293 Berg BPM31510 BioXcel Therapeutics BXCL501BXCL701BlackThorn Therapeutics BTRX-335140 Evaxion Biotech EVX-01EVX-02 Gritstone Oncology/BMS SLATEGRANITECORAL Recursion Undisclosed REC-4881未知君生物XBI-302Lantern Pharma/Eisai LP-100LP-300Exscientia DSP-1181 EXS21546DSP-0038 Accutar Biotechnology AC0682 Cotinga Pharmaceuticals COTI-2 SOM Biotech SOM0226SOM3355SOM1311SOM0061 AbCellerabamlanivimabSchrodinger/Agiosivosidenib、enasidenibRelay Therapeutics RLY-1971RLY-4008Pharos iBT PHI-101-001PHI-101-002亿欧智库：全球 AI/计算技术制药公司参与的临床试验阶段药物 资料来源：根据公开资料整理序言及主要观点 术语解释与研究范围界定历史演进与研究对象介绍中国AI和计算制药产业兴起第一波浪潮驱动力分析全球AI/技术制药产业核心进展中国AI/技术制药产业概览 产业图谱中国中国AI和计算制药技术应和计算制药技术应用实现用实现“单点突破单点突破”，在药物研发多环节落地发在药物研发多环节落地发挥价值挥价值AI/计算技术发展大事记AI/计算技术应用特点及目标AI/计算技术应用场景介绍挑战与展望 注：数据截至2021年10月11日 AI和计算制药领域概览及驱动力2.6 中国浪潮：全球AI/计算制药迅速发展叠加中国创新药产业崛起，中国AI/计算制药产业迎来第一波浪潮，虽然起步稍晚但发展势头迅猛u 中国AI/计算制药起步相对较晚，国内公司主要是在2014年之后成立，其中2018年和2020年最为集中，分别有8家和10家公司在这两个年份成立。AI/计算制药创新萌发期过热期复苏期生产力成熟期低谷期行业预期时间亿欧智库：AI/计算制药公司发展阶段预测序言及主要观点 术语解释与研究范围界定历史演进与研究对象介绍中国AI和计算制药产业兴起第一波浪潮驱动力分析全球AI/技术制药产业核心进展中国AI/技术制药产业概览 产业图谱中国中国AI和计算制药技术应和计算制药技术应用实现用实现“单点突破单点突破”，在药物研发多环节落地发在药物研发多环节落地发挥价值挥价值AI/计算技术发展大事记AI/计算技术应用特点及目标AI/计算技术应用场景介绍挑战与展望 14亿欧智库：中国AI/计算制药公司成立时间与国际上市公司对比图资料来源：根据公开资料整理资料来源：根据公开资料整理2021中国AI/计算制药产业报告：药物发现篇注：数据截至2021年10月11日15AI和计算制药领域概览及驱动力2.7投融资：国内AI/计算制药公司投资热度高涨，特别是近两年达到高峰期薛定谔等公司上市坚定了资本和创业者的信心资料来源：亿欧数据02468101214五源资本红杉中国高榕资本源码资本峰瑞资本真格基金BAI资本SIG海百度风投高瓴创投腾讯投资君联资本元璟资本斯道资本线性资本晶泰科技Forcefi0.292.595.196.024.7627.8661.6901020304050602015年2016年2017年2018年2019年2020年2021年024681012141618202015201620172018201920202021战略融资D轮C轮B+轮B轮Pre-B轮A+轮A轮Pre-A+轮Pre-A轮天使+轮天使轮亿欧智库：国内AI/计算制药领域投融资情况（2015-2021）亿欧智库：国内AI/计算制药领域投资机构的布局数量情况资料来源：亿欧数据序言及主要观点 术语解释与研究范围界定历史演进与研究对象介绍中国AI和计算制药产业兴起第一波浪潮驱动力分析全球AI/技术制药产业核心进展中国AI/技术制药产业概览 产业图谱中国中国AI和计算制药技术应和计算制药技术应用实现用实现“单点突破单点突破”，在药物研发多环节落地发在药物研发多环节落地发挥价值挥价值AI/计算技术发展大事记AI/计算技术应用特点及目标AI/计算技术应用场景介绍挑战与展望 单位：亿元2021中国AI/计算制药产业报告：药物发现篇注：（布局超过3家的投资机构）注：数据截至2021年10月12日注：数据截至2021年10月12日16AI和计算制药领域概览及驱动力2.8国内AI/计算制药公司投资热度高涨，单笔投资金额曾破全球记录，互联网巨头纷纷入局 u 中国AI/计算制药公司投资热度不断高涨，多家公司两轮融资时间间隔不超过一年，甚至有公司在一年内完成3轮融资；披露融资金额最高的晶泰科技从成立以来，已累计完成 6轮融资，其中 C 轮在当时创下全球 AI 药物研发领域单笔融资额的最高纪录。资料来源：公开资料2015.12 A轮 2400万人民币2017.06 A+轮 800万人民币2018.01 B轮 1500万美元2018.10 B+轮 4600万美元2020.09 C轮 3.188亿美元2021.08 D轮 近4亿美元晶泰科技2019.11 天使轮 数百万美元2020.08 Pre-A轮 千万级美元2020.12 A轮 未披露2020.12 A+轮 数千万美元2021.08 战略融资 未披露星药科技2014.04-07 种子轮 150万美元2017.01-2018.06 A轮 1370万美元2019.09 B轮 3700万美元2021.06 C轮 2.55亿美元英矽智能2019.07 天使轮 数百万美元2020.03 A轮 近千万美元2020.09 A+轮 数百万美元2020.12 B轮 数千万美元2021.04 B+轮 数千万美元望石智慧2018.08 天使轮 数百万美元2019.12 股权融资 未披露2020.07 Pre-A轮 千万级美元2021.02 A轮 3000万美元2021.07 A+轮 数千万美元星亢原生物亿欧智库：部分AI/计算制药公司融资情况资料来源：1616资料来源：公开资料企业企业AIAI平台平台入局时间入局时间简介简介阿里巴巴阿里巴巴阿里云2018年阿里云的医疗AI可以根据少量实验数据以及化合物结构，建立高效的机器学习模型，快速过滤无活性概率较大的分子，从而富集潜在有效分子，提升研究效率。此外，还可以用于生成全新化合物，形成虚拟化合物库。此前，阿里云的医疗AI已在基因测序、甲状腺结节识别、肺结节识别、数字化模拟临床实验等领域发挥作用。腾讯腾讯云深智药 2020年云深智药是一个人工智能驱动的临床前新药研发开放平台，基于腾讯AI Lab自主研发的深度学习算法，同时提供数据库和云计算支持，该平台的AI模型覆盖了临床前新药研发的全流程，包括五大模块蛋白质结构筛选、虚拟筛选、分子设计/优化、ADMET性质预测（即将开源）及合成路线规划。字节跳动字节跳动AILab2020年AILab主要是在AI算法支持下研究药物的发现和制造，并在基于结构或配体的药物设计、分子动力学模拟、晶体结构预测等领域具备丰富的经验。AI Lab的定位是字节跳动内部研发所和技术服务商。百度百度百图生科 2020年百图生科通过AI技术+前沿生物技术的融合创新，打造了多组学联合挖掘平台、AI药物设计平台、高通量体外模拟及药物验证平台，以加速新靶点转化和药物研发等。华为华为华为云EIHealth2021年EIHealth主要覆盖基因组、临床研究和药物研发三个方向。其中，华为云盘古药物分子大模型首次采用图-序列不对称条件变分自编码器架构，可以对市面上真实存在的17亿个药物分子的化学结构进行预训练，在化学无监督学习模式下，实现结构重构率、合法性、唯一性等指标全面优于现有方法。互联网科技巨头的互联网科技巨头的AIAI制药布局制药布局资料来源：根据公开资料整理序言及主要观点 术语解释与研究范围界定历史演进与研究对象介绍中国AI和计算制药产业兴起第一波浪潮驱动力分析全球AI/技术制药产业核心进展中国AI/技术制药产业概览 产业图谱中国中国AI和计算制药技术应和计算制药技术应用实现用实现“单点突破单点突破”，在药物研发多环节落地发在药物研发多环节落地发挥价值挥价值AI/计算技术发展大事记AI/计算技术应用特点及目标AI/计算技术应用场景介绍挑战与展望 2021中国AI/计算制药产业报告：药物发现篇AI和计算制药领域概览及驱动力序言及主要观点 术语解释与研究范围界定历史演进与研究对象介绍中国AI和计算制药产业兴起第一波浪潮驱动力分析全球AI/技术制药产业核心进展中国AI/技术制药产业概览 产业图谱中国中国AI和计算制药技术应和计算制药技术应用实现用实现“单点突破单点突破”，在药物研发多环节落地发在药物研发多环节落地发挥价值挥价值AI/计算技术发展大事记AI/计算技术应用特点及目标AI/计算技术应用场景介绍挑战与展望 2021中国AI/计算制药产业报告：药物发现篇17人工智能/计算技术AI/计算制药创业公司互联网科技巨头CRO服务药企AI/计算制药创业公司药企&CRO公司互联网科技巨头公司计算底层技术公司2.9中国AI/计算制药产业图谱资料来源：根据公开资料整理亿欧智库：AI/计算制药产业链角色关系图 u 亿欧智库绘制了当前AI/计算制药行业各个角色之间的关系图以及列举了中国市场上的部分代表公司供参考。中国AI和计算制药技术应用实现“单点突破”在药物研发多环节落地发挥价值 AI和计算制药领域概览及驱动力3.1计算机和AI技术在药物研发中的历史近50年时间，中间经历高潮和低谷后，新一轮探索刚刚开始19序言及主要观点 术语解释与研究范围界定历史演进与研究对象介绍中国AI和计算制药产业兴起第一波浪潮驱动力分析全球AI/技术制药产业核心进展中国AI/技术制药产业概览 产业图谱中国中国AI和计算制药技术应和计算制药技术应用实现用实现“单点突破单点突破”，在药物研发多环节落地发在药物研发多环节落地发挥价值挥价值AI/计算技术发展大事记AI/计算技术应用特点及目标AI/计算技术应用场景介绍挑战与展望 2021中国AI/计算制药产业报告：药物发现篇1966年1979年1984年赛勒斯利文索尔报道了将计算机模拟与分子图像相结合的方法，从而实现了蛋白质和核酸结构可视化的研究工作，这也标志着计算机辅助药物设计的开端。20世纪70年代初,神经网络楷书应用于药物设计。人工神经网络方法在药物设计中的主要应用是进行定性构效关系研究和定量构效关系研究。Tripos公司成立，它是第一家计算机辅助药物设计的公司，旨在借助对分子相互作用日益深入的认识，通过计算机设计出更好的分子结构。20世纪70年代末，基于计算机辅助建模的独立商业企业开始陆续出现。计算机性能和分子建模能力已经发展到可以对蛋白质进行模拟，BioDesign公司启动了第一个基于蛋白质模拟的商业项目。1990年，薛定谔成立。随着计算机和医药行业的发展，更多的软件被开发出来，用于评估分子多样性、构建化合物库、开展基于分子相似性的筛选，以及将大型化合物库与生物靶标自动对接等。1990年，日本的Aoyama等于1990年将神经网络用于16个丝裂霉素类抗癌药物的SAR研究和29个芳基丙烯酰哌嗪衍生物的抗高血压活性的SAR研究的。1990年2006年2010年2020年深度学习首次应有于药物研发。大数据概念兴起，随着生物大数据进入爆发时代，人工智能越来越广泛应用于药物研发。Google旗下DeepMind的AlphaFold发布取得重大突破，解决了困扰科学家50年的生物学难题-蛋白折叠。亿欧智库：计算和AI技术应用大事记 从计算机首次模拟分子图像到AlphaFold自动预测蛋白质结构，至今已有50多年时间。今天再次得到重用的深度学习算法也早在2006年就已经被应用过，但因为种种原因导致结果不佳未堪大用。随着新技术的发展，新一轮的探索刚刚启程。资料来源：根据药物发现的基本原理、计算机辅助药物设计、深度学习在药物设计与发现中的应用等公开资料总结20AI和计算制药领域概览及驱动力2021中国AI/计算制药产业报告：药物发现篇3.2应用阶段：目前，AI/计算在药物研发中的应用处于“单点突破”阶段，仍需要专家参与以及实验验证相互配合u 现阶段，人工智能和计算无法解决所有问题，但是人工智能作为一种技术工具，只要满足充足的数据等条件，就可以加以应用，计算也被广泛应用于药物研发的多个环节。目前国内的AI制药产业对人工智能技术的应用主要集中在早期药物发现阶段和临床前的开发阶段，而且集中在小分子药物上的应用较多。u 具体到细分环节来说，涉猎靶点发现、分子生成、活性预测、ADME/T性质预测、化合物合成、药物晶型预测、药物剂型预测等。其中，分子生成和分子的活性以及ADME/T性质预测是药物发现的核心环节，关注企业较多。u 从目前的发展阶段来看，仍然需要专家在其中参与重要工作。比如鉴别数据质量，定义AI需要解决什么问题，判断鉴别AI给出的解决方案是否可行。人工智能计算实验亿欧智库：AI/计算制药在药物研发和临床前开发环节的部分应用 序言及主要观点 术语解释与研究范围界定历史演进与研究对象介绍中国AI和计算制药产业兴起第一波浪潮驱动力分析全球AI/技术制药产业核心进展中国AI/技术制药产业概览 产业图谱中国中国AI和计算制药技术应和计算制药技术应用实现用实现“单点突破单点突破”，在药物研发多环节落地发在药物研发多环节落地发挥价值挥价值AI/计算技术发展大事记AI/计算技术应用特点及目标AI/计算技术应用场景介绍挑战与展望 靶点发现分子生成活性预测ADMET预测晶型预测剂型预测AlphaFold2实现量变到质变的巨大改变提高了蛋白质结构预测的可信度和覆盖度u 过去半个多世纪，生物学家主要利用X射线晶体学或冷冻电镜（cryo-EM）等实验技术来破译蛋白质的三维结构。但这类方法耗时长、成本高。目前，科学界已经在生命体内发现了2亿多个蛋白质，但只有约17万蛋白质的结构经实验破解；而 AlphaFold 在一年之内就实现了预测58%的结构（因为无固定结构的氨基酸比例很大，58%的结构预测已经接近极限了。）u 这被科学界认为是量变到质变的革命。21AI和计算制药领域概览及驱动力2021中国AI/计算制药产业报告：药物发现篇3.3应用目标：从降本增效到实现规模化、平台化产出，最终实现量变到质变的革命持续迭代，降本增效；实现规模化、平台化产出 亿欧智库：药物研发中的活性筛选需要多轮实验验证 先导化合物新类似物生物活性增强？是保留改造的结构否放弃改造的结构新一轮的结构改造新一轮的结构改造生物活性筛选序言及主要观点 术语解释与研究范围界定历史演进与研究对象介绍中国AI和计算制药产业兴起第一波浪潮驱动力分析全球AI/技术制药产业核心进展中国AI/技术制药产业概览 产业图谱中国中国AI和计算制