計算進(jìn)入生物科技的歷史其實并不短，但被投資圈關(guān)注，也不過是近5年內(nèi)的事。
上世紀(jì)末，以IBM為首的巨頭就提出過用超級計算機來預(yù)測蛋白質(zhì)的三維結(jié)構(gòu)，在當(dāng)時的條件下，這個實驗所需要的計算量可以說是天文數(shù)字。
近幾年來，隨著AI、人工智能、機器學(xué)習(xí)等技術(shù)的不斷發(fā)展，疊加醫(yī)療領(lǐng)域新知識和數(shù)據(jù)的快速增長，“生物X計算”得以在越來越多的方向落地來幫助醫(yī)學(xué)創(chuàng)造更大的價值。
當(dāng)然，當(dāng)我們在這篇文章里提到計算時，更多是指宏觀的生物計算，而不是基于公式的單純計算方式。這在某方面類似于將原先研究室里試管+電鏡式的研發(fā)過程搬到了電腦機房。
在投中近期舉辦的，由金浦健康基金支持的2?沙龍上，我們邀請了16位企業(yè)端以及資本端的嘉賓在上海黃浦江畔暢聊“生物X計算的未來想象”。關(guān)于這一話題，他們的共識和分歧來自于哪里？對于行業(yè)未來實際應(yīng)用的探索和想象，又做到了哪一步？
“生物X計算”的當(dāng)下和未來是什么樣的？
在高特佳投資執(zhí)行合伙人張鵬看來，無論是何種形式的干涉，再加工，合作還是顛覆，計算技術(shù)正在逐一改變我們身邊所有的產(chǎn)業(yè)形態(tài)。目前在醫(yī)療領(lǐng)域比較早落地的，應(yīng)該是互聯(lián)網(wǎng)醫(yī)療、AI醫(yī)療語音識別及結(jié)構(gòu)化、AI影像及文本智能輔助診斷、AI藥物研發(fā)等行業(yè)。
深創(chuàng)投江蘇大區(qū)副總經(jīng)理吳萍更關(guān)注AI作為工具在醫(yī)藥領(lǐng)域的應(yīng)用。她認(rèn)為，生物科技和數(shù)字計算的結(jié)合是循序漸進(jìn)的，著力于生物醫(yī)藥研發(fā)的團隊如果能把AI作為工具很好的運用起來，拓展深度和廣度，隨著認(rèn)知進(jìn)步和儀器創(chuàng)新，取得更充分更全面的數(shù)據(jù)，在這個基礎(chǔ)上談計算的反饋和指導(dǎo)才更有意義。在當(dāng)前醫(yī)藥領(lǐng)域測序環(huán)節(jié)和影像篩查領(lǐng)域，AI都是醫(yī)生必不可少的輔助工具。
潤邁德醫(yī)療副總經(jīng)理、董事會秘書劉康健前期也一直從事投資工作，對AI在醫(yī)療里的應(yīng)用也給出了理性而謹(jǐn)慎的判斷。他認(rèn)為，AI肯定是未來的方向，但是在醫(yī)療行業(yè)里，不管是智能分析還是輔助診斷，目前還在研究試用階段，還沒有體現(xiàn)出特別好的臨床場景和研究證據(jù)，很多還都是為了應(yīng)用而應(yīng)用。醫(yī)學(xué)講求循證醫(yī)學(xué)證據(jù)，很多AI應(yīng)用現(xiàn)在還在探階段，需要長時間的跟蹤和大量的證明。另外，全球最前沿的計算技術(shù)、通信技術(shù)、AI算法等等還沒有廣泛應(yīng)用到醫(yī)療領(lǐng)域，這也正是醫(yī)療行業(yè)嚴(yán)謹(jǐn)高冷的屬性決定的，未來也蘊含著巨大的機遇。因此，從事科技研發(fā)的科學(xué)家和醫(yī)學(xué)屆也需要更多的交流、更多的理解、更多的合作。
潤邁德醫(yī)療一直在推動流體力學(xué)、自動控制等在醫(yī)療中的應(yīng)用，為心血管診療打開了一個全新的局面。此外，還有不少創(chuàng)業(yè)公司在“生物X計算”這條大道上進(jìn)行了各個方向的探索。勝澤泰是一家致力于多肽新藥研發(fā)、多肽原料藥生產(chǎn)的科技公司，其創(chuàng)始人何潤澤表示，公司最初的業(yè)務(wù)模型誕生于博士期間導(dǎo)師在瑞士的Camera Space研究組。
已經(jīng)有不少創(chuàng)業(yè)公司在“生物X計算”這條大道上進(jìn)行了各個方向的探索。勝普澤泰（Space Peptides）是一家致力于以AI及大數(shù)據(jù)驅(qū)動多肽新藥研發(fā)、多肽原料藥CDMO的科技公司，創(chuàng)始人何潤澤表示公司最初的業(yè)務(wù)模型誕生于其在瑞士博士期間導(dǎo)師Jean-Louis Reymond的研究組。
勝普澤泰使用的Chemical Space在2010年就形成了全球的公開數(shù)據(jù)庫，里面一共有1664億個分子，其中絕大多數(shù)是小分子。2016年后才開始切入大分子領(lǐng)域。目前Chemical Space不僅包含靶點的藥物設(shè)計，藥物多維度成藥性的生成算法，以及AI的循環(huán)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，而且最后能生成3D指紋圖譜可視化地圖。通過這樣的技術(shù)，勝普澤泰目前不僅能預(yù)測藥物的活性，而且能預(yù)測藥物毒性，例如能做抗生素溶血性實驗。下一步有希望做到藥物動力學(xué)的一部分預(yù)測。
與勝普澤泰不同，星亢原目前主要聚焦于蛋白降解藥物、抗體藥物、T細(xì)胞治療等領(lǐng)域。不過，將計算和生物藥結(jié)合做藥物研發(fā)同樣是星亢原的特點之一。
星亢原CEO陳航提到，AI制藥是未來藥物研發(fā)的重要趨勢。和生物醫(yī)藥過去傳統(tǒng)的篩選工具相比，AI制藥一是能有效提升效率，做出有差異化的成果。二是能利用計算驅(qū)動的價值，做出源頭創(chuàng)新的創(chuàng)新藥。第三是在細(xì)胞治療等方向，基于個性化的治療方案。目前星亢原也是朝著這樣的方向在做包括基因治療領(lǐng)域的一些拓展，全面構(gòu)建管線優(yōu)勢。
勁方醫(yī)藥CEO蘭炯表示，人工智能深入藥物設(shè)計領(lǐng)域，已大大提升研發(fā)效率和化合物成藥性。但業(yè)界更期待重磅的跨界技術(shù)成果和真實世界數(shù)據(jù)，證明AI靶標(biāo)篩選及分子設(shè)計能夠溝通早期發(fā)現(xiàn)和轉(zhuǎn)化科學(xué)，甚至超越傳統(tǒng)開發(fā)模式的療效和安全性。勁方自成立以來，持續(xù)關(guān)注前沿跨界創(chuàng)新成果并積極打造CADD平臺，近期與業(yè)界領(lǐng)先的AI藥物開發(fā)企業(yè)和結(jié)構(gòu)生物學(xué)平臺分別達(dá)成戰(zhàn)略合作，加速開發(fā)全新高選擇性抑制劑，以及有望破解耐藥機制的新一代靶向藥物。
對于計算技術(shù)在生物領(lǐng)域的效率提升作用，領(lǐng)星生物CEO許強表示認(rèn)同。在計算和生物兩大領(lǐng)域，領(lǐng)星生物更偏向于前者，不過，許強覺得，數(shù)據(jù)的質(zhì)量和相關(guān)性同樣是計算技術(shù)無法忽略的重要因素。過去五年領(lǐng)星生物一直專注于腫瘤領(lǐng)域的數(shù)據(jù)積累，值得注意的是，腫瘤領(lǐng)域中西方患者情況，臨床方式都有很大不同，因此很多研究不能照搬國外的模式和研究結(jié)果。
相比已經(jīng)投身生物計算的創(chuàng)業(yè)公司，瑞石生物更偏向于傳統(tǒng)制藥企業(yè)。不過，觀望技術(shù)發(fā)展之余，瑞石生物早期研發(fā)負(fù)責(zé)人周玲同樣表示“非常有焦慮感”。在她看來，在AI技術(shù)開始涌入醫(yī)療領(lǐng)域方方面面時，不知道，不學(xué)習(xí)，不跟AI合作，企業(yè)可能很快面臨淘汰。在傳統(tǒng)生物研發(fā)環(huán)節(jié)的確有很多痛點可以利用AI技術(shù)來解決，例如靶點尋找，AI技術(shù)可以增加很大的成功率。當(dāng)然，目前AI和藥企之間的融合還存在一定的認(rèn)知錯位問題。
來凱醫(yī)藥CEO呂向陽提出了一個很有趣的觀點，他表示，目前計算更多是在幫助人類在能做到的事情上提高效率，而不是做人類做不到的事情。現(xiàn)在生物計算的方向還是人在指導(dǎo)計算，但生物學(xué)太復(fù)雜了，人類自身都知之甚少，你很有可能把計算教壞了，未來像AlphaGo這種不需要人去教導(dǎo)的計算方式，也許會在生物計算領(lǐng)域有新的突破。
仁東醫(yī)學(xué)生信副總裁、轉(zhuǎn)化醫(yī)學(xué)研究院執(zhí)行院長朱瑞新認(rèn)為AI從被動學(xué)習(xí)已進(jìn)入主動學(xué)習(xí)，其實已經(jīng)能干很多人類極限以外的事情，但是要真正要像人一樣會獨立思考，則需要學(xué)會“因果推理”。而這是當(dāng)下AI的瓶頸和最前沿方向。
“生物X計算”的共識和分歧來自于哪里？
在醫(yī)療領(lǐng)域，理論和模型可能走在行業(yè)前面，但應(yīng)用落地確確實實是企業(yè)和投資機構(gòu)關(guān)注的重要一環(huán)。落實到產(chǎn)業(yè)本身，計算能發(fā)揮多大的作用，形式是什么樣的，又有誰會來買單呢？
朱瑞新對此有自己的看法。朱瑞新提到，大家對計算的印象還停留在早期階段，覺得計算主要起輔助作用。其實計算早就不是這個階段了，計算不僅可以提高研發(fā)的各個環(huán)節(jié)的效率，包括使得原本實驗“不可能”完成的工作成為“可能”，這點在藥物研發(fā)過程早已被證實；更為要緊的是，計算模擬能獨立于實驗和“形式理論”的產(chǎn)生新洞見。1953年著名的Fermi-Pasta-Ulam的計算機實驗，研究了動力學(xué)體系非線性項的微擾是如何改變單一的周期振動行為。結(jié)果出人意外，竟然恢復(fù)初始狀態(tài)的時間遠(yuǎn)遠(yuǎn)比想象的Poincare回復(fù)時間短得多。這個計算機實驗不僅開創(chuàng)了“計算物理”這門新學(xué)科，更為重要的是，從此人們明白除了實驗、形式理論這兩條能夠創(chuàng)造、發(fā)現(xiàn)新的科學(xué)概念的途徑之外，還存在第三條途徑——計算模擬。
華道生物董事長兼總經(jīng)理余學(xué)軍既是醫(yī)生也是企業(yè)家，在他看來，目前人類對于生物醫(yī)藥領(lǐng)域連1%的了解都沒有，現(xiàn)階段使用AI技術(shù)設(shè)計出一個治療某種疾病的東西，為時過早。
我們國家智能識別公司、算法公司的臨床影像學(xué)系統(tǒng)、核磁共振技術(shù)都不差，差的是軟件識別系統(tǒng)。國產(chǎn)設(shè)備和國外設(shè)備的區(qū)別最終是算法，這是最大的區(qū)別。華道生物目前做CAR-T細(xì)胞，數(shù)據(jù)非常重要。目前公司有20多個軟件開發(fā)工程師，生產(chǎn)管理數(shù)據(jù)分析以及生產(chǎn)運營管理的工程師。但現(xiàn)階段能幫公司做CAR-T的地方還很少。
弘暉資本高級副總裁嚴(yán)競?cè)幌壬谟懻撝斜硎荆谄淇磥恚嬎闶且粋€手段，但是生物才是最終的目的。只有企業(yè)的某個技術(shù)或者平臺能在某個應(yīng)用領(lǐng)域產(chǎn)生明確的價值時，客戶才會愿意為之買單。如果這個應(yīng)用領(lǐng)域還不清晰，或者產(chǎn)生價值的路徑還不明確，大部分還停留在理論上，那公司本身就難以獲得較高的資本市場價值。
金浦健康業(yè)務(wù)董事魏峻在討論中同樣提到，如果要被企業(yè)或者資方所認(rèn)可，創(chuàng)新藥企業(yè)的AI實力需要能夠表現(xiàn)出替代企業(yè)在技術(shù)創(chuàng)新、邏輯創(chuàng)新方面非常在行的人才的作用，從某個角度來說，解決了driving還是driven的問題。
業(yè)內(nèi)曾有“未來得生物計算者得天下”的說法。但在生物計算前景和方向尚不那么明朗的當(dāng)下，機構(gòu)對企業(yè)又有哪些建議？
中金資本董事總經(jīng)理劉森林強調(diào)，基于傳統(tǒng)的靶點和疾病的關(guān)系，過去有很多經(jīng)驗的積累。但人類產(chǎn)業(yè)發(fā)展的歷史證明，一個新的技術(shù)拐點出現(xiàn)的時候，都是年輕人的天下，絕對不是按照過去的路徑來發(fā)展。
劉森林表示，當(dāng)未來確定，現(xiàn)在不確定時，那你要找一個賺錢的方式活下去。過去很多人比較AI+制藥和AI+影像，這兩個領(lǐng)域不一樣，AI+制藥，至少有一個付費方。
對于生物計算企業(yè)的發(fā)展，毅達(dá)資本大健康投資事業(yè)部孟曉英在現(xiàn)場表達(dá)了自己的部分疑慮。
人才是每個行業(yè)發(fā)展的基石。孟曉英提到，目前行業(yè)從業(yè)者一部分是之前做生物醫(yī)藥的創(chuàng)業(yè)者，對計算的理解有限，另一部分可能專精計算，對生物醫(yī)藥行業(yè)的背景環(huán)境不夠了解，這兩者之間的壁壘難以打通，企業(yè)很難實現(xiàn)領(lǐng)域融合和跨界。除此之外，計算的前提是高質(zhì)量的數(shù)據(jù)集合。數(shù)據(jù)從哪里來，如何高效率的采集和研究，都是影響研發(fā)端效率和成果的現(xiàn)實因素。
松禾資本董事總經(jīng)理周瀟薇同樣表達(dá)了相似的疑問。在她看來，對一家生物計算企業(yè)來說，機構(gòu)考慮的問題主要有三點。第一，企業(yè)的數(shù)據(jù)來源是哪里，是循證醫(yī)學(xué)、臨床、后期還是基因數(shù)據(jù)，亦或者是傳統(tǒng)的小分子高通量篩選？這一問題首先是機構(gòu)關(guān)心的重點。其次，公司如何驗證自己的機器學(xué)習(xí)路徑，是自身有驗證能力還是要和其他制藥公司合作？第三，如果一家企業(yè)數(shù)據(jù)和驗證方式都有了，那他的速度有多快？
對于生物計算這塊新興領(lǐng)域，什么發(fā)展階段才是機構(gòu)投資的最佳時間點呢？
在同創(chuàng)偉業(yè)董事總經(jīng)理吳迪看來，當(dāng)企業(yè)有希望出現(xiàn)一個新的算法，對機構(gòu)來說就是一個好的投資時點。這個算法可以是因果關(guān)系，也可以是相關(guān)性，也可以是存量數(shù)據(jù)，也可以是預(yù)測的數(shù)據(jù)，這都不重要。而且這個算法也有可能失敗，也有可能沒有商業(yè)化前景，但是作為VC來說，至少當(dāng)企業(yè)有希望出現(xiàn)算法，不要考慮太多后端的商業(yè)化，當(dāng)然這只是一家之言。
吳迪表示，對于生物醫(yī)藥未來的落地形式，也許機構(gòu)和創(chuàng)業(yè)者都只是一個模糊的概念。但是如果現(xiàn)在不嘗試的話，可能這個概念一直不會落地。不需要太去束縛企業(yè)說現(xiàn)在數(shù)字化一定要怎么做，也許五年之后會有很多新的做法冒出來。五年前誰都沒想到生物計算企業(yè)的產(chǎn)品可以作用于臨床，但實際上行業(yè)發(fā)展日新月異，進(jìn)展迅猛。
