本文(wen)作者:李笑寅
来源:硬AI
越来越多(duo)的(de)科技巨头开始加码押注AI医疗。
隔夜,谷(gu)歌DeepMind及姊妹公司Isomorphic Labs旗下的(de)AI药物研发模型AlphaFold官(guan)宣重磅升级,称(cheng)最新版本AlphaFold 3可以预测蛋白质、DNA、RNA等生(sheng)物分子的(de)结构以及它们(men)如何相互作用。
Alphabet兼谷(gu)歌CEO Sundar Pichai表示,目前,已有(you)180多(duo)万名研究人员(yuan)在疫苗开发、癌症治疗等研究工作中使用AlphaFold进(jin)行蛋白质预测。
在接(jie)受(shou)采访时,Isomorphic Labs的(de)CEO Demis Hassabis表示,人工智能系统有(you)可能彻底改变医学,并创造(zao)“巨大的(de)商业价(jia)值”:
“我希望通过Isomorphic实现这(zhe)两点:建立一个价(jia)值数千亿美元的(de)业务,我认为(wei)它有(you)这(zhe)个潜力;同时为(wei)社会和(he)人类带(dai)来难以置信的(de)益处。”
“我希望通过Isomorphic实现这(zhe)两点:建立一个价(jia)值数千亿美元的(de)业务,我认为(wei)它有(you)这(zhe)个潜力;同时为(wei)社会和(he)人类带(dai)来难以置信的(de)益处。”
盯上这(zhe)条赛道的(de)不(bu)止谷(gu)歌一个。
当前,几(ji)乎所有(you)AI科技巨头展现出了对生(sheng)物医药领域的(de)兴趣,微软、亚马逊甚至Salesforce也都在开展蛋白质生(sheng)成(cheng)项目。
近日,英伟(wei)达医疗健康副总裁副总裁Kimberly Powell在接(jie)受(shou)媒体采访时表示,医疗健康将成(cheng)为(wei)英伟(wei)达下一个“数十亿美元级业务”,英伟(wei)达的(de)目标(biao)是为(wei)更(geng)多(duo)生(sheng)物技术公司提供(gong)芯片、云基础设施与其他工具(ju)。
AI技术的(de)下一个前沿应用?
英伟(wei)达创始人兼CEO黄仁勋曾多(duo)次强调,数字生(sheng)物学将是“下一场惊人的(de)颠覆性技术”。
诚如他所说,今年3月的(de)英伟(wei)达举办的(de)2024GTC大会上,医疗健康仍是“重头戏”之一,与生(sheng)命科学相关的(de)会议活动排在所有(you)行业之首。
过去两年间,英伟(wei)达旗下AI药物研发平台BioNeMo的(de)风投部门Nventures把(ba)大部分钱(qian)都投给了药物研发项目。数据显示,Nventures的(de)19笔投资(zi)交易中有(you)7笔是投向AI药物研发初创公司。
Powell解释(shi)道:
““计算机(ji)已经辅助设计行业创造(zao)了第一个价(jia)值2万亿美元的(de)芯片公司,为(wei)什么不(bu)能辅助建立下一个万亿美元级别的(de)制药公司呢?”
““计算机(ji)已经辅助设计行业创造(zao)了第一个价(jia)值2万亿美元的(de)芯片公司,为(wei)什么不(bu)能辅助建立下一个万亿美元级别的(de)制药公司呢?”
其他几(ji)家科技巨头也发力药物研发领域。仅在去年一年中,Salesforce推出了蛋白质生(sheng)成(cheng)AI大模型ProGen,微软发布了一个类似的(de)开源模型EvoDiff,亚马逊还为(wei)其AWS机(ji)器学习平台SageMaker发布了蛋白质折叠工具(ju),据报(bao)道,甚至连字节跳动也在招(zhao)聘科学和(he)药物设计团队。
这(zhe)不(bu)由让人发问:AI技术的(de)医药价(jia)值究竟何在?
以AlphaFold专注的(de)蛋白质领域为(wei)例。
蛋白质是人体细胞组织的(de)重要成(cheng)分,也是生(sheng)命活动的(de)主要承(cheng)担者。每一个蛋白质由一系列氨基酸组成(cheng),这(zhe)些氨基酸与外部环(huan)境之间的(de)相互作用决定了蛋白质的(de)“折叠”方式——这(zhe)决定了其最终的(de)形状,而蛋白质的(de)形状正是其执行功能的(de)基础。
因此,对科技公司来说最有(you)价(jia)值的(de)点在于:如果能够基于其氨基酸序列预测蛋白质的(de)形状,就(jiu)可以将其应用于药物研发、作物改良、可生(sheng)物降解塑料等各大领域。
而AI的(de)出现,直接(jie)推动这(zhe)项工作进(jin)入“突破性时刻”。
通过AI模型,就(jiu)可以在数亿种不(bu)同的(de)蛋白质序列及其底层结构上进(jin)行训练,从而完全模拟蛋白质,省去了昂贵的(de)分子动力学模拟计算环(huan)节。
在媒体采访中,谷(gu)歌DeepMind、英伟(wei)达的(de)高管都表示,可用的(de)大量(liang)训练数据、计算资(zi)源的(de)爆炸和(he)AI算法的(de)进(jin)步(bu),这(zhe)三(san)大因素共同激发了AI在药物研发上的(de)潜力。
Powell表示:
“这(zhe)三(san)个要素第一次齐聚(ju)一堂,这(zhe)在五年前是不(bu)可能的(de)。”
“这(zhe)三(san)个要素第一次齐聚(ju)一堂,这(zhe)在五年前是不(bu)可能的(de)。”
这(zhe)同样激发了投资(zi)热情。根据Pitchbook的(de)数据,自2021年以来,全球AI药物研发初创公司的(de)风投交易已有(you)281笔,投资(zi)额达到77亿美元。
数据量(liang)是一大瓶颈(jing)
不(bu)过,通过AI大模型完全模拟蛋白质的(de)这(zhe)一过程对算力的(de)要求极高,足量(liang)的(de)训练数据仍然是一大瓶颈(jing)。
合成(cheng)生(sheng)物学公司Ginkgo Bioworks的(de)AI负责人Anna Marie Wagner表示,像GPT这(zhe)样的(de)新型基础模型依赖于强化学习,是一种模仿人类为(wei)实现目标(biao)而反(fan)复训练的(de)学习过程,更(geng)依赖于高质量(liang)的(de)海量(liang)数据。
DeepMind的(de)科学副总裁Pushmeet Kohli更(geng)是直观地形容(rong)数据量(liang)的(de)痛点:
“垃(la)圾进(jin),垃(la)圾出。”
“垃(la)圾进(jin),垃(la)圾出。”
并且,虽然将AI应用于药物研发的(de)潜力十足,但距离真正进(jin)入医药市场仍有(you)很长的(de)路要走。
据报(bao)道,美国食品药品管理局(FDA)迄今为(wei)止已经批准了100多(duo)种使用AI或机(ji)器学习进(jin)行开发的(de)药物候选(xuan)物的(de)临床(chuang)试验(yan),但可能需要数年时间才能上市。
*免责声明(ming):文(wen)章内容(rong)仅供(gong)参考,不(bu)构成(cheng)投资(zi)建议
*风险提示:股市有(you)风险,入市需谨慎