主要观点总结
全球AI药物研发领域取得重要进展，英矽智能科技公司的Rentosertib（ISM001-055）成功完成Ⅱa期临床试验，展现出良好的安全性和耐受性，具有潜在的临床药效。这一突破为AI制药行业注入信心，凸显AI在药物研发领域的潜力。文章从AI药物研发的背景、进展、成功案例和未来发展前景等方面进行了详细阐述。
关键观点总结
关键观点1: AI药物研发的背景和现状
随着AI技术的发展，AI药物研发成为新药研发的重要方向。然而，很多AI药物管线在临床Ⅱ期遭遇“死亡之谷”，行业面临挑战。
关键观点2: 英矽智能Rentosertib的成功案例
英矽智能的Rentosertib成功完成Ⅱa期临床试验，展现出良好的安全性和耐受性，具有潜在的临床药效。这是AI药物研发领域的重要突破。
关键观点3: AI药物研发的优势和挑战
AI药物研发具有提高研发效率、降低成本、发现新靶点和设计创新药物等优势。然而，临床试验是药物研发的关键环节，需要更多成功案例来验证AI药物的疗效和安全性。
关键观点4: AI制药行业的未来发展前景
随着AI技术的不断发展和完善，AI制药行业将迎来更广阔的发展空间。更多AI药物有望通过临床试验，进入市场，为患者提供更多更好的治疗选择。
正文
在此之前，全球范围内备受瞩目的AI候选药物中，AI制药明星企业Exscientia的强迫症药物DSP-1181于2022年终止了临床Ⅰ期试验，癌症候选药物EXS-21546在2023年10月终止了临床Ⅰ／Ⅱ期试验，皆因疗效未达预期，该公司也于去年被AI制药赛道顶流之一、英伟达力挺的Recursion公司并购；而Recursion在完成对Exscientia的并购后，终止、搁置4款药物的开发。
另一AI制药明星企业BenevolentAI的皮炎药物BEN-2293也在Ⅱa期临床试验中因未能优于安慰剂而被迫下马，该公司随后裁减了一半员工，股价更是下跌超过90%。
“同侪”纷纷倒在临床Ⅱ期的“死亡之谷”，衬得英矽智能Rentosertib的积极结果尤为珍贵。
它展示了AI不仅能加速临床前药物发现过程，还有望带来真正使患者有临床受益的创新药物。
“这一卓越成果意味着AI驱动药物发现这个新时代的真正突破。” 早前该项目完成I期临床试验时，2013年诺贝尔化学奖得主Michael Levitt博士曾给出高度评价。
为何它能挺过“死亡之谷”的考验？AI如何赋能药物研发？我们离真正的AI药物还有多远？今天请随科Way一起来寻找答案。
从“四年半、数千万美元”
到“18个月、数百万美元”
通过AI虚拟筛选获得初步候选建议，再进行湿实验验证，是当前AI制药的主要应用模式。
英矽智能的Rentosertib候选药物是一个创新度非常高的项目，具有由AI赋能发现的新颖靶点和AI赋能设计的创新分子结构。
早在2019年，英矽智能利用自研的AI靶点发现平台PandaOmics，对比肺纤维化患者和健康人的转录组学数据来获得两者差异。通过分析其中信号通路的变化，找到20多个致病靶点。然后通过湿实验验证过滤，如做基因敲除和插入，看这个靶点蛋白有无晶体结构、有无动物数据证明其安全性等，最终确认了TNIK靶点。
该靶点在此前从未被纳入肺纤维化治疗研究视野。AI通过分析海量疾病数据集，锁定TNIK激活是驱动肺部病理性纤维化的关键机制，进而提出“抑制TNIK信号传导以逆转纤维化”的全新治疗思路。“截至目前，针对这个靶点在研的临床项目，全球范围内只有我们一家，这个项目可以说是潜在全球首创（first-in-class）。” 英矽智能副总裁、亚太区对外合作负责人王珏博士表示。
确定靶点后，英矽智能利用自研的AI分子生成平台Chemistry42针对该靶点生成和设计化合物——输入蛋白结构后，这一平台会从头生成数百个和蛋白结合的小分子。
“在生成-优化-合成-测试-反馈这个循环设计过程中，在AI平台的帮助下，我们从中选出78个活性数据特别好的进行合成和测试，最终找到一个活性和成药性都表现优良的化合物——第55号分子，也称为055，就是我们现在走到临床上的候选药物ISM001-055，也即Rentosertib。”
“从靶点识别到临床候选化合物提名仅仅花了18个月，共投入数百万美元。”王珏告诉记者，发现靶点用了1个月，验证过滤用了2个月，找到化合物用了12个月，最后用3个月对该化合物进行药效和毒性等测试，最终将其推进到PCC（临床前候选化合物）。
而按照传统方式，针对创新度较高的靶点，找到临床前候选化合物，平均要花费四年半的时间，并投入数千万美元的资金。因为药学专家需要从数以万计的分子中找到一个候选分子，它既要有活性、选择性，耐药性，吸收代谢也要不错，安全性更要得到保证。符合这些要求的药物分子，才能进入临床研究。这种高度依赖专家个人经验与创造力的方式，往往会消耗大量的人力、物力和时间。
“甚至，对于这样创新度高的靶点，大部分项目可能找不到合适的临床前候选化合物。”王珏补充道。
