00:00/00:00
外链地址
http://www.eemp3.com/audiofile/1315bfff701ee78eafbbd3cf91f45ba3.mp3
点击复制
本字幕由TME AI技术生成
用声音碰撞世界
生动活泼
大家好
我是雅贤
欢迎大家来到我们今天的节目
那上周呢
科技早知道作为唯一的播客媒体
受邀参加了在苏州举行的幺bichina 易贸生物产业展览
这是亚太地区最大的医药展会之一
那参会的人数呢
也超过了三万人
我也有机会跟很多医药行业的从业者有了一对一的交流机会
在过去的十年当中
中国医药从fast 高楼到get in pass
现在慢慢进入first pass
现在的力量进入first class
那如果要用两个关键词来形容这次的展会的话
我会说是创新和全球化
几乎所有的药企都在为自己的产品寻求更大的海外市场
也都在思考如何在极度内卷的研发环境中发掘和开辟出属于自己的独特道路
那今天的节目呢
是我在展会上与国内的知名ai 制药企业英西生物的商务负责人王珏博士的对谈
那作为一家由ai 驱动的制药公司
我非常好奇他们如何用最前沿的技术加速药物的研发
又如何说服相对保守和传统的制药行业
Ai 技术将改变新药的研发范式
这个项目除了靶点是用ai 发现的以外
它的小分子也是由ai 从无到有的全新的生成的
我们仅仅合成了七十八个小分子就完成了临床结后续化合规
那我们的话题当然会更多的聚焦在行业本身
但我为什么觉得这期节目也适合所有科技早知道的听众呢
因为我认为
创新和全球化不只是中国药企在面对的问题
也是中国所有的科技公司都在思考的出路
在采访开始之前
我想先给不太熟悉的听众大致介绍一下一款新药是如何从零到一做出来的
Ai 制药为什么这么火
以及它所遭受到的争议和质疑
这样呢
你就有了一张地图
后面的访谈听起来也就轻松多了
大家呢
可以把一款新药的诞生简单的理解成这样一条路线
我们先要找到和疾病相关的靶点
那这个靶点呢
可以是一种蛋白质
Dna 甚至是rna
那在围绕这个靶点设计出一款可以与靶点结合的分子
接着呢
在做临床前的药理独理和动物实验
确保这个分子足够安全之后呢
才能进入人体
然后呢
依次进入一期
二期和三期的临床实验
层层筛选之后的幸存者才有机会申报上市
那这里边呢
学术界往往更擅长发现疾病机制和靶点
Biotech 和ai 制药公司呢
常常活跃在靶点的发现
分子设计和早期的研发阶段
而真正到了大规模的临床试验
药品注册还有全球销售
通常还是有更多资源的大药企更有优势
那也正是因为这样
很多biotech 会在项目推进到某个阶段之后
把它license out
也就是授权给大药企继续开发和销售
对外授权或是寻求与国外大药企的合作
也就是我们常说的business development bd
正是中国的bell tech 兑现自身价值的一个最关键的阶段
那新药研发可能是最典型的一个高风险
高投入和长周期的行业
大家可能听说过医药研发里有一个双十定律
那做出一款新药
往往要花上十年以上的时间
数十亿美元量级的投入
那这本质上呢
是一场极高风险的赌博
因此
谁能更快的找到有效的靶点
以更低的成本设计出可成药的分子
更快的把项目推进到临床
谁就有机会抢先进入市场
从而获得巨额的回报
那也正是因为这样
这两年ai 驱动的药物研发成了科技公司
药企和创业公司都在加码的一条赛道
I think if you knost me the number one thing ai can do for humanity
It would be to solve
You know
Hundreds of terrible diseases
You know
I think that's partly that the motivation you know
Behind icsamopc and alphafod
And all the work we do in science
比如google deep mind 在发布阿尔法的fostreet 之后呢
孵化出了ai 制药公司isamomofic labse
那nvidia 一边推自己的bionemo 平台
一边与大药企合作
试图把ai 工具带进药企研发的流程当中
成为制药行业中卖铲子的人
那尽管热度很高呀
其实外界对ai 制药的质疑是从来没有停止过的
那最核心的挑战呢
就有两点
第一就是我们熟知的黑盒效应
Ai 给的靶点和分子
科学家往往很难理解背后的逻辑
那这种可解释性差呀
就让研究人员感到不安
第二呢
就是ai 给出的分子缺乏可验证性
到目前为止
还没有一款完全用ai 设计出的药物真正的走完三期临床并获得fda 的批准并且上市
大家都在问
Ai 到底是不是真的能缩短研发流程呢
还是说它只是一个好听的算法故事
由于新药的研发周期过长
而且投入很大
所以另一个同样观念的问题是
一家ai 制药公司到底要怎么样赚钱
那概括起来呢
现在的路径呢
大概有三条
第一种呢
就是卖软件卖平台
这种方法呢
其实更接近于传统的saas 行业
典型的公司呢
就有nvidia 旗下的bion mo 平台
以及老牌的计算化学和分子设计软件公司薛定谔
这类公司通常不自己作妖
而是出售自己的算法工力
模型框架和分子设计工具
这种业务模式在早期就能给企业带来现金流
但是利润的上限却十分有限
而且实实际上他离做药这件事是最远的
那第二类呢
是卖服务和与大药企联合开发药物
这一类公司就不仅仅是交付一个软件或是出售一个平台
而是发挥计算能力
与药企一起来把一个药物研发到某个阶段
深度的介入项目本身
在某种程度上呢
类似于一种外包服务
也就是cro 公司还会那这条路径下典型的公司就包括英国的小分子设计公司excecier
还有国内头部的ai 制药公司晶泰科技
这类公司呢
其实可以说是帮别人做药
但是自己不做药
那第三个路径呢
就是风险最大
难度也最高的路径
就是ai 公司自己下场做药
Ai 公司呢
利用自己的平台和技术寻找靶点
自己开发分子并且推进到临床阶段
如果在这个阶段拿到了乐观的数据
就会把这个项目的研发管线授权给具备后续开发能力的大药企
从而获得收入
这条路径最接近传统的biotech 商业模式
但是它的优点和缺点都显而易见
从零到一推进研发管线的周期长
风险高
资本和人力投入巨大
但是一旦成功
回报也是最大的
我们今天要聊的因期生物
还有美国的ai 制药公司recursion 都属于这一类
所以总结起来
如果把做药理解成盖房子的话
Ai 公司的三条路径可以大概这样理解
卖平台和软件的公司
有点类似于卖挖掘机
脚手架和施工软件的人
他们自己不参与盖楼
但是呢
把这些工具提供给建筑公司
让别人的楼盖得更快更题
有点像基础设施提供商
赚的是卖工具的钱
那卖服务的公司呢
就有点像自己带着工具和你一起盖楼的施工队
他不只把设备租给你
还会和甲方一起做方案
一起施工
一起解决现场问题
就有点像技术很强那总包团队
赚的是帮别人干活干成的钱
那第三类自己做管线的公司呢
就有点像自己买地
自己设计自己盖楼
最后再卖楼
或者等楼盖差不多了
再把整体项目转让出去
就有点像亲自做开发的地产商
那有一点值得注意的是呀
这三条路径其实并不是绝对的
每家公司呢
都会根据自己的优势和研发重心采取两种甚至是多种的业务模式
那举个例子啊
二零二四年十一月
两家ai 制药公司
就是我们前面提到的recursion 和excision 就完成了合并
那recursion 原本的强项呢
是他们的生物学平台
并且有十多个自研管线
那exscision 的强项呢
是小分子的化学设计和自动合成
所以合并之后
新的公司既能提供更全面的平台服务
自幼能赋能自有研发
推进自己的新药管线
嗯
那我们说回国内啊
如果说到ai 制药
不得不提的两家公司呢
就是晶泰科技和英西智能
这两家公司呢
分别在二四年和二五年港股上市
上市之后也都得到了资本市场的追捧
虽然都是以ai 驱动作为叙事的核心
但是这两家公司却有不同的基因
晶泰科技为药企提供平台和服务
自己呢不做药
英皙智能呢
则选择了一个更加多元的业务模式
在提供服务的同时
投入大量的资源自研管线
目前呢
英皙智能的管线中
以teennac 为靶点的小分子抑制剂是万众瞩目的明星分子
它是第一个由ai 发现了全新靶点
并由ai 设计全新结构的药物
目前呢
是完成了二a 期的临床试验
取得了积极的结果
那整个医药行业现在都屏息等着它后续的大规模临床数据
因为它的成功将直接证明ai 制药的逻辑是成立的
那我与王珏博士的对谈将围绕两个话题展开
第一个问题是ai 技术到底已经在哪些具体的环节真实的赋能了药物的研发
那王珏博士会结合英西内部的两个自由管线研发的历程来谈这个问题
他也聊到了他们如何从需求出发开发一个新靶点
并且围绕一个具体的靶点和适应征去做分子设计与优化
那第二个问题当然就是商业化路径的问题了
一家ai 制药公司的核心竞争力到底在哪里
那怎么样在平台的业务和自研的药物之间做出取舍和权衡
由于这期节目呢
是在大会的现场录制的
那在场的听众呢
也大部分都有医药背景
所以呢
信息密度比较高是涉及到一些中文或英文的专业词汇
有一定的收听门槛
一些专有词汇呢
我会在show notes 中解释
但是大家呢
并不需要把每个词都搞懂
你只需要抓住一条主线
Ai 到底怎样进入了药物研发这条漫长又昂贵的链条
以及一家站在风口浪尖的公司
究竟是怎样理解技术研发和商业化之间的关系的
好了
下面就开始我们今天的节目吧
Hello
王珏博士
你好 大家好
我是来自英皙智能的王珏
嗯
我们科早呢
常常聊到科技相关的话题
那今天呢
也想跟大家说一个科技相关的新鲜事
今年年初
在美国超级碗现场
一些盲人球迷也在享受比赛
他们甚至可以随时说出球场上橄榄球的位置
而这就要得益于一台设备了
这种设备没有屏幕
表面上凹凸不平
上面画着球场的示意图
他们把手放在这台设备上
当球飞过球场时
手掌就能感受到震动
通过这种方式
他们就知道球的位置了
那这个话题呢
来自于我们的青少年播客nuck nuck 事件
这期节目呢
还解读了除了触觉
还有哪些方式能让残障人士享受比赛
又有哪些为少数人发明的技术最终改变了所有人的生活
请在show nose 中查找节目链接
我是在二零二一年加入英西的
负责英西的在亚太地区以及欧洲地区的对外合作
啊
英西智能呢
是一家致力于利用人工智能技术去做药物研发的一家公司
已经成立了十余年
也在去年的年底成功的在香港完成了一个ipo
那我在二一年刚刚加入英西的时候
其实那会儿大家确实也开始对ai 逐渐的感兴趣起来
其是那会儿大家问的问题更多的是真假的问题
所谓的这些新的发现
你的靶点是ai 找的还是你的scientists 靠读paper 读出来的
你的分子是ai 设计的还是你们的medtime 的人画出来的
就是当时会有非常多的这样的质疑
因为而且大家一直都在challenge ai 的
就是说你是在黑箱里的
你这东西怎么出来的
其实是很难去溯源的
很难去和解释性的
对
解释性是比较差的
就是你怎么能把这一个所谓这个黑箱的事去说说明白
也确实是挺难说明白的
但是后面有一个特别大的变化
其实两个里程碑的事件
一个是你刚才提到的这个阿尔法fold
而且它是开源的对吧
所以就是使得很多的scientist 的直接就能用
所以一下子就把这个窗户纸有点给捅破了
另外一个我自己感受特别深切的就是check gpt
然后我们那会儿就也会发现大家已经不不再去问真ai 假ai 的事儿了
就开始变成是如何去用
而且你会发现其实它会有逐渐的这种焦虑传递出来
尤其在各个公司的这个领导层上面
就大家已经不再犹豫说要不要用
而是说如何用
我现在用是不是已经晚了
就是技术的变革有点太快了
快到因为是我们可能也要不停的去追踪这些最新的这些进展
嗯 明白了
我觉得那个刚才王总说这一系列变迁啊
包括在阿尔法four 的
阿尔法four 的刚刚出来的时候
对于一个做结构生物学来讲的的人来讲
其实是一开始有点不屑一顾的
说你看看他预测的那些loop 区域
那些disorder regigion 根本就是阿法for three 对吧
但是等他发布阿尔法four two
再到阿尔法four three
现在他们还已经也spin out 出来一家ai 制药的公司叫io mophc
但凡你想要去看一个蛋白的结构
你的first step 一定是先去让他预测一下
甚至当你的结构跟他的不符的时候
你开始要怀疑一下是我的结构结的不对
还是他提供的模板不对
所以我觉得我特别能够理解王总说的这个ai 的浪潮
给大家这种
呃
一个市场的教育
甚至其实我觉得可能大家也不再关心究竟为什么work
但是黑猫白猫抓
然后老鼠就是好猫对吧
是的 对
所以我现在关感觉就大家更关注的点变
变成怎么去用
然怎么去用
以什么样的scale 去用
然后包括如果你是从一个公司的角度来讲
把你自己的这些内部的数据
然后不同的function 去利用起来
这些工具就是
但是说起来容易
其实还是比较有挑战的
我随便举一个例子
比如说假设说有一个特别大的一个方码好了
它有很多的这种不同不样的数据
这些数据呢
一方面你希望他的ai 可以赋能到各个不同的研发也好
或者是职能部门也好对吧
你希望你的东西能最大的充分的利用起来
但你当去利用这些数据的时候
你还是有很多事情要思考的
比如说你这些数据的安全性
你这种临床的数据你要不要对早研的人开放
其实你说对他们有没有帮助
有帮助
但是你自己肯定还是有不同的这种安全性的等级的
包括就是说现在其实有很多的这种ai service 的或者是工具的provider 对吧
就是你可以跟英西合作买我们的软件
你也可以买确定位的软件也用啊
For 的
然后包括像日常的operation 其实也有很多
以前有不同不样的这个agent
现在有小龙虾
但是到底哪个技术路径是最好的
你跟哪个winner 去合作
你给它开放什么样的权限
你不同的软件之间能不能够integrate 到在一起
其实还有很多没有办法确定的事儿
而这些没有办法确定的儿在现在特别迅速的这种技术迭代的过程中变得更加的模糊啊
所以但是你你你的这个这
这个公司的运营人掌舵人又知道不用不行
所以其实它天然也有一个矛盾在这儿啊
对
那其实我想请问一下王总
就是从你们的经验来看
现在ai 已经赋能到了这个药物研发的哪些环节
就是真实落地有应用呢
我拿我们自己公司来讲好了
就是我们从业务上来讲啊
我们有我们自己的靶点发现的平台
然后我们可以用这个ai 帮助我们去针对某一些适应症发现靶
你可以简单的理解为他去找找靶
通 通路 疾病
病之间的关那
那它应用场景
它可以用于针对于适应症找靶点
反过来它可以做某一款药物某一个靶点的适应症拓展
那它也可以去用一些bull marker 的分析对吧
在这个做转化的这个过程中
它另外我们有
呃
跟分子实体更相关的平台
我们有小分子的生成平台
我们可以去生成多肽
现在也在尝试生成抗体
可以做分子结构上的用优化
包括像就是这几年的这个大元模型
这就我们的广泛应用其实可以有了更多的这个想象空间
刚才王总提到就是英西有好几个平台嘛
包括基于组学的叫panomics
然后包括药物设计的平台叫chemistry for you two 啊
然后今年这个英西一个特别明星的分子就是基于t ent for ipf 肺纤维化的分子
现在是在三期
应该是很快要出结果了
我们这个项目是这样的
就确实是英西的明星产品
也是是迎新真正的就是我们自己内部的第一立的第一个项目
药物研发的项目
那这款项目呢
我们的靶点是teennic
是一一个first class
也就是同类首创的靶点
然后可以大家分享一下
就是说这个东西是怎么找到的呢
其实这样这跟我们公司的这个本身的创始人的interest 特别相关
因为它是觉得人类终极的要解决的一个问题是衰老问题
所以当我们再去选一些适应症的时候
其实我们是会希望找一些跟衰老相关的疾病
所以我们其实最开始是对fibroosis 就纤维化
因为其实很多都是跟极械化疾病其实是跟衰老是相关的
所以我们是先用这平台去分析这个fibroosis 病人的这个数据
然后他去对比这个健康人的组约数据
去找到差异化表达基因
然后你再用ai 的一些算法去针对这些病病去fibrosspropose se 点
是这样的一个过程了
那我们去针对这个特发性肺纤维化的这款疾病找到的这样的一个靶点
到目前为止
我们也是针对该靶点的唯一的一个在研的临床项目
就是靶点确实是新
然后我们在选定了这个靶点之后呢
就会用我们的capacle forty two 的这个平台去做分子的生成和设计
然后我们合成了七十八个分子
就找到了我们现在的临床前化学化候选化合物
这分子其实是实际生产过程中合成的第五十五个分子
所以它那个分子号就叫零五五
嗯
就一般在专利里面的这个分子号就是这个零五五
现在嘛
大家为了保护这个知识产权什么
一般会把这个化合物的号会做一些调整对吧
有一些secret name
那这个项目呢
我们是在
呃
已经完成了这个临床二a 期的实验
等于是他是初步在病人身上去完成了这样的一个poc 的验证
我们是在临床二a 的时候
这个trial 是有入组了七十一个病人
然后是一个双盲的这种有这个安慰剂组的这样的一个设计
总共有四个组
我们的这个安慰剂组
呃
三十毫克qd
三十毫克bid 和六十毫克qd 三个不同的剂量组
然后我们是可以在这个实验里面看到剂量依赖性的肺功能的一个改善
它体现在临床中点fvc 的这样的一个叫用力肺活量的一个指标
就你可以想象因为纤维化的病人
他随着病程进展
他的肺就越来越不好了吧
它越来越喘不上来气儿
每一是用力的呼吸
能吸上来的气量
这个气的体积
那我们是可以看到剂量依赖性的这个fvc 的增长
但更为让我们振奋的是
它在最高剂量组
我们可以看到将近九十毫升的这个fvc 的增长
但是用传统的药物
就现有的这个stand off care 的药物
尼达尼布的比非尼酮
他们只能够做到肺功能丧失的减缓
就他们没办法做到reverse 的这样的一个效果
就当然你的药物肯定要在更大的三期实验中去验证
但是现在确实数据还是非常promising
嗯
我觉得大家都在等这个数据
感觉如果这个药物能出来有效的话
感觉是对ai 药物研发的一个肯定是有挑战
但是药个期待啊
所以 呃
其实ai 作用在里头第一个是靶点的发现
是一个发现了一个全新的靶点
然后又这个ai 的平台做了一个全新的分子设计
嗯 对 呃
昨天其实您在另外一个拍的时候
还分享了咱们英西的另外一个分子
你再介绍一下那个项目吧
好的呀
没问题
就是就英西我们日常操作是这样的
我们对有一些适应症我们是感兴趣的
那我们就会用我们的ai 的平台不停的去针对这些适应症去做一些靶点挖掘的这样的一个工作
那ibd 也就是炎症性肠病
其实就是我们一直关注的这样的一个疾病领域适应症
然后我们就用我们的ai 的那个平台呢
去针对炎症性肠病去进行靶点挖掘
然后在这个挖掘过程中呢
我们就发现了一个靶点叫if one 阿尔法
呃
其实大家都比较熟悉的这样一把点
但是它从成妖性的角度来讲
它是一个转录因子
那我们当在这个ai 的这个平台上给我们这一个点亮一盏小灯
说哎
这个if one 阿尔法它的排名还是比较靠前的
但为什么没有相应的幺物去针对这个ib 地去做开发呢
我们就做了很多的进一步的研究
发现说一是本身这个靶点它的可成妖性会比较差一点
那所以我们就是去看它的通路上下游有没有其他的靶点是可以tarting 的
那我们就发现其实已有的获批的药物
其
其实针对叫肾性贫血ckd 的
呃
大家可能很多都知道
因为它有有一个药还是非常比较波折的上市啊等等
叫罗沙司 他
它是一个phd one two 的inhibor
但这款药物呢
当它有比较高的系统性暴露的时候
它会使它的epo 明显上升
那会导致它的这个油比较大大的心血管的这样的一些毒副作用
那当你如果是做炎症性肠病的话
这个ip 地址这个适应症的时候
如果还是直接targeting 这个靶点
然后有比较高档血液浓度
还是会产生同样大的毒副作用
所以我们就决定去开发一个叫做肠道限制性的小分子
嗯
就顾名思义
你的分子大部分都在你的肠道
它不太进你的血液
不太进你的这个系统暴露
但是你肯定是要进到你的这个靶器官的这个组织里嘛
但你刚好 呃
项目你的靶器官是你的肠道
所以这正好就是有一点一胎即合这个感觉嘛
你的分子就在你的靶器官高度的负集
但是它不进到你的系统暴露里去产生相应的这种毒副作用
所以这个就变成是我们这个项目开发的一个战略啊
我们也就是利用我们的这个ai 的平台去针对于phd one
Two 这样的靶点去生成小分子
然后去用ai 的平台要很好的去balance 这个分子的理化性质
Pk 性质
才能使得这个分子高度的在这个肠道负集
就是说起来简单
其实还是特别垂体的
因为你想它在肠道它不进血
但是它像块块石头似的也不行对吧
你得进到你的靶气管里面
你要进到你的肠道的细胞里面
所以你要很好的有这样balance 你的分子的透膜性
溶解度和它代谢的速度
就传统意义上
比如说你做口服的小分子药物
一般你的希望的你的化合物是代谢的越慢越好
但是如果你去开发你的肠道限制性的分子
其实你的分子的代谢不能那么的慢
包括溶解度也是对吧
我们如果做口服的药物
你特别希望你是一个呃
Class one 的分子
溶解度高
Permanitpalitic 高的分子
但是如果你开发肠道限制性分子
你的溶解度不能那么的好
所以你要非常好的balance 你分子的性质
呃
所以是要针对肠道的性质来做一些设计
我觉得应该是针对你想要的profile
就是你化合物的理化性质和它的pk profile 等等dmpk 的性质去进行分子结构上的改造
对
其实我觉得这就引出了我觉得英西
呃
跟很多其他的呃
Ai 制药公司不太一样的一点
就是英西是自己做管线
自己从零到一这个药物分子的
然后我 呃
接下来其实就是想聊一聊就是英西的商业模式
当然自己管线是一个非常重要的
但是其实英西也做平台服务
然后做软件服务
然后另外可能也会跟呃
大药企扣develop 一些药物
能不能这给我们展开说一说
就是呃
英西跟呃其他的公司是怎么样合作
以及它的商业模式是怎么样
呃 英西的
我们的主要我们有三种类型的合作模式
一个是我们有我们的ai 的软件
我们的客户可以直接呃
购买我们的软件
通过云服务的方式就利用到这样的一些工具
然后我们第二种的服务模式呢
就像刚才提到的
我们可以帮客户做药物研发的服务
简单来说就是说你告诉我靶点
我帮你把项目推进到pc 或者是ind
呃
这个我们的partner 再去做后续的临床开发和商业化
然后第三种模式呢
就是我们自己内部的自研管线
自研管线我推进到一定阶段
然后我可以去做leicense out 去寻求合作
我也可以是说我自己往前去推进
那我们像现在其实有自己就英西自己内部在推进的项目临床
我们在run 啊
四条呃临床阶段的管线
同时呢
我们已经leicense out 出去的项目已经有六个管线去做了
就等于是卖给了别人
也把这些项目推进到了临床的阶段
但比较有意思的是
你乍一听这三种模式其实互相感觉好好
好像有一点竞争关系对吧
就是我卖你软件了
那我为什么还找你服务
那我直接我让我自己三个字
用我的软件做我自己的项目就好了对吧
然后你自己也开发你自己的项目
那我还敢不敢把我的项目交给你去做
同样的适应症
有没有一定的竞争关系
其实你在几种业务模式中间
其实你隐约会觉得有一点冲突在
其实事实上他也是有这么一点冲突在
但是我觉得其实确实每个公司的想法都是不一样大的
就如说我用你的软件
我可以赋能到我所有的项目
我的三个词可以直接用
但是它也有一另外一种逻辑
说你的软件是你开发出来的
你是不是最趁手的user
你对这个软件是最了解的
而且你其实你的软件在开发过程中
你还是要不断的迭代更新的对吧
理论上我们一定是有最advance 的版本
试验过了
觉得效果好了
我才会去有信心把它放到我的平台上直接让客户去用
比如说我们有合作伙伴是从先跟我们有药物研发的合作
然后合作合作觉得还不错
交流也比较多
然后他又在合作的项目中看到了我们是怎样用我们的软件
然后他变成了我们软件的用户
然后反过来我们也有
比如说我们跟lily 就是他们是先用我们的软件
用了软件之后双方团队有一些这样交互的这样的一些机会他也了解到了
说 哎
英西他们的这个研发团队的实力也是不错的
那我把我的项目也可以整包的用给英继续做
真的
在现实生活中
呃
几种模式之间的合作都有
然后相互之间的转化也都是有的
对啊
其实回到做自英西自己做管线这件事
我其实还挺好奇的
就是因为昨天我们
呃
也有其他的ai 制药的公司的
比如说金泰科技的ceo 赖立鹏来参与圆桌论坛时
就是也会明确说我们只做平台不做药
对
我不知道在你来看
英西为什么会有做药这个决定
以及你自己做管线他有什么优势有什么劣势
坦率的也是一步一步走出来
我就刚加入英西的时候
那会儿我们管线还没太出来
所以也没有说特别明确说那个就一定是我们的所谓的商业化道路
一步一步走出来
卖管线
我讲真如如果大家是有做bd 的话
其实没有那么容易
虽然大家看到现在热火朝天的这个lessensing out 的deal
然后china innovation
但真的你想把你的管线尤其在早期的时候卖出去
其实没有那么容易的
但英西对我们来讲就是做管线有一个好处的是
你可以让大家更好的了解你
就我刚才提到了说一个所谓ai 黑箱的这个问题
你很难去解释
我每一个平台上面都是几十种算法
上百种算法
然后每个算法的技术流派其实都不一样的
有生成式的
有预测式的transformer
然后我们也有大语言的工工具
你没有办法一一的去解释的特别清楚你的优势你的差别
但是有一个什么事儿是很容易讲的清楚呢
就是你的项目的数据
因为你想要对我的这个管线有信任
你希望获得他们的信任
其实他们是看得懂数据的
你把这个结构放在这儿
你告诉他你这个结构花了多长时间做出来
花了多少个分子合成出来
然后我得到的东西是什么样的
数据这个东西是骗不了人的
是他们看得懂的
而且你也不用说
嗯
涉及到特别多的后方的这种confidencial 的这个内容
信息的一些交互
你就可能讲的明白的
这也是为什么英西做了很多的文章的发表
就大家如果对英西了解的话
会知道我们特别喜欢发文章
呃
这点跟很多的这个发码belt 是不太一样的
一般发码它是到最后一刻对吧
我才会去disclose 透露出我候选分子的结构
然后很多的时候也是在一期之后才disclose 它的这个靶点
呃
英西我们非常常希望能够有跟industry 交互的这样的一个渠道
而且我们也觉得发表文章是一个好的渠道
咱们刚才提到的两个例子
我们的t nink 和我们的phd for ibd
我们临床的candidate 都在文章里面有具体的displose
还有具体的分子的结构
对啊
其实你也提到就是英西好几条管线都已经bd 给了别的药企继续开发嘛
我
我想了解一下
就是你们在跟药企negotiate 过程中
他们会focus on 说这件事情是ai 来develop 的
或者说是我只是看中你的分子
只看中你的结果
中间至于是怎么做的
其实我不关心
在做就是lessons all 讨论的过程中确实没有关系你这个分子是ai 生成的还是不是ai 生因素的
不不是你这一个lessons of 的deal 能不能做成的重要的因素
但就还是回到咱刚才说到的这个不同业务之间的这个帮助上来讲对吧
他去you 你项目的这些scientist
你再给他去present 这个项目的时候
其实你可以简单的提到说我在这个项目中我这个分子是怎么产生的
然后我的数据是什么样
这个过程啊
是更convincing 的
那他的scientist 如果在看这个项目的过程中
他可能多多少少就觉得
哎
还挺有意思的
这公司这个ai 的平台说不定还真是能帮得上忙
那你能不能帮我再预约一个ai 平台的介绍的会
这种情形非常的多
所以他会有一些对你平台讨论的注意
明白 呃 其实 呃
英西还有很多是跟大药企的cde development
包括赛诺森
然后包括李来
都是你们的客户
相当于合作伙伴
大药企跟你们合作的过程中
有没有最常提出的一些问题
呃
我觉得一个是你做一个项目到底有多长时间能做的出来
一个是多新对吧
就是你分子你novelty 是什么样
然后你从战略的选择上来讲
你到底是愿意做更那我的
还是要做一些
比如说在就是我们所谓information based 的drug design 对吧
就这个永永远是被被问及到的问因
因为药研研发真的是非常特殊的一个场景或者是复杂的一个题
项目和项目之间不同的话
我觉得会有非常大的差异
当我外外面跟面面宣
宣传说我们ai 有多厉害
有多powerful
有多能赋能的时候
我肯定要强调项目
目比说 呃
最快的时候九个月八个月能deliver pc 第一个项目
这么新的项目
我十八个月deliver 一个first thing class 的
然后分子又是deno al design 这样的一个分子
这个是我
一定是我
我传传一一模模式就逻辑非简简单果你非非给我一个c mc
让我做一个syymic 小分子
我一为愿意给给你几千万
你给我一个对吧
你
你要是跟我说一定十八个月之内能deliver 这样的一个分子
Cymic 确实是一个臭名昭著的南朝药靶点啊
如果谁能把这个这个分组做出来
那是billion dollar question
结论非常类似嘛
其实除了symicc
还有很多这种所谓大大转小对吧
已经在临床上非常好的这个大分子转成口服小分子
但凡有一个口服药呢
去做替代
一定是非常有市场竞争力的
但它一定是有很大的这样的一个项目可开发性上的一个挑战
嗯
所以其实你们在口development 过程中
其实 呃
对靶点的选择其实也是会一一起
是一个共创的过程
也会要考虑这个项目的可行性
靶点的可行性
以及一息能够提供一些什么样的辅助
是的
就是从英西的角度来讲
就是难的靶点对于传统的药物研发来讲是难的
靶点对我们来讲也难
但只是说我们可能多一些工具
能多一些赋能的方式
比如刚才你提到的这个阿尔法的
它确实是解锁了很多的这个这个蛋白的结构
但是它有很多不准确的地
但是从我们的角度来讲
它也给了我们一个新的
呃路径
我一旦有了这种阿尔法four 的predict 的结构之后
我就可以用它的这个结构去生成分子
那当然
你给它的input 的结构信息是越准确的
置信度越高的
那我生成好的东西的机会也是越大的
但我 Anyway
我是有一个抓手的
回头说到当年我们去立那个t mic ip for ipf 的那个项目的时候
我们是怎么样去针对fabosis 病人选到t mic 这个靶点
其实中间有个caerier
就是要有单晶的结构
因为那会儿阿尔法food 还没有公开
那我们想要这个项目能做
我就得有一个起点
我要至少有它的这个靶点的单晶结构
但如果你换到现在的这个情况
我再做一个novel 的靶点
如果这靶点因为没有单晶的结构
没有这个电冷冻电镜结构等等
我还是可以基于它阿尔法food predict 的结构去做分子生成的
你说它机会高不高
一定不高
但是你你还是可以尝试
多了一条路径
呃
然后刚才其实王总提到了数据啊
我们也知道数据对于ai 的模型来讲非常重要
而且我们也知道就是说数据对于医药行业来讲是一个非常核心的资产
甚至有时候都是靠fidural 的
甚至是你们可能自己也会产生一些数据
就是数据在你们的这个公司里头是怎么样被处理的
首先第一点就是非常直接的回答
我们不会用客户的数据
再一个
从这个实际的这个数据的量上来讲哈
这个公开的数据一定是远多于你实际手里面产生的real 的这种从实验出来的这些数据的
就是它不是一个量级的
我夸张来讲
你可是几滴水掉到河里的这种量级的
这个当然可能是在不同的数据类型下面可能量量级是不太一样
但总的来讲
你手中湿实验的这些数据
但公开的数据其实比是量是要很少的
但是在同一实验标准或者是在同样的这种结构化的这个数据项下来
内部的数据的质量是更高的
它的可比性更高的
所以我们自己一般会用内部的数据去验证去validate 去做benchmark
就是我们它更像是一个test 集合
然后去去一些fn ine too
嗯
所以你们在要跟药厂合作的过程中
药厂是会提供给你们他们的数据
呃
药厂不大会
就是药厂也知道数据宝贵
所以我们不太用药厂
反倒有的时候是跟一些academic 的合作
或者是跟这种nproproit
Nunprofit 这种基金金会呀什么的
会有这些数据的
这种sharing 啊
我们曾经跟那个on cls
它是这种世界上最大的这种非公益性的ios 疾病的这种患者组织
他们也有基金
然后去合作
他们就给我们提供了他们积累了二十多年的这个病人的数据
然后我们也是针对于ars 这个疾病做了一个drug repurpose
呃
我们的合作伙伴
呃 这个货币 呃
福贝的鲁白教授他们也快速的把这个drug refusing 的drug 去推到了it 上面
在这样的情况下会有一些数据的分享
但是就是坦率讲
如果是跟药企的合作的话
数据的分享是比较难的
尤其是药物研发的服务
除非你说我帮帮你去开发一个软件
然后我这个软件也只落地在你自己的平台
我自己也不用
我也不给别人提供服务
这种是有可能会share 数据的
明白
所以你们如果内部的软件开发的话
就用的是一个是公开数据
或者是少量的自自产生的数据
对
然后也有一些none on fit it 机构可能会提供一些他们的数据来跟你
对
有的时候特殊的场景也会花钱购买一些数据库
明白 呃
到最后啊
就是我不知道现在你觉得在ai 制药这个产业上面临一些什么样的挑战
或者说一新面临一些什么样样独特的挑战
一方面的挑战
其实最开始提到的这个技术变革太快的这个事儿
对于我们来讲也是挑战你
你到底是在哪哪个哪个向上去做更多的这种技术上的布局
你不可能做out 的对吧
就是一定是要有你自己更多的一些focus
但是你做的这个布局的方向是不是一定是最好的
或者甚至是在短短未来一年是不是最好的
都很难去有一个特别clear 的这样的一个结论
然后另外一方面就是我觉得持续的发展其实你还是也要balance 在你
你自己的管线
你的服务以及你ai 平台开发这个上面也要有一个很很好的balance 对吧
就是你内部其实总共也就是那么多的资源
你这些资源elucate 到哪里
哪个对你来讲更重要
对公司未来的发展更重要
更值得你在当下放更多的精力和资源
呃
我觉得这个也是比较有挑战
所以 呃
在你看来
你觉得英西它核心的一个护城河是什么
呃
一是其实我们确实是比较早的第一批就是替一对的去开始做aifo dmp discovery 的个公司
我们在这方面已经积累了蛮多的经验
数据也好
算法也好
然后包括如何去使用这些数据
也包括说在哪一些实际的场景哪类的算法是更适用的也可以看到
就是说我们对于先进的技术
最新的这个技术上的变化我们一直是非常敏感的
然后我们是一直非常高度关注和open 的
就我们的这making 在这个上面尝试的时间是非常短的
我们会很乐于在这上面去投入一些资源的
那说到第二点呢
我们的优势其实也是说到我们药物研发和ai 的这个结合上面的
我们公司 嗯
的药物研发团队的呃
小伙伴们
就是我们的们
其实他们是一批有着数年研发作经验
但是又相对比较年轻的一批人
就为什么会其实我们在招聘的时候也会有这这样的一些想法
他对
呃
他的knowledge 还是有比较好的一些沉淀和对药物研发的理解
同时他又对新的技术是非常的open
他愿意去学去用
我们也会非常鼓励甚至是要求我们的scientists 的在他们的日常的工作中
就要非常尽量多的利用我们自己的工具
甚至是外界的工具去进行一些尝试和探索
所以我觉得这个是我们优势
那当然
我们有自己这么多的管线
其实在药物研发的这个过程中
其实他有很多的其实呃
非常复杂的需要去做成决策的这样的过程就是有些事儿你不跑过
你不乱过这些项目
是没有这些项目开发的经历
其实他也不知道怎么更好的去去用这些工具
嗯
所以一方面是开发的经验
在另一方面其实也是啊
一个是人才本身的特质
一个是人才这方面的积累
是的是的 对
就是说三年以后
你觉得ai 制药的现在的逻辑会跟现在会有什么区别吗
我觉得逻辑上不太会有特别大的区别了
我觉得但是技术上一定会有比较大的一些变革
确实是会有很多东西它可以做到非常高效的一些赋能
而且我相信会有更多的人开始去使用这些工具
就坦率讲在
嗯
大家真正意义上大规模的去使用aifo 药研研发
就纯研发的工具的公司还是比较有限的
大的m 的
大的globm
Nc 会有比较多的布局
小的biotech
呃
中型的方尔码相对是比较有限的
但我觉得三五年之后
越来越多的人会开始用
而且是比较广泛的去用
嗯 呃
其实我昨天参加另外一个panel 啊
好像有两三个老总也在上面讲
他觉得希望现在ai 最具有的能力就是make decision
就是ai 未来也能做一些正确的决定的话
其实是一个很高的提效
是是
就是看场景
如果你这个事儿是相对比较简单的
比如说你
你就是去做一个这个fep 计算
就算一下结合自由能
这个有可能未来算的比较准对吧
但是如果说你帮你第decision making
就说在他一轮生成分则里面一下子就挑到是pk 又好又没读的什么什么
这个就盖
那就太远了对吧
但是在细小的这个逻辑链条上是比较近的
这种decision making 我觉得是没有问题的
好
那我们今天就到这里吧
嗯 谢谢大家
谢谢
这就是我们今天的wort's next 科技早知道
欢迎大家在评论区和我们留言互动
加入到科技和创新的下一步讨论中来
那我们下期再见