谷歌基于AlphaFold布局的商業(yè)化路線，現(xiàn)在有了新的進(jìn)展。

就在昨天，谷歌母公司Alphabet宣布成立一家新公司Isomorphic Laboratories。

這家新公司會(huì)在DeepMind蛋白質(zhì)折疊方面的成就的基礎(chǔ)上，建立模型用AI開(kāi)發(fā)藥物。

同時(shí)，DeepMind的首席執(zhí)行官Demis Hassabis也將擔(dān)任新公司的CEO。

他希望這個(gè)公司能夠達(dá)成兩個(gè)目的，一是以AI優(yōu)先的方法重新想象藥物發(fā)現(xiàn)的過(guò)程，其次是最終能夠模擬并理解一些生命的基本機(jī)制。

站在AlphaFold的肩膀上

所以AI開(kāi)發(fā)新藥，和AlphaFold這樣的預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的技術(shù)有何關(guān)聯(lián)？

不妨先簡(jiǎn)單回顧一下AlphaFold的技術(shù)原理。

AlphaFold蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)模型可以分為三個(gè)部分：

首先輸入一串氨基酸序列，提取出其中的特征。

再經(jīng)過(guò)深度神經(jīng)網(wǎng)絡(luò)，預(yù)測(cè)出氨基酸之間的距離和在空間上的夾角。

最后對(duì)結(jié)果進(jìn)行評(píng)估和優(yōu)化。

因?yàn)榈鞍踪|(zhì)的肽鏈只有經(jīng)過(guò)折疊形成復(fù)雜的空間結(jié)構(gòu)之后才能發(fā)揮作用，所以如果能夠預(yù)測(cè)蛋白質(zhì)的結(jié)構(gòu)，再加上已知的氨基酸序列，理論上就能很好的了解蛋白質(zhì)的作用。

有了蛋白質(zhì)的模型之后，就可以進(jìn)一步了解蛋白質(zhì)之間的相互作用。

進(jìn)而摸索出人體和藥物的相互作用。

Isomorphic Laboratorie希望依據(jù)這樣的成果，做出一個(gè)能夠識(shí)別新藥物的工具，并建立一種能夠預(yù)測(cè)藥物如何和身體相互作用的模型。

如果這種工具和模型有效，新藥研發(fā)耗時(shí)耗力的試驗(yàn)階段可能會(huì)先轉(zhuǎn)移到模型上去做。

這樣就能縮短試驗(yàn)時(shí)間，大大加快新藥的開(kāi)發(fā)速度。

不過(guò)公司也稱，他們可能不會(huì)開(kāi)發(fā)自己的藥物，而是走出售模型的商業(yè)模式，專注于和制藥公司合作。

而對(duì)于新公司的名字，CEO也有自己的見(jiàn)解：

在最基本的層面上，生物學(xué)也能看作一個(gè)信息處理系統(tǒng)。

從這個(gè)角度來(lái)說(shuō)，生物學(xué)和信息科學(xué)之間可能存在一個(gè)共同的底層結(jié)構(gòu)：一種兩者之間的同構(gòu)映射。

不得不說(shuō)，這個(gè)解釋巧妙地說(shuō)明了生物學(xué)和信息科學(xué)的聯(lián)系，也精煉地表達(dá)了公司的目標(biāo)。

而新公司的logo也是一個(gè)中心對(duì)稱的同構(gòu)符號(hào)。

是賭局還是希望

Demis Hassabis剛發(fā)布這個(gè)消息，就在社交媒體上引發(fā)熱議。

有網(wǎng)友表示這不過(guò)是另一場(chǎng)賭局。

畢竟，現(xiàn)實(shí)情況是，開(kāi)發(fā)或測(cè)試藥物可比研究蛋白質(zhì)結(jié)構(gòu)難得多。

舉個(gè)簡(jiǎn)單的例子，即使兩種蛋白質(zhì)的空間結(jié)構(gòu)看起來(lái)能結(jié)合在一起，實(shí)際上可能并不能粘合。

再比如一種藥物在化學(xué)層面推測(cè)很有用，到了復(fù)雜的動(dòng)物或者人體內(nèi)可能效果甚微。

化學(xué)家Derek Lowe就在一篇Science中提到過(guò)，超過(guò)90%的進(jìn)入臨床試驗(yàn)的藥物最后都沒(méi)有作用，而大多數(shù)在分子水平上都沒(méi)有問(wèn)題。

但是也有讓人淚目的故事：

Demis，不確定你會(huì)不會(huì)看到這條。我父親是一位藥劑學(xué)教授，他在我小時(shí)候給我講過(guò)加速藥物研發(fā)的重要性和他在這方面做出的努力。

現(xiàn)在他已經(jīng)不在了，但是如果他看到AI能解決這個(gè)問(wèn)題的話一定會(huì)很開(kāi)心的。

不知道你們?cè)趺纯茨?

參考鏈接：

[1]https://www.theverge.com/2021/11/4/22763535/google-alphabet-drug-discovery-deepmind-ai?scrolla=5eb6d68b7fedc32c19ef33b4

[2]https://zhuanlan.zhihu.com/p/393699764

本文來(lái)自微信公眾號(hào)“量子位”（ID:QbitAI），作者：行早，36氪經(jīng)授權(quán)發(fā)布。

關(guān)鍵詞： 新藥 專注 技術(shù)