我國首款AI輔助創新藥獲批上市

記者從西湖大學獲悉，由西湖大學、西湖實驗室、西湖制藥（杭州）有限公司聯合研發的創新藥——鹽酸伊司特韋片（商品名：艾普司韋）日前正式獲得國家藥品監督管理局附條件批準上市。該藥可用于成人輕型、中型新型冠狀病毒感染的治療。

艾普司韋是國內首款憑借人工智能（AI）輔助研發而獲批上市的原創藥——從源頭發現到完成臨床試驗，僅用時三年半。

抗新冠藥物研發有何難點？如何借助AI找到藥物分子？艾普司韋為新藥研發帶來哪些啟示？圍繞這些問題，科技日報記者采訪了西湖大學攻關團隊的專家。

第一問：抗新冠藥物研發有何難點？

“新冠病毒感染與人體自身的免疫反應高度耦合，且病毒會持續發生變異。所以，研發抗新冠病毒藥物，不僅要找到能有效阻斷病毒復制的分子，還要理解它的分子作用機制。”西湖大學生命科學學院教授黃晶說。

黃晶介紹，只有盡可能針對新冠病毒中功能關鍵又不容易通過突變逃逸的作用位點，才有可能使藥物對不同毒株以及未來可能出現的變異毒株保持較好的廣譜活性。

新冠病毒的3C樣蛋白酶（3CLpro）正是病毒復制過程中發揮核心作用的關鍵靶點——病毒依賴它來剪出功能性蛋白并完成病毒復制相關酶的裝配。若能找到合適的藥物分子卡住3CLpro蛋白酶這把“剪刀”，病毒便無法完成復制。

因此，3CLpro成為研發抗新冠病毒藥物的熱門靶點，它也是西湖大學攻關團隊瞄準的靶點。

“事實上，不只抗新冠病毒藥物，所有原創新藥的研發都極其困難。”黃晶分析，其中一個關鍵原因在于，原創新藥研發需要探索的分子空間巨大。如何更高效地找到值得進行實驗驗證的候選分子，是藥物發現面臨的重要挑戰。

第二問：如何借助AI找到藥物分子？

“在艾普司韋的研發過程中，AI實質性地參與了多個關鍵環節。”黃晶告訴記者。

西湖大學攻關團隊選擇的DNA編碼化合物庫（DEL），包含多達490億種化合物。他們先從中篩出了100多個“潛力股”。“在篩選準備和篩選過程中，我們利用AI模型幫助確定篩選條件以及對照化合物，提高篩選的成功率。”黃晶說。

按傳統做法，后續仍需花費大量人力、物力，對100多個“潛力股”進行逐一合成、驗證。關鍵時刻，AI再次派上用場。

“我們建立了針對3CLpro靶點的AI模型，從篩選結果中選擇了9個分子進行合成測試，其中6個表現出很強的抑制活性。”黃晶解釋，這說明，AI能夠從海量數據中精準高效地識別出真正有效的分子。隨后，團隊通過成藥性評估鎖定候選分子——編號WLU6937。

此后兩年，團隊圍繞該分子展開復雜的藥物優化流程，并用實驗產生的高質量數據“反哺”AI模型，對其進行持續迭代訓練，再根據模型預測結果指導下一輪實驗。最終實驗結果證明，WLU6937正是490億種化合物中的“最佳選手”。

“我們借助AI實現了新藥研發中的數據整合，形成了計算預測、實驗驗證、數據反饋、模型再優化的閉環。”黃晶總結道。

第三問：AI輔助創新藥研發面臨哪些難題？

“當下，AI已在原創藥物研發中起到顯著的降本增效作用，但尚未真正變革整個新藥研發體系。”在黃晶看來，現階段，AI輔助創新藥研發仍面臨一些現實障礙。

黃晶舉例說，藥物研發的鏈條非常漫長，目前AI往往只被用于早期研發中的某個具體環節。比如，對已知靶點的已知化合物進行分子優化。

“AI更重要的價值，是成為藥物早期研發中信息流整合和決策支持的核心工具，把結構生物學、藥物化學、活性、成藥性等不同來源的數據貫穿起來，減少研發過程中反復試錯的成本。”黃晶說。

第四問：艾普司韋為新藥研發帶來哪些啟示？

“艾普司韋的成功上市證明，真正的AI輔助藥物研發當前是高效可行的。”西湖大學校長助理王廷亮負責主導該項目的資本引入及成果轉化，他表示。

黃晶認為，AI輔助新藥研發已不止于概念，而真正可以支撐原創藥物從發現走向臨床，直至上市。

“我們在項目中積累的重要經驗是，在藥物研發過程中，必須從開始就有意識地收集高質量數據，并持續將其用于迭代AI模型。”黃晶分享，這樣才能借助AI真正把不同研發階段源源不斷的信息整合起來，使其成為貫穿整個項目的信息流整合和決策支持工具，而非只在某個孤立環節發揮作用。

（西湖大學供圖）