“分子并非標(biāo)準(zhǔn)化產(chǎn)品，但機(jī)器學(xué)習(xí)可以訓(xùn)練出分子合成的自動(dòng)化工具?！?/strong>

作者：涂鴉君

編輯：tuya

在很多場(chǎng)景中，從結(jié)果看AI還只起到了錦上添花的作用，很多行業(yè)的痛點(diǎn)并未解決。在安防、金融、政務(wù)等應(yīng)用領(lǐng)域，AI公司競(jìng)爭(zhēng)激烈，但經(jīng)濟(jì)化模型堪憂，尋求新場(chǎng)景的實(shí)質(zhì)性落地是每一家AI公司的嚴(yán)峻課題。這甚至也關(guān)乎到助力企業(yè)發(fā)展的創(chuàng)投機(jī)構(gòu)的切身利益，因?yàn)橐恍┘磳⒂瓉硎斋@期的被投企業(yè)正面臨審查標(biāo)準(zhǔn)趨嚴(yán)的科創(chuàng)板和創(chuàng)業(yè)板。

生物制藥領(lǐng)域是典型存在效率痛點(diǎn)的行業(yè)，體現(xiàn)在從新分子到藥物規(guī)模化生產(chǎn)的幾乎全產(chǎn)業(yè)鏈。

制藥過程的早期過程是化學(xué)層面的分子發(fā)現(xiàn)、設(shè)計(jì)與合成。智化科技Chemical.AI創(chuàng)始人兼CEO夏寧博士對(duì)《財(cái)經(jīng)涂鴉》表示，目前化學(xué)研發(fā)行業(yè)的“工業(yè)1.0”變革還沒有實(shí)現(xiàn)，從分子合成到后期生產(chǎn)都基于專家的經(jīng)驗(yàn)積累，類似手工業(yè)。

Chemical.AI智化科技是一家制藥化學(xué)AI科技企業(yè)，它的化學(xué)合成路線設(shè)計(jì)平臺(tái)讓藥企能夠快速獲得新分子，提高新分子合成速率，從而讓后續(xù)制藥環(huán)節(jié)的探索有更多的可能。今年3月，公司完成了超過3000萬(wàn)元的A輪融資，由紅杉中國(guó)種子基金領(lǐng)投，巢生資本和天使輪老股東峰瑞資本跟投。

新藥發(fā)現(xiàn)領(lǐng)域，AI主要應(yīng)用在靶點(diǎn)篩選、新藥分子設(shè)計(jì)與合成、分子有效性預(yù)測(cè)上，而用AI輔助新分子設(shè)計(jì)環(huán)節(jié)的創(chuàng)業(yè)公司數(shù)量較多，目前也非常熱門。代表公司Schr?dinger(SDGR.US)與Relay Therapeutics(RLAY.US)已在美股上市。其中，Schr?dinger的分子設(shè)計(jì)軟件收入目前占比達(dá)到80%左右。

然而，虛擬的分子在設(shè)計(jì)出來后，合成的成功率不高，且分子合成后，還要進(jìn)行有效性測(cè)試以篩選出有生物化學(xué)活性的分子。以美國(guó)為例，資料顯示，制藥業(yè)每年測(cè)試數(shù)以十萬(wàn)計(jì)的分子，但大約只有30個(gè)被FDA批準(zhǔn)。因此對(duì)于有機(jī)化學(xué)博士來說，他們?cè)谛滤幯邪l(fā)中的一項(xiàng)重要工作就是合成有生物活性的分子，繼而研究分子如何影響細(xì)胞內(nèi)的過程。這時(shí)也能體現(xiàn)出傳統(tǒng)大藥廠的優(yōu)勢(shì)——更有能力合成并測(cè)試數(shù)以千計(jì)的分子。

Chemical.AI智化科技團(tuán)隊(duì)所攻克的則是AI方法輔助化合物合成的解決方案，其客戶包括羅氏制藥、藥明康德（603259.SH;02359.HK）等國(guó)內(nèi)外大型藥企及頭部CRO。并且，AI輔助實(shí)現(xiàn)化合物合成需要有化學(xué)反應(yīng)基礎(chǔ)數(shù)據(jù)、大量實(shí)驗(yàn)的經(jīng)驗(yàn)積累等，壁壘較高。

夏寧從小喜歡編程，深耕化學(xué)后，他認(rèn)為計(jì)算機(jī)程序可以更好地解決化學(xué)研究中的問題，也一直希望將兩者結(jié)合應(yīng)用。

從法國(guó)科學(xué)院有機(jī)化學(xué)博士學(xué)業(yè)畢業(yè)后，夏寧就開始了算法研發(fā)的工作并持續(xù)積累。夏寧曾在國(guó)際藥企研發(fā)部門工作，2009年在法國(guó)參與創(chuàng)立eNovalys，該公司自研了化合物逆合成系統(tǒng)的早期版本。當(dāng)時(shí)的逆合成系統(tǒng)未成功實(shí)現(xiàn)商業(yè)化，夏寧回國(guó)后繼續(xù)探索，在2016年上線了逆合成系統(tǒng)的第一個(gè)版本，積累了一些用戶，隨后兩年系統(tǒng)的效能不錯(cuò)，證明了此應(yīng)用方向的前景，夏寧在2018年成立了智化科技專注實(shí)現(xiàn)產(chǎn)品的商業(yè)化。隨著客戶的使用，智化科技希望把算法打磨得更精確。據(jù)悉，目前公司的軟件收入已經(jīng)使公司盈利。

《財(cái)經(jīng)涂鴉》近日對(duì)話了夏寧博士，以下為訪談內(nèi)容（有刪節(jié)）：

Q：《財(cái)經(jīng)涂鴉》

A：夏寧?智化科技Chemical.AI創(chuàng)始人兼CEO

夏寧（來源：受訪者提供）

Q：為什么堅(jiān)持將化學(xué)與計(jì)算機(jī)的方式結(jié)合起來應(yīng)用？

A：化學(xué)是基礎(chǔ)行業(yè)，但這個(gè)行業(yè)又與制造業(yè)不同，化學(xué)的研發(fā)一直是“手藝活”，從業(yè)人員還是像兩百年前的化學(xué)家一樣手工操作完成實(shí)驗(yàn)的工作，沒有實(shí)現(xiàn)自動(dòng)化。因?yàn)?strong>化學(xué)的產(chǎn)品是一個(gè)個(gè)分子，新的分子和之前的分子又是不一樣的，不是標(biāo)準(zhǔn)化的產(chǎn)品。

化學(xué)研發(fā)的問題是如何合成幾千個(gè)分子，生產(chǎn)要解決的是怎樣用最便宜的方法生產(chǎn)出目標(biāo)分子。現(xiàn)在的化學(xué)領(lǐng)域，從業(yè)者得有高學(xué)歷、有豐富的經(jīng)驗(yàn)才能勝任，這是化學(xué)的“大腦”；但其他很多行業(yè)已經(jīng)實(shí)現(xiàn)了自動(dòng)化，它們的“大腦”已變成一段程序。同時(shí)，我認(rèn)為計(jì)算機(jī)程序也非常擅長(zhǎng)解決化學(xué)的問題。

Q：業(yè)內(nèi)很早就開始探索用計(jì)算機(jī)的方法做合成，為何現(xiàn)在的商業(yè)化進(jìn)展最明顯？

A：哈佛大學(xué)教授Elias James Corey因提出“逆合成分析原理”，將有機(jī)合成路線設(shè)計(jì)技巧變成了嚴(yán)格的思維邏輯科學(xué)而獲得1990年諾貝爾化學(xué)獎(jiǎng)。該原理簡(jiǎn)而言之，就是為了合成某個(gè)分子，從目標(biāo)一步步往回推其原料和合成方法。

早在1969年Elias James Corey就嘗試用計(jì)算機(jī)設(shè)計(jì)分子的合成路線，但當(dāng)時(shí)軟硬件條件受限，這類工具沒有被廣泛應(yīng)用。后來2018年上海大學(xué)的Mark Waller教授和德國(guó)明斯特大學(xué)的Marwin Segler博士等人在《自然》雜志報(bào)道了一款可以通過自主學(xué)習(xí)有機(jī)反應(yīng)來設(shè)計(jì)分子合成路線的AI新工具。此套算法被公開后，很多分子合成路線都使用到這套算法的改進(jìn)版。此后計(jì)算機(jī)合成化合物便引起了資本的注意，因?yàn)檫\(yùn)用計(jì)算機(jī)的方式，化學(xué)家可以比以往更快地合成目標(biāo)分子。化學(xué)的文獻(xiàn)、專利數(shù)據(jù)早已實(shí)現(xiàn)標(biāo)準(zhǔn)化，數(shù)據(jù)量也足夠大，也非常適合算法的發(fā)展。

Q：為什么選擇化合物合成AI的商業(yè)化？

A：如果將藥物研發(fā)成本降到藥廠有利可圖，資金會(huì)更愿意集中到新藥研發(fā)中。現(xiàn)在很多做AI的新興藥企聚焦于新分子的設(shè)計(jì)，但做出的新分子真正合成后并不能被確定為有效，正如設(shè)計(jì)的芯片并不一定能投產(chǎn)使用。結(jié)構(gòu)過于復(fù)雜的分子，化學(xué)家也無法合成。因此這些新的虛擬分子通過AI算法的迭代可能在幾年后甚至更長(zhǎng)時(shí)間才能算得準(zhǔn)確，但分子的計(jì)算機(jī)合成是可以更快落地的。我們解決的是快速獲得其所設(shè)計(jì)開鎖的鑰匙的問題。藥企在快速拿到分子后，才能知道它有怎樣的效果，從而做出新的管線。

Q：計(jì)算機(jī)程序是怎樣切入化學(xué)研發(fā)的知識(shí)體系的？

A：AI單領(lǐng)域已經(jīng)體現(xiàn)不出強(qiáng)競(jìng)爭(zhēng)壁壘了。對(duì)于化學(xué)家來說，分子怎么做是一套很大又很細(xì)分的知識(shí)體系，而且化學(xué)家有各自精通的領(lǐng)域如糖化學(xué)、磷化學(xué)等，這樣看化學(xué)家更像是傳統(tǒng)“手藝人”。計(jì)算機(jī)程序更像是一種GPS的訓(xùn)練體系，它在沒有經(jīng)驗(yàn)的地方也不會(huì)受太多限制，因?yàn)樗鼤?huì)找最好的解決辦法，從而加快分子合成過程的探索效率。現(xiàn)在機(jī)器學(xué)習(xí)是按照最高經(jīng)驗(yàn)水平打造的，可以無限復(fù)制自己，同時(shí)做很多實(shí)驗(yàn)。原來靠人力無法完成的分子合成需求，在AI的輔助下卻可以完成。

現(xiàn)在，深度學(xué)習(xí)可以解決很多問題，但還難以解決“邏輯問題”，比如在無人駕駛場(chǎng)景，車輛前方左右兩側(cè)分別有一只狗和一個(gè)人，如果無法剎車了，它應(yīng)該撞向哪一側(cè)？這種情況下，目前AI還做不了邏輯判斷，需要由專家把規(guī)則寫好，光靠訓(xùn)練是無法學(xué)會(huì)邏輯判斷的。其實(shí)大量的問題都涉及因果關(guān)系，這都不是現(xiàn)在的深度學(xué)習(xí)技術(shù)擅長(zhǎng)解決的。

Q：那AI在化學(xué)領(lǐng)域夠用嗎？

A：化學(xué)里面有大量的因果關(guān)系，所以我們做的并不是純粹基于深度學(xué)習(xí)的AI，這也是我們可以做、別人不容易做的原因。我們有自己的算法來解決因果關(guān)系。與自動(dòng)駕駛這種場(chǎng)景的復(fù)雜性相比，化學(xué)的邏輯關(guān)系相對(duì)簡(jiǎn)單、可描述。

Q：很多場(chǎng)景里AI目前只是一個(gè)工具的作用，但我們期望的是AI本身的迭代。

A：強(qiáng)人工智能是人類所向往的，但我們對(duì)大腦還不夠了解，大腦一定是在我們從類人猿到人的過程中進(jìn)化出了思考決策能力，因?yàn)檫M(jìn)化過程中我們生理結(jié)構(gòu)的變化遠(yuǎn)沒有邏輯、智力的變化大。我個(gè)人認(rèn)為很重要的原因是人產(chǎn)生了語(yǔ)言，而類人猿沒有語(yǔ)言，導(dǎo)致它沒法進(jìn)行邏輯思維，雖然科學(xué)界還沒有對(duì)這一點(diǎn)形成共識(shí)。

Q：現(xiàn)在AI輸出的“語(yǔ)言”是人類寫好的。

A：AI現(xiàn)在還沒法表達(dá)出它在想什么，也還沒有語(yǔ)言。但凡我們用語(yǔ)言問它再簡(jiǎn)單的邏輯問題，AI也無法回答。

Q：可能AI還沒法理解大腦的機(jī)制，而且理解了也無法模擬此機(jī)制。

A：這我倒不這么認(rèn)為，理解了就可以模擬。其實(shí)人的思維就是一段程序，只不過是在大腦神經(jīng)系統(tǒng)的硬件上運(yùn)行的。

Q：回到化學(xué)的場(chǎng)景，公司未來需要持續(xù)的資金投入去推動(dòng)核心的研發(fā)能力嗎？

A：相比于生物醫(yī)藥的后期環(huán)節(jié)，我們并不需要太高額的研發(fā)費(fèi)用，主要花費(fèi)是在人才上。人才不僅要有跨學(xué)科的能力，還要有持續(xù)的研發(fā)能力。對(duì)于成熟的技術(shù)，通過大量資金投入或許可以復(fù)制，但如果是我們這些還沒有完善的技術(shù)，則需要有人創(chuàng)新，需要靈感和試錯(cuò)，這種經(jīng)驗(yàn)的積累靠“燒錢”可能難以去大規(guī)模加速。

Q：公司有沒有想過以后還有什么商業(yè)模式的可能？

A：商業(yè)模式可以有很多，但我認(rèn)為提升分子產(chǎn)生的效率是最核心的，因?yàn)樗淖兏镄砸呀?jīng)足夠大了。