AI+制药：AI技术蓬勃发展，AI+制药行业潜力巨大

微信扫码，打开到小程序

请务必阅读正文之后的信息披露和法律声明 [Table_MainInfo] 行业研究/医药与健康护理 证券研究报告 行业深度报告 [Table_InvestInfo] AI+制药：AI 技术蓬勃发展， AI+制药行业潜力巨大 [Table_Summary] 投资要点：  AI 技术蓬勃发展，AI+制药有望成为下一个黄金赛道。AI 技术通过机器学习和深 度学习等手段，已经在药物发现、临床前研究和临床试验等全流程中发挥重要 作用。从 2007 年的早期探索至今，AI 制药技术经历了技术积累、验证和快速发 展期，目前正处于一个技术创新活跃、政策扶持明显、市场前景广阔的阶段。 AI 制药投融资市场活跃，根据 Deep Pharma Intelligence 官网数据，截止 2023Q1 累积投资额达 60.2 亿美元，市场规模持续增长，预计到 2026 年全球市场规模将 达到 29.94 亿美元。  AI+制药受到国家政策支持，产业链上下游投资机会多元，应用端百花齐放。AI 制药行业得到国家层面的政策支持，如《“十四五”医药工业发展规划》和《“十 四五"生物经济发展规划》等，旨在推动云计算、大数据、人工智能等技术在新 药研发中的应用。AI 技术在新药研发领域中的应用推动行业快速变革，涉及靶 点发现、蛋白质结构预测、化合物筛选、ADMET 特性预测、临床试验结果预测、 药物重定位、晶型预测和逆向合成分析等多个关键环节。AI 制药技术的应用有 望缩短药物研发周期，降低成本，提高研发成功率。AI 技术使得从药物设计到 临床试验的全流程更加高效，为传统药物研发带来创新变革，并展现出在药物 研发领域的广阔前景和巨大潜力。  CRO 公司加速布局 AI+制药应用技术。CRO 药物研发外包公司的 AI 技术应用正 逐步深化，涵盖药物发现的各个环节，从靶点识别、化合物筛选、结构预测到 药物设计等。维亚生物建立纵向 AI 应用技术平台加速先导化合物发现；泓博医 药持续推进 PR-GPT 多模态大型语言模型的应用；成都先导依托 DNA 编码化合物 库技术与 AI 技术结合，优化苗头化合物的识别过程；药石科技利用其分子砌块 库结合 AI 技术，开发动态化学空间，并通过一站式计算筛选平台，提供全面的 活性化合物筛选服务。随着 AI 技术的不断进步和 CRO 公司专业能力的增强，我 们预计未来药物研发领域将迎来更多创新突破。  风险提示。AI+制药技术发展不达预期风险、AI+制药研发成本导致公司亏损风险、 生物医药投融资下滑风险、地缘政治风险、数据隐私与安全风险、市场竞争加 剧风险。 行业研究·医药与健康护理行业 请务必阅读正文之后的信息披露和法律声明 2 目 录 1. AI 制药领域蓬勃发展，有望成为下一个黄金赛道 ........................................................... 5 1.1 AI 技术发展迅速，引领制药领域创新变革 ............................................................. 5 1.2 技术革新与政策扶持促进 AI 制药行业快速发展 ................................................... 5 1.3 AI 制药市场蓝海前景广阔 ......................................................................................... 7 1.4 AI 制药产业链上中下游分析 ..................................................................................... 8 2. AI+制药技术方兴未艾，应用端百花齐放 ........................................................................ 10 2.1 AI 技术驱动治疗靶点发现，增加靶点新颖性 ....................................................... 10 2.1.1 系统生物学方法 ................................................................................................ 11 2.1.2 基于结构的靶点发现计算辅助方法 ................................................................. 11 2.2 AlphaFold 促使蛋白质结构预测革命性进步 .......................................................... 12 2.3 化合物虚拟筛选有效提升化合物结构新颖性 ...................................................... 12 2.4 ADMET 预测可提前考量药物成药可能性 .............................................................. 13 2.5 临床试验结果预测可有效节省失败临床的经费 .................................................. 14 2.6 人工智能促使药物重定位快速上市 ...................................................................... 15 2.7 晶型预测可提供不同于经验规则的新见解 .......................................................... 16 2.8 逆向合成分析可有效优化和创造合成路线 .......................................................... 17 3. CRO 公司加速布局 AI 技术应用 ........................................................................................ 18 3.1 维亚生物建立纵向 AI 应用技术平台加速先导化合物发现 .................................. 18 3.2 泓博医药语言模型具备丰富应用场景 .................................................................. 19 3.3 成都先导具备独家骨架骨架跃迁算法 .................................................................. 19 3.4 药石科技分子砌块结合 AI 技术突破显著 ................................................................. 21 4. 风险提示 ............................................................................................................................. 21 OVqZ8ZbY8WmV9PaObRsQmMmOqMfQmMwOfQoOmO6MtRmMwMrQzQvPpPsQ 行业研究·医药与健康护理行业 请务必阅读正文之后的信息披露和法律声明 3 图目录 图 1 AI 技术在制药行业的中的应用发展历程 ................................................................... 5 图 2 AI 制药领域投融资金额 ............................................................................................... 7 图 3 2021-2026 年全球 AI 制药市场规模趋势预测图 ........................................................ 8 图 4 2019-2024 年中国 AI 制药市场规模趋势预测图 ........................................................ 8 图 5 AI 药物研发产业链布局分布图 ................................................................................... 8 图 6 人工智能(AI)在药物研发过程中的应用 .................................................................... 10 图 7 靶点识别的三种探索性策略 ...................................................................................... 12 图 8 人工智能驱动的靶点发现的工作流 .......................................................................... 12 图 9 虚拟筛选的一般流程示意图 ...................................................................................... 13 图 10 基于配体的虚拟筛选和基于受体的虚拟筛选流程 .................................................. 13 图 11 ADMETlab 3.0 数据及 DMPNN-Des 模型框架概览 .................................................... 14 图 12 舌下右美托咪定与安慰剂对与双相情感障碍相关的急性激动的影响 .................. 16 图 13 晶型预测评估转晶风险.............................................................................................. 16 图 14 晶型预测与实验研究时间流程对比 .......................................................................... 16 图 15 逆向合成流程概述 ..................................................................................................... 17 图 18 语言模型参数量和训练计算量对比 .......................................................................... 19 图 19 大语言模型的发展历程.............................................................................................. 19 图 20 DEL 技术概念图 .......................................................................................................... 20 图 21 成都先导 DNA 编码化合物库设计的逻辑 ................................................................ 20 图 22 骨架跃迁移技术路径概念图 ...................................................................................... 20 图 23 利用 GraphGMVAE 进行骨架跃迁 ............................................................................. 20 图 24 药石科技一站式先导化合物计算筛选平台 .............................................................. 21 图 25 药石科技化合物激酶选择性预测平台 ...................................................................... 21 行业研究·医药与健康护理行业 请务必阅读正文之后的信息披露和法律声明 4 表目录 表 1 AI 技术分类 ........................................................................................................................... 6 表 2 国家层面 AI 新药研发行业政策 ......................................................................................... 6 表 3 “十四五”期间中国部分省份 AI 新药研发发展目标 ........................................................... 6 表 4 靶点选择标准 .................................................................................................................... 10 表 5 已有系统生物学平台/系统/方法 ..................................................................................... 11 表 6 基于结构的靶点发现主要策略 ........................................................................................ 11 表 7 inClinico 前瞻性研究第二阶段临床试验的预测和结果（截至 2022 年 12 月） ........... 15 行业研究·医药与健康护理行业 请务必阅读正文之后的信息披露和法律声明 5 1. AI 制药领域蓬勃发展，有望成为下一个黄金赛道 1.1 AI 技术发展迅速，引领制药领域创新变革 药物开发过程因其周期长、成本高、效率低而成为该行业长期关注的问题。平均而 言，药物开发需要 2 亿美元的投资，需要 10-15 年才能完成开发创新药物的整个过程， 从研发到营销。AI 制药是以医药大数据为基础，通过运用机器学习、深度学习等 AI 技术 替代大量实验，对药物结构、功效等进行快速分析，以优化药物研发环节的技术手段。 从初期计算机辅助药物设计，发展到如今的人工智能药物研发，AI 几乎参与了从药物靶 点发现到临床试验的全流程。 AI 制药技术发展历史： 1) 早期探索期（2007-2012 年）：人工智能技术在药物发现中的使用，可以追溯到 2007 年剑桥大学开发的 Adam 机器人成功预测酵母菌新功能的案例。而后，机 器人 Eva 发现了牙膏中的成分三氯生可以靶向抑制 DHFR 酶来治疗疟疾。 2) 技术积累期（2013-2016 年）：一大批标志性企业在此阶段成立，包括 Exscientia、 Atomwise、Recursion，国内的英矽智能、晶泰科技等。这一阶段主要是进行前 期的技术积累与早期商业模式的探索，研究 AI 如何与新药研发的各环节融合。 3) 技术验证期（2017-2019 年）：最早一批 AI+新药企业基本完成前期技术积累， 并陆续开始获得临床前候选药物一类的验证性成果，部分 AI+新药企业为药企 或药物研发 CRO 企业提供更具广度和深度的端到端 AI 技术服务。 4) 快速发展期（2020 年-至今）：随着技术进步，AI+新药企业与传统药企的合作逐 渐深入，最早成长起来的一批 AI+新药企业相继取得实质性成果，逐渐形成 AI 制药的早期参与者、互联网巨头和传统制药企业三股势力。 图1 AI 技术在制药行业的中的应用发展历程 资料来源：Deep Pharma Intelligence，HTI 1.2 技术革新与政策扶持促进 AI 制药行业快速发展 行业研究·医药与健康护理行业 请务必阅读正文之后的信息披露和法律声明 6 AI 技术底层突破显著，赋能医药行业发展。近年来，药物开发领域在计算机技术方 面取得了重大进展，特别是在人工智能领域，利用人工智能系统和软件使用机器学习算 法处理、解释和学习输入数据的人工智能药物设计得到了广泛采用。数据、算法和算力 被认为是 AI 的三大支柱，持续推动 AI 领域的发展。机器学习是 AI 的一种