2007年7月，时任普林斯顿大学终身讲席教授的施一公，正站在清华大学礼堂讲台上，面向300多位世界知名的华人生物学家发言：我相信，21世纪是生命科学的世纪。

 

这话常被调侃为刻意的鼓舞人心。这与中国生命科学领域“朴素”的外身有关：比起互联网、半导体、新能源，热钱似乎并不同等青睐生物制药，更难普遍地流向身处生命科学领域的每一个小人物。
但科技革命的车辙不会说谎。今年，诺贝尔奖多个奖项暗示了人工智能技术和生命科学学科的潜力价值。
物理学奖奖项，授予了John Hopfield和Geoffrey Hinton，以表彰他们 “为推动利用人工神经网络进行机器学习作出的基础性发现和发明”。该研究溯源人工智能：科学家们设想模仿大脑的神经元通过计算节点的方式进行重现，这些节点通过类似神经突触的连接传递信息。以此建立处理复杂数据时具备学习与记忆能力。
化学奖授予美国华盛顿大学西雅图分校的David Baker，以及谷歌旗下DeepMind的Demis Hassabis和John Jumper。他们实现了科研界的共同梦想：通过人工智能预测蛋白质三维结构，设计全新蛋白质为人类所用。
突破了传统物理、化学理论区域之后，科学该如何纵向延伸？回问从何处来，向前到何处去，这正是AI+生命科学独特的时代意义。
在下文中，我们将先介绍今年诺贝尔化学奖背后的故事。然后，继续探讨生命科学公司要如何驾驭AI浪潮，以及关于最热门的生成式AI，需要了解哪些真相？
1
图片
计算和AI揭示蛋白质奥秘
今年诺贝尔化学奖得主有三位。一半奖项授予Demis Hassabis和John Jumper，另一半奖项授予David Baker。
三位研究者实现了一个长达70多年的科学理想。20世纪50年代，研究人员才开始依靠相对精确的化学工具详细探索蛋白质——剑桥大学的研究人员John Kendrew和Max Perutz成功使用X射线晶体学的方法，展示了蛋白质的第一个三维模型。
这一发现获得了1962年的诺贝尔奖，一场科学接力就此展开。
基于上述“开山”研究，研究者门使用X射线晶体学陆续成功制作了约20万种不同蛋白质的图像，这成为2024年诺贝尔化学奖研究的必要基础。
十年后，1972年诺贝尔化学奖颁给美国科学家Christian Anfinsen。他将现有蛋白质展开再折叠发现，蛋白质的三维结构完全由氨基酸序列决定。另一位研究者Cyrus Levinthal补充研究推导，折叠是一个预先确定的过程，关于折叠的信息必须都存在于氨基酸序列中。
一切开始指向预测问题。1994年研究人员启动了一个名为“蛋白质结构预测关键评估”（CASP）的竞赛项目，每两年中，参赛者需要根据已知的氨基酸序列预测蛋白质结构。项目启动多年来，预测准确率最高达到40%，并未取得突破性成果。
转折在2018年发生，一位棋坛大师、神经科学专家和人工智能先驱加入了该竞赛。他就是今年的诺贝尔化学奖获得者之一——Demis Hassabis。
他是DeepMind的创始人之一，其团队通过AI模型AlphaFold意外取得了CASP竞赛的胜利，此时预测准确率达到了60%。但还不够，John Jumper的出现使第二代AlphaFold的表现极其出色，几乎与X射线晶体学结果一样。
另一边，早在1998年就使用Rosetta计算工具在CASP竞赛中亮相的David Baker，在“定制蛋白质”的研究上也迎来了关键胜利。
研究小组绘制一种具有全新结构的蛋白质，然后让Rosetta计算哪种氨基酸序列可以生成所需的蛋白质。Rosetta搜索所有已知蛋白质结构的数据库，寻找与所需结构相似的蛋白质短片段。利用蛋白质能量分布的基础知识对这些片段进行了优化，提出氨基酸序列。
Baker的研究小组将建议的氨基酸序列的基因引入细菌中进行试验，最终得到了所需蛋白质，并确定了其结构。
竞赛之后，DeepMind公开了AlphaFold2的代码，任何人都可以访问。直到2024年10月，AlphaFold2已被来自190个国家的200多万人使用。David Baker也意识到了AI模型的潜力，其实验室已将AI工具用于设计制造蛋白质。
2
图片
速度与流程
蛋白质的关键科研进展，为制药行业提供了更广阔的药物可能。视线放回到制药产业界，生成式人工智能的潜在用例多得令人眼花缭乱，但行业对它最原始的期待往往是：缩短药物发现和开发周期，拓展已上市药物的适应症。
新药的成功与否，取决于速度快慢和流程的畅通程度。海外制药公司通常需要5～8年的时间来收回将新药推向市场的发现和开发成本，并为下一个新药提供资金。对于生成式人工智能，推动上述的“速度和流程”是取得竞争优势的关键。
有报告称，AI可以药物发现和临床前阶段用时缩短到2～3年（此前需4～7年），临床开发可能只需3～5年（此前需7～9年）。
已有一些相关的合作案例。比如，安进与英伟达的合作，通过应用先进的模型快速评估分子或促进硅学临床试验，从而简化发现和开发阶段。今年，双方还宣布合作建立一个名为Freyja的AI模型平台，帮助安进将训练AI药物发现模型的时间从几个月缩短到几天，继续提升流程效率。
在商业拓展方面，生成式人工智能也是一种宝贵的工具，可帮助医疗保健专业人员、医院、支付方、保险公司甚至患者了解治疗的价值，从而帮助公司利用有限的市场增长阶段。在全球领域推动商业增长，可以采取推出微品牌、精准定位医疗保健专业人员、优化合同和定价策略、更个性化的客户和患者参与和/或提高现场团队效率等方式。
归根结底，核心的商业目标是“让所有符合条件的患者更快地获得治疗和护理”。

图片

图1 海外市场生物制药开发投入与商业产出（图源：Cognizant）
3
图片
数据“公”与“私”
武田制药从美国初创公司Nimbus Therapeutics收购的实验性牛皮癣药物，就是基于人工智能算法发现的一种化合物。该模型仅用6个月就确定了该化合物，比通常长达2年的发现期快了近3倍。
生成式AI背后，真正的无名英雄是模型所使用的数据。但产业界与科研界面临的问题并不完全相通。
与任何系统一样，“入之不精，出之不粹”也适用于生成式AI工具。生命科学公司正培育人工智能工具时，必须对自己的数据资产进行长期、谨慎的审视：是否已经拥有支持和扩展用例所需的准确、完整、及时和相关的数据？还是应该花费更多时间和资源建立至关重要的坚实数据基础？
无论如何，时间都是关键。只有建立了强大的数据通路，公司才能开始获得竞争优势。有海外学者建议，在整个生命科学生态系统中（或某区域内）实现数据访问的民主化，实现数据基础设施的自动化并建立稳固的管理框架。
从头开始建立一个公共的大语言模型（LLM）显然不够快。
另一种方法是使用许多现有的公共模型，但这些模型都有其局限性。虽然开箱即用的解决方案可能是启动生成式AI的最快方法，尤其是对于商业应用而言，但这可能会增加利用专有数据的难度，而专有数据是许多高级用例的关键壁垒。
不仅如此，关于商业人工智能模型在训练过程中，是否以及在多大程度上可以使用受版权保护的信息，目前还存在着激烈的争论。虽然这一法律问题的解决仍悬而未决，但企业在制定基因人工智能战略时，尤其是在依赖公共模型时，应将其视为所谓“公共”LLM的潜在弊端。
对于许多组织而言，最佳解决方案介于两者之间：所谓的检索增强生成（RAG）是一种利用来自私人权威知识库的数据优化商业LLM的方法。无论如何，如果这种组合成功，那么输出结果就应该具有很高的透明度，并需说明生成特定响应所使用的信息资源。
因此，企业可以通过“建立合作伙伴关系”来展开试验和探索。合作伙伴可以帮助企业对现有模式进行微调，以满足其特定需求，使其能够快速构建功能强大的定制应用程序，同时确保安全使用专有数据。

 

— 结语 —
近半年来，“AI+生物制药”话题热度虽有所降低，这并不意味者不重要或不关心。而是行业更感兴趣的是可量化的结果，以次证明后续投资的合理性。
值得注意的是，规模化的生成式AI的使用，正在重新定义所有的岗位工作。但至少在目前和可预见的未来，AI的应用还需要人类的监督——尤其是在高风险的医疗保健和制药领域。
所有人都在关注人工通用智能（AGI）的发展——人工智能系统能够以类似人类的方式跨领域学习、推理和适应。但是，在AGI出现之前，并不能完全信任或依靠生成式人工智能驾驭复杂的医疗生态系统，尤其是在市场环境更为复杂的区域（比如中国）。即便有了AGI，也不可能改变对患者治疗结果的最终责任。此外，还有更多重要而复杂的问题需要回答，如伦理界限、法规和其他管控等等。

参考文献：

1.As AI transforms drug development, biotechs might not need as much Big Pharma support；PharmaVoice
2.The Nobel Prize in Chemistry 2024；The Nobel Prize
3.Gen AI for biopharma: 5 less obvious truths；Cognizant

4.New work，new world；Cognizant