论人工智能在药物研发中的运用文献综述

一、选题背景

新药研发是一个复杂而又系统的过程，从新药的发现到审批上市要经历一个漫长的过程。随着第四次工业革命的来临，人工智能发展起来并渗透到各行各业，如今我们的生活中处处都有人工智能的影子，当然也包括药物研发领域。人工智能在新药研发领域应用从2017年开始呈现喷井式爆发，世界上最大的几个制药公司都投入巨资研发人工智能辅助药物，并取得一定成效。从将人工智能应用于药物研发中的几个成功案例来看，人工智能在解决新药研发周期漫长、花费高昂等常见问题方面有显著优势。研发人员也对利用人工智能找到治疗癌症、增加先导化合物设计多样性、寻找靶点等抱有极大的期望。

据不完全统计，截至2018年8月，国内外人工智能医疗领域共424起融资事件。在所有的融资事件中，最具热度的是药物研发。人工智能技术用于药物研发可缩短研发周期，而研发周期缩短一年节约的成本是以亿元为单位计算的。

另外，人工智能是需要大量的数据作为支撑的，而新药研发领域本身是一个巨大的数据库，这就为人工智能提供了用武之地。

在这种情况下，人工智能必然会在新药研发领域有很大的发展空间，并且能起到非常重要的作用，所以将人工智能应用于新药研发是有必要且非常可行的。

中国在将人工智能运用于新药研发领域已经开始起步，但还有很长的路要走。

二、国内外相关研究概述

从科研人员和产业界将目光转移至人工智能开始，人工智能在新药研发领域的应用呈现喷井式爆发，国际制药公司纷纷与人工智能公司开展合作，“AI”制药成为大势所趋。

Atomwise公司就致力于开发可应用于药物研发的人工智能平台，比如AtomNet技术平台，通过深度学习、海量数据分析来筛选潜力化合物。2017年4月，Atomwise公司推出人工智能分子筛选计划，筛选多个疾病的潜在药物。截至2018年，与Atomwise公司合作的科研机构和制药公司超过20家。

2018年《科学美国人》与世界经济论坛发布的十大新型技术，人工智能辅助化学分子设计——机器学习算法加速新药研发就是其中之一。

中国在人工智能药物研发领域已经起步，华人学者范杰创办了AccutarBiotech公司，是位于美国波士顿的一家人工智能制药公司。四位从MIT回到深圳的学者创办了晶泰科技，通过人工智能研究药物分子结构特征预测ADMET性质。并且，各个高校也逐渐对人工智能辅助药物研发专业重视起来，加大人才培养力度。

随着国内外对人工智能药物研发领域的逐渐重视和投资的增加，人工智能辅助药物研发初显成效。

2017年9月14日，来自美国加州理工学院的科研团队展示了一款由DNA组成，可在纳米级环境中完成工作的分子机器人，该机器人可在微观世界中完成识别、机械运输、智能化分拣等一系列复杂的工作。科学家指出该机器人能接收指令并完成组装分子等基本任务，可用于研发药物、设计先进制造工艺以及搭建分子组装线和分子工厂。

截至2017年11月底，FDA共批准了40个新分子实体，创历史新高，仅上半年批准的新药数量就已超过2016年总和。此外，40款新药中，共30个药物为全球首次批准，19个药物获得优先评审资格，13个药物获得突破性疗法认定，17个药物获得孤儿药资格，除生物制品外，只有10个产品是标准审批。

2020年3月，据《自然》报道，一种被称为halicin的抗生素被人工智能从一亿多个分子中首次发现。在之前的抗生素研发中，AI只协助其中某些部分，但这一次AI首次从零开始是被出全新种类的抗生素，且没有使用人类之前的假设。专家表示，这种深度学习方法可用于其他类型药物的研发，比如癌症或神经退行性疾病的药物。

另外，在当前新型冠状病毒肆虐的严峻时刻，人工智能显示出了它的优势，不仅能够筛选药物，还能预测新冠病毒的进化方向。华为云联合华中科技大学同济医学院基础医学院等，于2月3日宣布筛选出5种可能对新型冠状病毒有效的抗病毒药物，供研究机构和制药企业在药物研发中参考。上海深蓝科技根据新冠病毒全序列基因组，研究病毒的变异位点，为针对病毒的靶位药物研发提供全面的数据支持。当前已完成细胞自动机模型的建立，进行了256种规则的变换统计，借助AI预测新型冠状病毒今后的进化特点和方向，为防范病毒下一步变异提供依据，为精准靶位药物筛选提供数据支持。

三、研究目标与主要内容

1.研究目标

由于人工智能的飞速发展，将AI运用于新药研发领域是大势所趋。目前，国内外的研究机构和制药企业都已将目光转向人工智能，并且初步取得成效。本文的研究目的，主要是通过对人工智能在新药研发领域节约成本、筛选靶点、筛选药物、寻找先导化合物、提高研发成功率等方面的研究，概述国内外人工智能药物研发领域的发展现状，并结合几个成功案例和重点研究方向的分析对比，展望人工智能在新药研发领域中的发展前景。

2.主要内容（提纲）

①药物研发的主要过程；②人工智能可用于药物研发的几个方面；③国内外对人工智能药物研发的态度；④国内外人工智能药物研发的重点方向以及最新进展；⑤展望rengong智能药物研发的前景。

四、研究方法和手段

（一）研究方法

1.文献研究法：搜集整理相关研究资料，为研究做准备；

2.调查研究法：通过对国内外人工智能药物研发领域研究进展的统计与分析，了解人工智能在新药研发领域的应用现状；

3.比较分析法：比较国内外新药研发领域在利用人工智能前后的差别，从而展望人工智能在新药研发领域的前景。

（二）研究手段

以传统文献检索手段为主，辅以网络、数据库等手段，开展资料收集、数据整理等工作。

五、参考文献目录

1.孙雅婧,李春漾,曾筱茜.人工智能在新药研发领域中的应用[J].中国医药导报,2019,16(33):162-166.

2.丁伯祥,胡健,王继芳.人工智能在药物研发中的应用进展[J].山东化工,2019,48(22):70-73.

3.钟桂良.论人工智能在医疗领域的应用与发展[J].数字技术与应用,2019,37(07):195-196.

4.郑易林,邵黎明.展望2019:寻求中国生物医药企业生存与发展的新平衡点[J].药学进展,2019,43(03):191-193.

5.谢志勇,周翔.基于机器学习的医学影像分析在药物研发和精准医疗方面的应用[J].中国生物工程杂志,2019,39(02):90-100.

6.本刊综合.“AI制药”预“健”未来[J].发明与创新(大科技),2019(02):34-35.

7.刘琦.人工智能与药物研发[J].第二军医大学学报,2018,39(08):869-872.

8.李雅琪,冯晓辉,王哲.人工智能在医疗产业的发展态势和应用展望[J].人工智能,2018(04):12-21.

9.余玥,张晓琨.人工智能技术在乳腺癌诊疗领域的应用[J].心血管外科杂志(电子版),2018,7(01):193-194.

10.聂翠蓉. 世界首个分子机器人诞生 未来可用于研发药物[C]. .《科学与现代化》2018年第1期（总第074期）.:中国科学院中国现代化研究中心,2018:237-238.

11.刘景陶,柳耀花.计算机分子模拟技术及人工智能在药物研发中的应用[J].科技创新与应用,2018(02):46-47.

12.孙潭霖,裴剑锋.大数据时代的药物设计与药物信息[J].科学通报,2015,60(08):689-693.

13.李子艳,黄瑶庆,周映红,毛艳艳,高柳滨.生物技术药物发展迅猛,突破性疗法认证推动药物创新——2017年新药研发热点回眸[J].科技导报,2018,36(01):116-125.

14.世界首个分子机器人诞生 未来可用于研发药物[J].信息技术与信息化,2017(10):14.

15.颠覆传统医疗科研:借助人工智能研发抗癌药物[J].智慧健康,2016,2(05):44-47.

16.黄昌国.为基因搭桥[J].科技创业,2010(03):79-83.

17.张星一,吕虹.人工智能在药物研发与监管领域的应用及展望[J].中国新药杂志,2018,27(14):1583-1586.

18.轩中.人工智能帮助新药研发[J].互联网周刊,2018(24):16-17.

19.文乐乐. 人工智能首次发现强效抗生素[N]. 中国科学报,2020-03-03(002).

20. Ho Dean,Quake Stephen R,McCabe Edward R B,Chng Wee Joo,Chow Edward K,Ding Xianting,Gelb Bruce D,Ginsburg Geoffrey S,Hassenstab Jason,Ho Chih-Ming,Mobley William C,Nolan Garry P,Rosen Steven T,Tan Patrick,Yen Yun,Zarrinpar Ali. Enabling Technologies for Personalized and Precision Medicine.[J]. Trends in biotechnology,2020.

21. Zhavoronkov Alex,Vanhaelen Quentin,Oprea Tudor I. Will Artificial Intelligence for Drug Discovery Impact Clinical Pharmacology?[J]. Clinical pharmacology and therapeutics,2020.

22. Zhu Hao. Big Data and Artificial Intelligence Modeling for Drug Discovery.[J]. Annual review of pharmacology and toxicology,2020,60.

23. Liu Benquan,He Huiqin,Luo Hongyi,Zhang Tingting,Jiang Jingwei. Artificial intelligence and big data facilitated targeted drug discovery.[J]. Stroke and vascular neurology,2019,4(4).