Cyclica是一家利用人工智能（AI）技术开发新药的公司。谈到AI，其总裁兼首席执行官Naheed Kurji先生并不认为它是药物发现和开发的万能解决方案。在他看来，新药研发领域非常宽广，有待提高的地方也非常多，没有一家公司能够单独解决这些问题，因此药物发现和开发也没有万能药。但在这个领域，创建“虚拟药物发现生态系统”非常重要，AI和基于云计算的技术可以成为药物发现的催化剂。

五年以来，Cyclica开发并验证了一个名为Ligand Express的云计算平台。该平台使用生物物理学、生物信息学和AI来帮助医药公司评估药物的安全性和有效性，从而指引药物发现管线。该综合平台使公司能够基于蛋白库识别重要的蛋白靶点，筛选潜在的小分子药物。然后该平台利用AI来确定这些靶点的生物学相关性，并通过系统生物学将这些信息与特定的生物途径或疾病联系起来。

 CEO Kurji先生说，Cyclica的平台自2017年11月全面推出以来，已经被一些全球排名前50的医药公司所使用。“AI肯定很重要，”他补充道：“我们充分利用人工智能，机器学习和深度学习。但与其他公司不同，我们也使用计算来模拟药物作用的详细机制。我们相信，全面的药物发现需要综合的方法。并且当AI建立在生物物理学和化学信息学方法的基础上时，AI才是最有力的。”

药明康德：Cyclica如何将人工智能（AI）应用于药物开发？您的方法与其他公司有何不同？

Naheed Kurji：AI可能是今天的流行词，但不是一个新词。这是阿兰·图灵在20世纪50年代首次提出的。同样，计算药物发现的历史可以追溯到20世纪70年代。我们今日在这一领域所看到的热度，是60多年来辛勤耕耘所带来的价值。

在过去几年中，由于计算能力和数据可用性的提高，许多公司已经将AI应用于已知实验性药物的结合数据，或其他相关信息，来挑战药物发现问题。

我们认为，这种方法在未来药物发现过程中，尤其是提高生产力和研发创新药物方面都将发挥重要作用，这不容置疑。但是，尽管AI确实有用，但我们坚信这只能解决药物发现难题的一小部分。另一个非常重要的部分是药物与其靶标之间的生物物理方面相互作用性。我们认为，全面的药物发现方法需要综合考量，并且AI在增强生物物理学和化学信息学方法时最为强大。所以，我们的核心是，我们是一家利用AI来增强生物物理学研究的生物物理公司。

药明康德：您如何应用您的技术？有具体示例吗？

Naheed Kurji：在Cyclica，我们有一个名为Ligand Express的云计算平台，该平台为医药公司的科学家服务，以加强他们的科学发现工作。Ligand Express可分为三个步骤。第一步，对于任何给定的小分子药物——无论处于假设阶段、临床前阶段、临床阶段、还是已得到FDA批准，Ligand Express都利用其3D结构，通过计算生物物理学，揭示所有与该小分子相互作用的蛋白质靶点。因为这些靶点是基于生物物理学方法发现的，我们能够从分子水平揭示药物如何与靶点相互作用。

▲Ligand Express云计算平台（图片来源：Cyclica）

可以这样理解：该平台通过识别预料中的靶点和非靶点相互作用，以及预料外的相互作用，提供了一个独特的小分子全景图。生物物理学方法让该系统超越了常规的结合/活性位点，得以考虑新的相互作用和变构位点。这是仅仅依靠已知信息进行预测的人工智能所无法做到的。

我们在第一步中得到了一堆与小分子相互作用的蛋白质。在第二步中，通过对调制效果进行预测，您可以通过AI和机器学习算法了解这些数据。第三步利用生物信息学和人工智能揭示系统中的途径，将数据与疾病联系起来，评估药物与药物的相互作用以及蛋白质与蛋白质的相互作用，并将研究结果作为药物-蛋白质相互作用组进行展示。

当您查看完全集成的平台时，实质上我们使用分子模型来发现新的信息，然后利用AI将其与现有信息关联起来。通过了解小分子药物如何与所有已知蛋白质相互作用，Ligand Express为阐明作用机制（如表型筛选反卷积）提供了价值，优先考虑了潜在候选药物，了解副作用，并确定了现有药物的新用途或所谓的药物重新定位。

药明康德：您认为人工智能的主要优点是什么？我们会更快地生产药物吗？它是否会减少临床试验和药物研发中出现的试错？

Naheed Kurji：我们的观点是，通过AI增强生物物理学方法，现在有可能第一次理解许多（如果不是绝大多数）计算开发给定药物的步骤。所以我们可以减少实验室中发生的试错。我们可以通过计算机模拟提供新的合理假设，进而提供新的信息以增强实验室测试。今天这是可能的，而5或10年前这是不可能的。AI不会取代科学家。AI会向他们提供新的信息，以便他们能够更高效地完成工作。机器学习是一种处理信息的方式，挖掘重要部分，向研究人员提供连贯的图像，研究人员将运用他们的人为判断进行最终决定。

人工智能的主要优势在于大幅提高创新速度和揭示新见解和趋势的能力。这一点非常重要。关于疾病生物学的数据和文献数量非常庞大，没有科学家能够全部阅读和理解。通过人工智能，可以对这些信息进行筛选，呈现出与科学家相关的内容，并且比任何独立的科学家更能够有效地进行讯息推论和预测。在药物研发中，AI有助于设计更好的临床试验，并以更有组织的方式对不同患者队列进行分层。人工智能将主要影响个体化药物和药物基因组学的应用。最大的主题是人工智能算法最终将增加药物发现和开发，并为患者带来更好的治疗结果。

药明康德：应用人工智能，还有哪些局限？

Naheed Kurji：AI依靠三件事：高质量的数据、高数量的数据以及与研究问题相关的数据。人工智能算法通过已知信息数据进行解析并推理和预测。所以AI非常擅长从大量信息中提取价值。但正如斯坦福大学（Stanford University）的吴恩达博士所说，“数据是AI引擎腾飞的燃料。”我喜欢这句话，因为当信息稀少时，AI本身就很难提供价值。在我们的行业里，一些罕见病没有得到很好的研究，或者某些治疗领域长期被忽视。为了预测先前未知的结合位点，需要在分子水平上进行计算建模。机器学习，人工智能，深度学习——这些算法是不够的，因为它们依赖于已知的信息。这是生物物理模型有用的地方，它提供了关于未经过充分研究或缺乏高质量数据的靶点或途径的新信息。我不相信这些信息会很充分。但这就是AI的神秘性。

人工智能和生物物理建模毫无疑问是相辅相成的。AI筛选大量信息。生物物理建模通过计算机实验从头创建信息。除了数据量外，AI的另一个限制是数据质量。模型质量数据将推动AI的创新速度。你不能只将大量的数据投入到AI算法中，这是没有意义的。模型数据质量非常重要，这将使得组织和研究人员能以更有意义和更集中的方式处理数据，且可反复使用。

最后，我们对于自己未知的领域依旧一无所知，这意味着人类仍然需要进行大量基础研究以增加当前的理解和知识。关于生物学的许多知识仍然是未知的。我们仍然需要生物物理模型来发现结合位点，并利用AI更加便捷地进行更多的理解。

药明康德：未来5到10年，您认为AI会如何发展演化？

Naheed Kurji：一般来说，大多数人用更多的技术、更多的科学和更多的数据来解决这个问题。这很重要，但我认为只用这种方式是不够的。我们需要心理学。在一天结束时，我认为自己是一个行为主义者，或者至少是对理解人类行为充满热情的人。我在生物信息学领域经营着一个蓬勃发展的新兴技术公司，但我对于发展人们行为以更好地利用技术来做出决策的想法感到“快上瘾了”。我相信，任何行业都应该采用人工智能，所以你必须考虑使用AI的人的心理，以及他们将如何利用AI。这非常重要。

在药物发现过程中，它需要患者策略和长期观点。我们不能把技术卡在科学家的喉咙上，特别是那些花费了十多年光阴而获得化学或生物化学博士学位的实验室科学家们。我们不会以“你们肯定会使用它，因为这是下一代最好的技术，相信我们”这样的态度来接近他们。而是通过运用我们的技术，包括来自前期的验证工作，进行测试和评估，证明我们的技术不会破坏现有工作流程的集成，并展示运用我们的技术他们如何能够做得更好。

所以我认为，接下来的5到10年，首先是计算机科学家和技术专家学习如何与医药研发科学家们互动，他们的集合将比他们每一个人都更强。

回到技术方面，这里有太多的数据，但从历史上看，甚至到目前为止，在一定程度上，很多是不可访问的。在医药领域，数据往往被孤立地保存起来，或者被特定的研究小组或特定的科学家收集。他们拥有这些数据，但不分享这些数据。这是一个限制，因为要使AI有效，就需要有更多的人能够访问这些数据。

我们看到了这一变化。在过去的24至36个月中，这个行业中发生了巨变。这种转变打开了数据，并在机构内分享。我们甚至看到一些努力，在整个生态系统中公开分享数据。结构基因组学联盟（SGC）就是一个很好的例子。这是一个竞争前环境，医药公司聚集在一起支持SGC在结构生物学方面的开放概念。这是现在向市场公开的数据。获得更多数据当然是AI成功的决定性因素；我们将看到更多的信息，无论是基因组数据、蛋白质组学数据、药物结合数据还是电子病历记录。在接下来的5到10年中，我们将会弄清楚这一切。

药明康德：人工智能还要多久能够成为医药公司和大型生物技术公司研发的一个组成部分？如果没有人工智能，这些公司还能生存下去吗？

Naheed Kuji：这个问题第一部分的答案是‘现在’。我认为2018年对医药和科技公司来说是不朽的一年。大型医药公司都在对人工智能领域进行投资。相关人工智能的会议，大型医药公司几乎都会参加。他们也投资于人力资本，为公司内部引进人工智能的专业力量。3或4年前，市场上还有很多怀疑和不情愿。缺乏参与——真正的对话——试点项目很少。但是就现在我们所看到的趋势可以推断，人工智能‘今天’已经成为医药公司研发的一个组成部分了。

问题的第二部分，没有人工智能，医药公司可以生存吗？展望未来20年，我认为最有影响力和最有价值的医药公司将是那些早期采用新技术的公司，以及那些不墨守陈规、思考未来的公司。所以，我认为他们能够生存下去，但是在市场上的排名会有所改变。这并不是说在未来几年，你会看到一家不采用AI而萎缩倒闭的医药公司。但从长远来看，如果他们不愿意尝试这些创新和努力，并与拥有这些技术的公司合作，把他们各自的知识和专业汇集起来，那么他们可能会停滞不前，或者就像一位大型医药公司的化学副总裁曾经告诉我的那样，“如果我们不尝试这样做，我们将停留在尘土中”。

药明康德：对于贵司的发展而言，什么样的合作伙伴关系是重要的？

Naheed Kurji：寻求合作伙伴是Cyclica的DNA。术业有专攻，我们清楚我们的专长，但我们还有很多东西需要学习。与学术团体的合作非常重要，因为大部分基础研究都是在那里完成的。与生物技术行业的合作对于了解一些早期创新的发展很重要。合作研发新技术，或与运用我们技术的大型医药公司合作优化我们的现有平台，也非常重要。因此，协作是关键，如果您关注Ligand Express，这个平台就是我们通过早期合作努力获得市场反馈的产品，特别是在学术和生物技术领域。展望未来，Cyclica或任何其他技术公司都可能对市场产生重大影响，但前提是我们必须更加开放地进行合作。

作为一个生态系统，生命科学领域的创新，是一个竞争激烈的领域。这个行业不共享想法，倾向于不合作。当然，这个规则也有例外，但总的来说，我相信就是这样的。这不仅发生在商业上，而且还发生在对科学、对医学以及对人类健康的贡献方面。

在我们运营的世界里，我们的目标是催化一个虚拟药物发现生态系统，在这个生态系统中，许多领域的专家聚集在一起，共同设计并创造更全面的解决方案。因为市场很大，问题也很多，没有一家公司能够单独解决这些问题。

这些专家可以是来自大胆创新的医药公司，也可以是推动创新的前瞻性风险投资公司，或者是就热点话题传播思想领袖观点的全球性咨询公司，甚至可以是现有技术的提供方，他们致力于在生命科学领域建立自己的影响。在过去的12至18个月中，我们一直在公开讨论如何让这些专家聚集在一起，陈述关于未来的见解。在未来几个月内，我们将会建立一些合作伙伴关系，藉此将Cyclica到带上另一个台阶。

药明康德：这项新技术要多久可以给患者带去益处？

Naheed Kurji：患者，无论他们是否知道，实际上都已经受到AI的影响。整个个体化医疗浪潮，基因组分析，预防性药物以及我们的智能手机都可以获得关于自己的信息。这一切都是由AI算法驱动的。从医疗保健角度看，患者已经受到影响。

你在整个药物再利用和重新定位领域可以看到人工智能，并利用计算机模拟。AI正在帮助上市药物扩大适应症。它被用来寻找某些药物之间的潜在矛盾。如果患者的基因构成对于一起服用药物x和药物y是有害的，那么医生可以通过点击按钮获得该信息。

药明康德：运用AI降低药物设计和研发成本有什么意义？

Naheed Kurji：不可否认，通过将AI应用于特定的研究，在不久的将来会节约成本。我们知道这些数字——15年和25亿美元来研发一种新药。Eroom定律与摩尔定律相反，适用于医药行业——显著的生产力下降，每年花费更多的成本以及更少的药物进入市场。市场正在寻求节约成本。AI提供了一个重要的机会，将这些12到15年的研发时间缩减到7至10年，因为您可以在药物发现过程中进行大量的前期试错。从命中到领先，你可以缩减所有这些过程，帮助科学家在正确的方向上采取更多步骤，并通过技术在错误的方向上减少弯路。

我们的平台是一个风险调整工具，帮助医药公司方便地找到新靶点。例如，表型筛选是医药公司投入很大的一个领域，但揭示表型筛选的作用机制是漫长而繁琐的。它可能需要几个月，如果不是几年的话，并花费数百万美元。借助我们的平台，您可以在几天内以计算方式磨练生物靶点。你会看到实实在在的好处，从几年到几天，从数百万美元到数十万美元甚至更低。所以这里有显著的成本节约。

我们继续与大型医药、生物技术和研究机构进行商务合作，同时我们开发创新的下一代互补技术，以延伸我们在市场上的价值。特别是在2018年初，我们收到了大型医药公司的鼓励而能量倍增。我们将继续致力于加强科学发现，使我们能够更有效地为患者提供最好的药物。总体而言，我们相信AI在有效应用时，特别是通过增加生物物理模拟，可以对未来的药物发现产生明显的影响。