Alphabet的DeepMind破解了一個(gè)長(zhǎng)期困擾生物學(xué)家的問(wèn)題，在醫(yī)療保健領(lǐng)域掀起了一場(chǎng)技術(shù)軍備競(jìng)賽。

機(jī)器學(xué)習(xí)技術(shù)在國(guó)際象棋比賽中擊敗了人類(lèi)，并在全球范圍內(nèi)引起轟動(dòng)。在給毫無(wú)戒心的人打詐騙電話(huà)時(shí)，它驚人的逼真人聲模仿能力得到了展示，一時(shí)在網(wǎng)上掀起了軒然大波。

谷歌母公司Alphabet旗下人工智能子公司DeepMind在兩年一度的生物大會(huì)上展示的一項(xiàng)不太引人注目的技術(shù)，可能會(huì)顛覆制藥商發(fā)現(xiàn)和開(kāi)發(fā)新藥的方式。它還可能加大對(duì)全球最大制藥公司的壓力，迫使它們?yōu)橐粓?chǎng)技術(shù)軍備競(jìng)賽做好準(zhǔn)備。以科技為依托的制藥新秀已經(jīng)加入了這場(chǎng)混戰(zhàn)。

去年12月，在墨西哥里維埃拉舉行的CASP13會(huì)議上，DeepMind的新技術(shù)在預(yù)測(cè)蛋白質(zhì)的形狀方面擊敗了經(jīng)驗(yàn)豐富的生物學(xué)家。蛋白質(zhì)是疾病的基本組成部分。這一看似深?yuàn)W的研究有著重要的意義：一種能夠精確模擬蛋白質(zhì)結(jié)構(gòu)的工具可以加速新藥的開(kāi)發(fā)。

“這絕對(duì)令人震驚，”一名科學(xué)家在原始結(jié)果發(fā)布到網(wǎng)上后發(fā)推說(shuō)道。會(huì)議創(chuàng)始人、馬里蘭大學(xué)計(jì)算生物學(xué)家John Moult表示：“它完全是一個(gè)驚喜。與我們自身能夠做到的成果相比，它的前景不可限量。”

為了找到藥物治療疾病的方法，對(duì)蛋白質(zhì)結(jié)構(gòu)進(jìn)行分類(lèi)是一個(gè)極其復(fù)雜的工程。研究人員還沒(méi)有完全理解蛋白質(zhì)是如何形成的。同時(shí)，還有一個(gè)數(shù)學(xué)問(wèn)題：蛋白質(zhì)的形狀可能比宇宙中的原子還多，這使得預(yù)測(cè)成為一項(xiàng)艱巨的計(jì)算任務(wù)。四分之一個(gè)世紀(jì)以來(lái)，計(jì)算生物學(xué)家一直在努力設(shè)計(jì)出能勝任這項(xiàng)任務(wù)的軟件。

DeepMind在蛋白質(zhì)折疊(蛋白質(zhì)獲得三維形狀的物理過(guò)程)方面經(jīng)驗(yàn)有限，但憑借最新的神經(jīng)網(wǎng)絡(luò)算法，DeepMind完成了全球50個(gè)頂級(jí)實(shí)驗(yàn)室所能完成的事情。

在會(huì)議舉行的瑪雅主題度假村，與會(huì)者的興奮之情溢于言表。兩位DeepMind的演講者被科學(xué)家們一直追問(wèn)他們是如何做到這一點(diǎn)的。幾小時(shí)后，英國(guó)《衛(wèi)報(bào)》表示，DeepMind的人工智能可能“開(kāi)啟醫(yī)學(xué)進(jìn)步的新時(shí)代”。在一篇博客文章中，該公司夸口說(shuō)，它的蛋白質(zhì)模型“比以前的任何模型都精確得多”，“為藥物發(fā)現(xiàn)帶來(lái)了新的潛力”。

DeepMind在一封電子郵件中表示，該公司的科學(xué)家“完全專(zhuān)注于他們的研究”，無(wú)法接受采訪(fǎng)。

DeepMind的模擬還不能夠產(chǎn)生對(duì)藥物發(fā)現(xiàn)非常重要的原子水平的分辨率。盡管許多公司都在尋找利用計(jì)算機(jī)識(shí)別新藥物的方法，但很少有基于機(jī)器學(xué)習(xí)的藥物發(fā)展到可以在人體上進(jìn)行測(cè)試的地步。還需要花費(fèi)數(shù)年的時(shí)間，人們才能知道這樣的軟件是否能定期發(fā)現(xiàn)有希望的治療方法，而這些方法是研究人員可能會(huì)錯(cuò)過(guò)的。

人工智能是醫(yī)療保健領(lǐng)域一個(gè)非常熱門(mén)的詞匯，經(jīng)常被吹捧為一劑包治百病的靈丹妙藥。它被認(rèn)為是一個(gè)潛在的解決方案，可以修復(fù)繁瑣的電子病歷，加快診斷速度，使手術(shù)更加精確等。DeepMind的成功表明，該技術(shù)有可能在制藥行業(yè)最昂貴、最容易失敗的領(lǐng)域之一得到實(shí)際應(yīng)用。

一些觀(guān)察人士表示，一個(gè)由外部人士組成的團(tuán)隊(duì)能夠在解決生物學(xué)中最棘手的問(wèn)題之一上取得如此重大的進(jìn)展，這令該領(lǐng)域的研究人員大失顏面。對(duì)制藥行業(yè)來(lái)說(shuō)，這也可能是其遭受沖擊的一個(gè)預(yù)兆。制藥行業(yè)在研發(fā)上投入了數(shù)十億美元，但卻被科技公司打了個(gè)措手不及。

參加這次會(huì)議的哈佛大學(xué)計(jì)算生物學(xué)研究員Mohammed AlQuraishi在一篇博客文章中寫(xiě)道，大型制藥公司沒(méi)有在蛋白質(zhì)折疊方面投入大量精力，基本上是把這個(gè)領(lǐng)域讓給了科技公司。當(dāng)制藥公司還在猶豫不決時(shí)，“Alphabet突然進(jìn)來(lái)攪局，在他們的專(zhuān)屬領(lǐng)地開(kāi)辟了自己的區(qū)域，”他寫(xiě)道。

眾所周知，找到新藥并將其推向市場(chǎng)是非常困難的。據(jù)估計(jì)，大型制藥公司至少需要花費(fèi)超過(guò)25億美元才能為病人提供一種新藥。進(jìn)入人體臨床試驗(yàn)的10種療法中，最終只有一種能夠進(jìn)入藥店。同時(shí)，醫(yī)療科學(xué)進(jìn)展緩慢：在人類(lèi)基因組測(cè)序后的近20年里，研究人員僅僅發(fā)現(xiàn)了治療大約7000種已知罕見(jiàn)疾病中的一小部分的方法。

此外，大約有2萬(wàn)個(gè)基因會(huì)以至少十萬(wàn)種方式發(fā)生病變，并且產(chǎn)生的蛋白質(zhì)之間可能存在數(shù)百萬(wàn)種相互作用。對(duì)于制藥行業(yè)來(lái)說(shuō)，手工檢測(cè)所有這些組合幾乎是不可能的。

“如果我們想了解人類(lèi)生物學(xué)中的其他97%，我們將不得不承認(rèn)對(duì)我們來(lái)說(shuō)太復(fù)雜了，”Chris Gibson說(shuō)。他是Recursion Pharmaceuticals的聯(lián)合創(chuàng)始人兼首席執(zhí)行官，該公司是一家位于鹽湖城的創(chuàng)企，利用機(jī)器學(xué)習(xí)來(lái)尋找新的治療方法。

Recursion這樣的公司正在迅速吸引投資者。數(shù)據(jù)提供商PitchBook的數(shù)據(jù)顯示，風(fēng)險(xiǎn)投資家去年向?qū)Ｗ⒂谒幬镅邪l(fā)的人工智能和機(jī)器學(xué)習(xí)初創(chuàng)企業(yè)投入了10.8億美元，高于2016年的2.37億美元，今年迄今已投入6.99億美元。

Recursion周一表示，在最近一輪融資中，已從Intermountain Ventures和明尼蘇達(dá)大學(xué)董事會(huì)等投資者那里籌集了1.21億美元。據(jù)PitchBook的數(shù)據(jù)，它的估值為6.46億美元?！斑@是一家雄心勃勃的公司。他們正在考慮從根本上改變這個(gè)行業(yè)，”領(lǐng)投此次融資的蘇格蘭Baillie Gifford & Co.的投資經(jīng)理Marina Record說(shuō)。

而那些老牌制藥商正競(jìng)相與從事類(lèi)似工作的公司結(jié)盟。

今年4月，Gilead Sciences與前斯坦福大學(xué)機(jī)器學(xué)習(xí)專(zhuān)家Daphne Koller領(lǐng)導(dǎo)的初創(chuàng)公司Insitro達(dá)成協(xié)議，尋找治療納什肝病的方法。與此同時(shí)，AstraZeneca也與英國(guó)的BenevolentAI進(jìn)行了合作，其研究旨在確定腎臟疾病和肺纖維化的治療方法。今年6月，GlaxoSmithKline與加州大學(xué)基因編輯專(zhuān)家合作，斥資6700萬(wàn)美元，使用人工智能進(jìn)行目標(biāo)搜索。

“你還能接受十分之一的成功率嗎?如果我們能將這一比例提高一倍達(dá)到20%，那將是驚人的，”GlaxoSmithKline高級(jí)副總裁Tony Wood說(shuō)，他是這家英國(guó)制藥巨頭的醫(yī)藥科學(xué)和技術(shù)負(fù)責(zé)人。

默克公司負(fù)責(zé)計(jì)算化學(xué)的副總裁Juan Alvarez表示，機(jī)器學(xué)習(xí)方法對(duì)藥物發(fā)現(xiàn)“至關(guān)重要”。這家制藥巨頭正在開(kāi)發(fā)人工智能工具，以幫助其化學(xué)家加快制造化學(xué)物質(zhì)，以縮短異常蛋白質(zhì)搜索的艱苦過(guò)程。Alvarez說(shuō)，早期的機(jī)器學(xué)習(xí)發(fā)展已經(jīng)為人類(lèi)測(cè)試藥物做出了貢獻(xiàn)，而第一批基于更先進(jìn)的神經(jīng)網(wǎng)絡(luò)方法的藥物可能在幾年內(nèi)投入臨床試驗(yàn)。

人工智能可以被用來(lái)掃描數(shù)以百萬(wàn)計(jì)的高分辨率細(xì)胞圖像，以發(fā)現(xiàn)能夠以意想不到的方式使患病細(xì)胞更健康的療法，這個(gè)數(shù)量比人類(lèi)能夠自己處理的還要多。

Recursion是最早使用這種方法的初創(chuàng)公司之一。每周，機(jī)器人都會(huì)在40萬(wàn)到50萬(wàn)個(gè)微型實(shí)驗(yàn)中，將數(shù)千種潛在的藥物應(yīng)用到不同類(lèi)型的病變細(xì)胞上，生成500萬(wàn)到1000萬(wàn)張細(xì)胞圖像。然后，機(jī)器學(xué)習(xí)算法掃描圖像，尋找在不損害健康細(xì)胞的情況下破壞疾病的化合物。

最初的算法是手工編程來(lái)解釋基本的細(xì)胞特征，但Recursion越來(lái)越多地使用直接解析圖像的神經(jīng)網(wǎng)絡(luò)方法，并可能發(fā)現(xiàn)人類(lèi)程序員不會(huì)尋找的模型。在此過(guò)程中，計(jì)算機(jī)科學(xué)家與實(shí)驗(yàn)室里的生物學(xué)家緊密合作，以改進(jìn)解析算法。

該公司已同意與武田制藥有限公司和賽諾菲達(dá)成罕見(jiàn)病方面的協(xié)議。過(guò)去幾年，賽諾菲生成了超過(guò)2.5PB的數(shù)據(jù)，總量超過(guò)了好萊塢所有故事片的容量。

公司創(chuàng)始人Gibson說(shuō)，公司現(xiàn)在的做法“在六、七年前根本行不通”。

Gibson最初轉(zhuǎn)向機(jī)器學(xué)習(xí)是在猶他大學(xué)讀研究生時(shí)，當(dāng)時(shí)他正在尋找治療大腦海綿狀畸形的方法。根據(jù)血管瘤聯(lián)盟的數(shù)據(jù)，大約每500個(gè)人中就有1個(gè)人患有這種疾病，雖然患者常常表現(xiàn)正常，但卻可能導(dǎo)致癲癇發(fā)作、語(yǔ)言或視力障礙，以及嚴(yán)重的腦出血。

大約四分之一的患者有這種疾病的遺傳形式，更有可能導(dǎo)致多種畸變。盡管導(dǎo)致這種疾病的三種基因是已知的，但目前還沒(méi)有藥物可供治療。Gibson在猶他大學(xué)測(cè)試的一種藥物是基于對(duì)這種疾病的普遍理解，但卻使動(dòng)物的癥狀更加嚴(yán)重。

沮喪之余，Gibson和他的同事使用開(kāi)源的機(jī)器學(xué)習(xí)軟件掃描細(xì)胞圖像，以探測(cè)2100種化合物的效果，尋找那些能夠改善攜帶壞基因的血管細(xì)胞外觀(guān)和功能的化合物。這些算法指出，在動(dòng)物實(shí)驗(yàn)中，一種意想不到的化學(xué)物質(zhì)可以將血管滲漏減少50%。這種藥物將于明年進(jìn)入人體試驗(yàn)的第二階段，它是Gibson決定創(chuàng)立Recursion的原因之一。

Alphabet的其他部門(mén)，以及社交媒體巨頭Facebook旗下的人工智能研究部門(mén)也正在慢慢進(jìn)入制藥行業(yè)。Facebook在4月份悄悄地發(fā)表了一篇論文，使用深度學(xué)習(xí)技術(shù)分析了2.5億個(gè)蛋白質(zhì)序列。今年春天，谷歌的人工智能研究人員推出了一種神經(jīng)網(wǎng)絡(luò)算法，可以根據(jù)序列預(yù)測(cè)蛋白質(zhì)的功能。