在传统研发的模式下,药物开发效率很低。Nature的数据显示,药品走向商业化的失败率为90%,平均下来一款新药物的研发成本超过20亿美元,平均耗时十年。
所幸的是,数据方面的技术进步也一直在推动着AI与药物研发相结合,为新药研发带来了新的机遇。将AI与数据处理应用于药物研发中的多个场景,可以帮助提高新药研发的时效和成功率。
根据Crunchbase的数据显示,截止9月底,今年药物研发领域的初创公司就筹集了超过14亿美元的投资。
学术界或药学界的科学家们先制造分子,再寻找分子可以在体内“游动”的方式,并提供治疗的“靶点”(如蛋白质)。
为了做到这一点,科学家需要确保分子不会将健康蛋白质误认为是目标,否则在体内的药物可能会附着并杀死健康细胞,从而导致人体中毒。
前面说到,新药研发的失败率约为90%,这意味着失败是很常见的,而数百万美元和多年的研究成果将随着药物临床失败而宣告无效。
这个过程中,时间成本与金钱成本投入极高,但在现有的研发模式下,这是新药必经的磨难。
可以想象,这些AI模型会在实验闭环中产生非常大的作用,比如减少实验的次数。而每次实验产生的信息足够多,就能够帮助更快地发现一些有效的药物,发现一个合理的靶点。
同时,也十分需要有专业生物和医学背景的从业人员,强大的专业知识会帮助定位一个更精确的模型。
不少大型制药公司已经在大力推广这项技术,以加快药物开发的步伐,提高利润并更快地将药物推向市场。
许多制药公司与开始和AI药物研发平台合作。例如,今年早些时候,Amgen和Generate Biomedicines就宣布了一项潜在价值高达19亿美元的合作计划。
AI在生命科学领域的普遍应用息息相关,参与这场抢人大战的,不仅有AI制药企业、互联网大厂,还有传统药企。
如前文所说,复合型人才仍是这些企业最青睐的。如果有相关领域的小伙伴们还不确定未来的发展,那么,AI与药物研发或许也是一个可以考虑的方向。
不过,在蔓藤与同学们多年来的接触之中我们发现,很多时候求职的不顺利,也许和学生自身的能力水平关系不大,而是暴露了在求职技巧的欠缺。
例如了解的公司太少、岗位筛选缺乏技巧,或是读不透JD、不会相对应地调整简历。不要怀疑自己的实力,完全可以把“技术”的事情交给专业团队,希望蔓藤能成为那个为你指点迷津的引路人~