首先预测：BMS 高管讨论公司的 AI 方法

快速阅读: 据《基因工程和生物技术新闻》最新报道，百时美施贵宝（BMS）利用人工智能和机器学习加速药物研发，通过预测性方法优化分子设计，提升效率。公司与多家企业合作，涵盖靶向蛋白降解、细胞疗法等领域，推动创新药物进入临床试验，助力更快为患者提供更优治疗方案。

尽管人们常常听说药物开发商正在将人工智能融入其药物研究、发现和开发工作的早期阶段，但百时美施贵宝（BMS）的一位执行副总裁兼首席数字与技术官格雷格·梅耶斯最近提供了一个更加具体且同样精确的比喻，可追溯至约45年前。

格雷格·梅耶斯，百时美施贵宝执行副总裁兼首席数字与技术官
“人工智能和机器学习的现状类似于1980年代的个人电脑，”百时美施贵宝执行副总裁兼首席数字与技术官格雷格·梅耶斯最近在其公司技术网页上表示，“技术和数字化能力将彻底改变我们的工作方式，从我们如何开发药物，到如何改善患者体验，再到如何运营核心业务。”

BMS 表示，它正在运用人工智能和机器学习，结合研究人员在药物靶点和作用机制方面的专业知识，通过一种该公司概括为“预测先行”的方法，比以往更高效地构想、创造和评估其庞大管线（50种化合物，40多个疾病领域）中最有前景的分子。公司对人工智能的兴趣可追溯至新冠疫情之前。

2019年，BMS 与专注于肿瘤学数据的Concert HealthAI（现更名为ConcertAI）合作，运用人工智能和机器学习加速临床试验，实现稳健的协议设计，并为精准治疗和提升患者疗效生成洞见。

同年，BMS以740亿美元收购了Celgene，在此过程中继承了与人工智能药物开发先驱Exscientia合作的小分子肿瘤学项目。BMS和Exscientia将合作关系扩展为一个潜在价值超13亿美元的联盟，不仅开发癌症药物，还开发免疫学和炎症（I&I）治疗药物，由一个潜在的首创选择性蛋白激酶C（PKC）theta抑制剂主导，目前处于免疫学适应症的I期研究中。该药物现由Recursion负责开发，Recursion于11月与Exscientia合并。

此外，2024年，BMS与VantAI签署了合作协议，应用其生成式人工智能平台设计分子胶作为小分子疗法。BMS同意向VantAI支付最高达6.74亿美元，以达成发现、开发、临床、监管及销售目标，加上分层版税。BMS还可选择扩展至其他治疗项目。

罗伯特·普伦格，医学博士兼哲学博士，百时美施贵宝执行副总裁、首席研究官兼研究主管
“人工智能和机器学习工具并未改变我们在百时美施贵宝所做的工作，即发现、开发并交付变革性药物给患者，但它们正助力我们更深入地理解人类生物学，”医学博士兼哲学博士罗伯特·普伦格，执行副总裁、首席研究官兼研究主管表示，“这些技术正助力我们的科学家更深入地理解人类生物学，并更有效地利用大量数据。截至目前，预测分子发明方面的进展已相当显著，为我们研究策略的关键方面提供了信息，以提高我们研究项目的质量和速度。”

这个世界很大。像BMS这样的大公司和专注于特定治疗领域、治疗方式或计算工具（如人工智能）的小型专业化公司都有广阔的发展空间。这关乎整个生态系统的更广泛合作方式。要成功将药物交付给患者，需要很多环节。我提出了五个原则，但每个原则下还有诸多具体环节。正如格雷格所言，我们可以借助这些计算方法，包括人工智能和机器学习，加速和优化各个环节，最终实现更快为更多患者提供药物的目标。这不是非此即彼的选择，而是多种因素的综合运用。

梅耶斯：你会发现我们与insitro有合作关系；我们在他们身上取得了重大成功[$2500万里程碑付款在2024年12月]。我们与VantAI合作。我们与一些“科技生物”公司保持良好关系。实际上，没有一家公司能独自完成这一切。我们认为这是一个协作的生态系统，我们非常愿意参与其中。

**GEN Edge：人工智能在BMS提出的三个平台领域中扮演了什么角色：靶向蛋白降解、细胞疗法和放射性药物疗法或RPT？**

普兰格：在靶向蛋白降解方面，我们利用人工智能扩展化学库。你可以设想从一个特定规模的化学库起步。过去，若想扩展库，化学家们会观察结构并基于专业判断推测下一步要合成哪些分子。然后他们会合成这些分子并进行测试。这是一种不错的库扩展方法。然而，随着人工智能技术的发展，我们可以借助机器进行预测，从而有效拓展化学空间并以更合乎逻辑的方式制造更多结构。在靶向蛋白降解方面，我们利用人工智能扩展化学库。你可以设想从一个特定规模的化学库起步。过去，若想扩展库，化学家们会观察结构并基于专业判断推测下一步要合成哪些分子。然后他们会合成这些分子并进行测试。这种方法虽然不错，但人工智能扩展的库成功率更高。

第二个例子，格雷格在提到靶向蛋白降解时也提到了这一点，这同样适用于许多分子，无论是靶向蛋白降解剂还是我们拥有的其他小分子或大分子。我们可以使用人工智能优化分子，这实际上是发现阶段的后期，确保分子具备进入人体所需的全部特性。我们已针对靶向蛋白降解进行了这项工作，以帮助优化分子，使其具备所有必要特性。

再说一个例子：在细胞疗法方面，我们思考如何利用人工智能帮助我们找到那些结合剂。我认为另一个非常独特的方式是利用人工智能优化制造过程，确保在体外培养和生长细胞时采取正确步骤，使细胞具备适当的特性和属性，以便在返回患者时成为最安全和最有效的产物。人工智能帮助我们优化了细胞疗法的制造过程。

**梅耶斯：也许我可以简单举个例子。我们已经开始看到首批由人工智能协作设计的分子进入研发管线。今年我们推动了一种用于镰状细胞病的药物进入二期临床试验，其中人工智能助力优化药物特性。**

**GEN Edge：那是哪种药物？**

梅耶斯：这是一种促进血红蛋白F（胎儿血红蛋白或HbF）生成的药物。对于镰状细胞病，你会有异常的细胞或成年血红蛋白分子，这些是导致镰状化的分子。但如果能激活胎儿血红蛋白HBF，它实际上可以替代并有效地功能矫正。我们有一种处于一期临床开发中的分子，是一种HBF诱导剂，该分子的许多特性都通过人工智能进行了优化。再次说明，它帮助我们更快将最优分子应用于患者。

**GEN Edge：那么，除了HBF诱导剂外，BMS研发管线中有多少候选药物由人工智能生成？**

普兰格：我们所有从小分子研究到开发的药物都经过人工智能优化。目前，约半数大型分子也应用了人工智能。人工智能基本上是在我们所做的许多事情中进行多种组合。

世界很大，但每个环节都很关键。我们相信，通过整合人工智能与传统方法，未来将有更多突破性的药物问世，为患者带来希望与治愈。

(以上内容均由Ai生成)