昨(19)日，由生物技術開發中心(DCB)、生技醫藥產業發展推動小組(BPIPO)、 NVIDIA、台灣產業科技推動協會(TITA)主辦「生成式 AI於新藥開發與精準醫療技術研討會」，在第三場人工智慧(AI)技術重新定義生物醫學研究議題中，前英科智能執行長暨現任陽明交大藥學系兼任助理教授林彥竹、中研院生醫轉譯研究中心副主任林榮信、國衛院群體健康研究所研究員鍾仁華、清大智慧生醫博士學位學程主任暨生物資訊與結構生物所教授楊立威，從藥物發現與設計者角度，分享AI於生醫研究的應用與挑戰。
 

林彥竹：AI製藥進入超速時代 「技術與商業模式同等重要」

 
前英科智能執行長暨現任陽明交大藥學系兼任助理教授林彥竹分享，英科智能是第一代運用AI演算法研發小分子藥物的公司。2019年，該公司於《Nature》子刊發表論文，描述藥物從AI設計到確定有效僅需46天，這項技術在2020年被《MIT Technology Review》選為年度突破，讓英科智能備受關注。
 
2020年後，AI應用於藥物開發逐漸被普遍接受，不過目前許多AI設計藥物(AIDD)大多還處於臨床一、二期研究階段，而英科智能運用生成式AI開發靶向TNIK的新藥ISM001-055，用於治療特發性肺纖維化(IPF)的臨床二a期試驗，已在今年9月獲得了積極成果。
 
林彥竹表示，英科智能從沒有藥物到推進臨床一期，約耗時2.5年，臨床一期與二期試驗各需約1年。林彥竹表示，這樣的時程已被視為AI製藥流程的黃金標準(gold standard)。
 
他也認為，臺灣的AI藥物研發尚停留在尋找新靶點與新藥的前期階段，建議企業應找到自身利基、突破高門檻領域。他特別強調，技術與商業模式同等重要，只有緊密結合才能創造商業價值，實現技術創新與市場需求的對接。
   

林榮信：開發量子力學修正工具 補足蛋白質結構預測不足之處

 
中研院生醫轉譯研究中心副主任林榮信，致力於新穎計算藥物學及結構生物資訊的應用研究。他與臺大藥學系林君容教授、中研院生醫所陳儀莊特聘研究員團隊合作，由中草藥成分開發出阿茲海默症小分子潛力新藥J4，於今年下半年陸續獲得美國、臺灣核准臨床試驗，預計明年初就會啟動。
 
林榮信表示，生成式AI雖然能夠預測蛋白質結構，但仍無法提供非常可靠的預測結果，例如，難以準確預測蛋白質中的固有無序結構域(IDRs)或是內在非結構蛋白(IDP)，無法生成處於不同功能狀態下的蛋白質構型，也無法預測金屬離子、輔因子(cofactor)和配體(ligand)的位置。
 
因此，林榮信團隊投入研發以AI預測蛋白質結構、輔以量子物理方式執行修正的方法，開發出idTarget、SLITHER、MEDock等可增進分子對接(molecular docking)計算準確性與應用性的工具。
 
林榮信表示，這些工具能用在評估大量蛋白質-配體複合物的結合自由能(binding free energy)，為從標靶(hit)到先導化合物(lead)、再到候選藥物(candidate)的過程提供協助；另一方面，他們也開發操作化學合成與生物實驗的AI機器人，增進AI驅動藥物開發的效率。
   

鍾仁華：心房顫動、乳癌、第二型糖尿病 都與多基因風險有關！

 
國衛院群體健康研究所研究員鍾仁華分享，在AI演算法持續精進、加上全基因體關聯研究(GWAS)的盛行下，越來越多疾病性狀被發現與多基因相關，促成了多基因風險指標(PRS)的誕生。
 
林榮信表示，PRS可能也會受到種族差異的影響，然而過去的PRS研究結果中，將近80%都是來自以白人為主的研究，但白人僅占全球人口的10~15%，亞洲人卻占了超過60%，說明以亞洲人為基礎的研究仍有很大的進步空間。
 
目前，國際跨科學組織——INTERVENE聯盟(International Consortium of Integrative Genomics Prediction)，正致力於AI輔助的複雜醫療數據分析，以開發出幫助改善疾病理解及個人化治療的遺傳風險指標。林榮信表示，該聯盟透過與各地的人體生物資料庫(Biobank)合作，找出高負擔疾病(high burden diseases)的PGS，近年在第二階段的擴展中，也新增了美國、卡達、中國、臺灣的Biobank，這將有助於適用於全球的PRS模組，改善對跨族群疾病原因的了解。
 
目前群健所以臺灣人體資料庫為基礎分析，得知與PRS強烈相關的疾病，包含了心房顫動、乳癌、第二型糖尿病。若將與基因關聯性狀得來的PRS整合，將有助於改善疾病預測準確性，邁向精準健康。
   

楊立威：設計藥物分子時 就要考慮吸收、分布、代謝、排泄和毒性

 
清大智慧生醫博士學位學程主任、生物資訊與結構生物所教授楊立威，同時也是精準醫療暨生物資訊顧問服務新創普睿思的共同創辦人。他在演講中指出，在使用生成式AI設計藥物分子時，就應將人體的吸收、分布、代謝、排泄與毒性(ADMET)考慮進去，達成超越分子層級效益的分子設計。
 
楊立威團隊曾與美國德州西南醫學中心進行驗證合作，利用AI演算法找到能夠針對三陰性乳癌(TNBC)疾病靶點EgIN2加以抑制、同時又不影響另一與之高度相似的正常蛋白質EgIN1的先導化合物，該化合物具有良性脫靶效應的特色，還比知名AI驅動藥物開發公司Atomwise提供的80種預測藥物毒性來得更低。
 
目前，楊立威團隊也運用AI的虛擬篩選與模擬，加上將兩種老藥片段重組的策略開發新藥。楊立威表示，透過這種方式開發新藥，在安全性、ADMET、膜穿透性、可合成性都更好掌握。
 
他也分享，雖然AlphaFold3已經是結構生物資訊學的模範生，但它在預測蛋白質結構時缺少分子引力的資訊，也未考慮到濃度的影響，這會影響到藥物發現與設計的成功率。
   
最後，NVIDIA新創與創投關係經理李昇達，也分享了NVIDIA的Inception新創計畫。李昇達表示，此計畫主要針對AI、高速運算(HPC)、圖像及數位轉型的新創企業，提供包含：實務訓練、NVIDIA軟硬體優惠、企業成長工具等資源，幫助新創企業的成長。
 
截至今年9月，已有超過2.3萬家新創加入Inception計畫，鏈結超過1千個創投夥伴，在臺灣也有安宏生醫、分子智藥等AI藥物新創皆已加入。
   
(報導 / 吳培安、黃佳啟)