【浙商证券】医药行业AI+药筛专题报告:“快”AI与“慢”药筛.pdf

2023-05-01
38页
2MB

核心观点:


1、AI+药物设计再掀热潮,目前仍处于积累训练期。为何ChatGPT再掀热潮?生成式人工智能是未来重要的AI技术趋势,ChatGPT让人们再次燃起对AI领域的重视。与AlphaFold针对 已知蛋白质序列预测蛋白质结构不同,生成式AI模型可以生成全新的蛋白序列或结构。相比于效率提升,AI+医药真正的魅力体现 在使不可能发现的靶点及成药机制成为可能,拓展用于药物研发的初始蛋白结构库,创造新的药物方向及增量市场。


生物医药已经成为AI最重要的应用场景。传统的制药模式中,药物结构设计高度依赖专家经验、新药筛选失败率高、药企的投资回 报率不断下降。在人工智能的所有应用中,医疗行业位列首位。据中商产业研究院统计,2020年 AI+医疗已占人工智能市场的 18.9%。根据艾瑞咨询的数据,2020年中国医疗AI市场规模已达到59亿元,市场规模在2025年有望达385亿元,2020-2025年 CAGR达46%。


数据、算法推动快速发展,AI成融资寒冬中的火热赛道。1966年赛勒斯·利文索尔将计算机模拟与分子图像相结合实现蛋白质和核 酸结构可视化,正式标志着计算机辅助药物设计的开始。2022年医药行业的投融资热度下降,但AI制药赛道反而更加火热。根据公 开数据统计,2022年全年AI制药赛道相关的融资总事件达144起,YOY 97%,总金额为62.02亿美元(约人民币426.66亿元),YOY 47.67%。且美国AI初创公司吸纳了市场上的绝大部分资金,占总融资额的77%。


看AI管线:在我们统计的80条国内外AI辅助药物设计管线中:①推进进度,有42条推进到Ⅰ期,29条推进到Ⅱ期,我们认为AI药物 设计兑现期有望在3-5年后来临。②从靶点选择上,其中52条已公布靶点,25条未公布靶点,而运用人工智能发现新靶点的管线仅3 条,这也表明用AI进行药物研发仍起到相对辅助的作用。③从适应症选择上,和传统方法一样,癌症是AI制药企业首选的适应症, 其次为遗传性疾病和罕见病。由于2020-2022年疫情对药物的巨大需求,针对COVID-19的药物研发占据了6%。我们认为当前AI+ 药物设计仍然处于积累训练期。


2、板块主要参与者。当前国内AI制药市场的主要参与者有三类:互联网公司、药企、CRO。在商业模式上主要分为:AI SaaS、AI CRO和AI biotech,即 售卖软件、服务和研发药物。(1)互联网公司:借助对外投资、打造自有相关平台、提供算力及计算框架服务。我们认为互联网公司做AI+的优势在于①大厂资金 优势;②算法和算力优势。但缺点在于对制药专业领域的知识及经验较为匮乏,因此主要集中在新药研发对数据及算力要求较高的环 节,到了CMC之后的阶段,算法能够提供的帮助就非常有限了。 (2)CRO:国内外CRO公司纷纷通过自建及合作、投资等方式丰富了自身的AI+服务平台。


AI+“降本”中的本指的是CRO的业绩吗?①AI现在只能实现“快”,有效性仍待验证。②CRO是医药板块转型AI+的最优选。 高质量数据是制约AI发展的关键瓶颈。而CRO最大的优势来自于丰富的实验数据,这些数据既包括成功的也包括失败的经验,都将赋 能完善数据库。搭建高通量数据生成能力的智能实验室,将成为核心竞争力。但要注意的是CRO的数据或需要相关药企授权。 因此,我们认为AI短期无法替代传统人力为主的CRO,且凭借丰富的数据优势,CRO可能成为AI+领域最大赢家。


(3)药企:市场上参与AI制药的大型药企仍以资金实力较为雄厚的MNC为主,一般通过自建平台、外部投资并购以及合作的形式展 开。截止2022年末全球前十大药企均有AI布局,其中阿斯利康、默克、辉瑞开展的AI项目数位居榜首。国内起步相对较晚,但在2021 年进入爆发期。我们认为药企进入AI研发的优势在于①在优势领域具有敏锐研发眼光;②可以建立独有的、不断迭代的数据库;③主 动性及系统性强。而缺点在于对算法的理解有限,更倾向于通过自己的经验去优化分子,有路径依赖。


01、AI+药物设计再掀热潮


1.1、为何ChatGPT再掀热潮?


生成式人工智能是未来重要的AI技术趋势。2022年11月,OpenAI发布的ChatGPT让人们再次燃起对AI领域的重视,其也被视为有 史以来最好的生成式大规模预训练语言模型。2022年末以来,国内科技巨头们纷纷参与其中。百度、360、阿里巴巴以及华为分别 公布了“文心一言” 、“360智脑”、“通义千问” 、及“盘古大模型”的最新进展。与传统判别式AI相比,生成式AI正在生成新 的东西,而不仅仅是分析已经存在的东西。人工智能发展正在从局部探索走向千行百业。据华为中国政企数据中心解决方案总裁常 成根据行业测算预测,2026年人工智能的行业渗透率将达到20%,为数字经济注入新动能。


1.2、生物医药已经成为AI最重要的应用场景


生物医药是AI产业化最重要的部分之一。从需求角度来讲,新药研发通常投入超10亿美元、周期超10年。传统的制药模式中,药物 结构设计依赖于专家经验且新药筛选失败率高、药企的投资回报率不断下降。如何通过大数据、人工智能等科学技术加速新药研发 进程、平衡研发投入与成果产出之间的关系,成为了医药公司在数字化改革道路上的重点之一。 在人工智能的所有应用中,医疗行业位列首位。据中商产业研究院统计,2020年 AI+医疗已占人工智能市场的18.9%。根据艾瑞咨 询的数据,2020年中国医疗AI市场规模已达到59亿元,市场规模在2025年有望达385亿元,2020-2025年CAGR达46%。


1.3、数据、算法推动快速发展,AI成融资寒冬中的火热赛道


自1956年达茂斯会议提出制造智能机器的科学和工程后,AI逐渐引入到药物研发领域。1966年赛勒斯·利文索尔将计算机模拟 与分子图像相结合实现蛋白质和核酸结构可视化,正式标志着计算机辅助药物设计的开始。自此,随着数据和算法的快速推动, AI+药物设计得到快速发展,也引起了资本的重视。2022年医药行业的投融资热度下降,但“投资收缩”的资本总额反而凸显 了对AI制药赛道的青睐。根据智药局不完全统计,2022年全年AI制药赛道相关的融资总事件达144起,YOY 97%,总金额为 62.02亿美元(约人民币426.66亿元),YOY 47.67%。且美国AI初创公司吸纳了市场上的绝大部分资金,占总融资额的77%。


1.4、管线仍集中在老靶点和传统适应症上


我们统计了全球80条获批临床的AI药物管线。从推进进度看,有42条推进到Ⅰ期,29条推进到Ⅱ期,4条推进至III期,我们认 为AI药物设计兑现期有望在3-5年后来临。从靶点选择上,其中52条已公布靶点,25条未公布靶点,而运用人工智能发现新靶 点的管线仅3条,这也表明用AI进行药物研发仍起到相对辅助的作用。从适应症选择上,和传统方法一样,癌症是AI制药企业 首选的适应症,其次为遗传性疾病和罕见病。由于2020-2022年疫情对药物的巨大需求,针对COVID-19的药物研发占据了 6%。我们认为当前AI+药物设计仍然处于积累训练期。


1.5、AACR公布的最新进展


2023年美国癌症研究协会( AACR )大会于4月14日召开。作为最熟关注的癌症研究大会,此次AACR年会吸引了多家AI制药公 司的身影,包括Exscientia、Lantern Pharma、Deepcell、Owkin、PathAI、Tempus、Visiopharm、水木生物、英矽智能、 百图生科等企业,让我们看到了AI在癌症领域最新的突破。 英矽智能:公司携四款新型抗癌化合物(ISM3091,可口服的USP1选择性小分子抑制剂;ISM3412,选择性MAT2A抑制 剂;ISM4312A,新型DGKA抑制剂;ISM6466A,新型共价 CDK12 抑制剂)亮相本届AACR,分别针对不同靶点,具有 良好的抗肿瘤活性和安全性。


百图生科:公司提出了一种原子级精确度的抗体结构预测方法—— xTrimoABFold++,较 AlphaFold2 提高 30%。此外,公 司AI 驱动的用于免疫疗法抗体开发使用的自动化高通量蛋白质生产和表征平台也在此次亮相。 Exscientia:展示了药物及通路的研究成果,进一步验证了Exscientia的平台转化能力。 Lantern Pharma:LP-184 在实体瘤以及成人和儿童中枢神经系统癌症的大量体外和体内临床前模型中的效力。


Tempus:发布了多款数据模型、试验程序的研究成果,包括利用Tempus分子数据跟踪(集成的NGS和EMR数据)和 TIME试验程序(将患者快速匹配到Just in TIME 临床试验地点)进行患者识别和预筛选;用机器学习平台整合DNA改变和 RNA表达数据测量致癌信号通路的激活状态,并表征可能导致通路失调的新基因改变;使用Visum CytAssist比较空间转录 组学数据中的批间相似性和细胞反卷积及使用计算机视觉解决患者衍生模型大规模屏幕治疗反应中的增殖动力学。PathAI:提出一种数字替代方案用于非小细胞肺癌 (AIM-PD-L1 NSCLC) 中的 PD-L1的定量测量;通过机器学习 (ML) 模 型量化TME的组织学并输出预测临床相关生物标志物的潜力;为癌症中的WSI mIF数据开发一个端到端的工作流程分析原 始图像到细胞级特征。


1.6、看未来,生成式AI——从分析到设计,打开想象空间


2021年7月,DeepMind公司与欧洲生物信息研究所(EMBL-EBI)合作开发的AI系统AlphaFold,荣登Science杂志公布2021年 度科学突破榜单榜首。其能够预测出超过100万个物种的2.14亿个蛋白质结构,几乎涵盖了地球上所有已知蛋白质,在制药界引 起很大轰动。与AlphaFold针对已知蛋白质序列预测蛋白质结构不同,生成式AI模型可以生成全新的蛋白序列或结构。相比于效 率提升,AI+医药真正的魅力体现在使不可能发现的靶点及成药机制成为可能,拓展用于药物研发的初始蛋白结构库,创造新的 药物方向及增量市场。


02、板块主要参与者


当前国内AI制药市场的主要参与者有三类:药企、CRO、互联网公司。在商业模式上主要分为:AI SaaS、AI CRO和AI biotech, 即售卖软件、服务和研发药物。根据Deep Pharma Intelligence数据,截止2022年Q1,全球参与AI药物研发的大型药企超过56家, 其中包括逾36家传统药企和20家CRO企业;相关互联网头部企业超31家,AI制药初创企业超495家。


2.1、互联网巨头通过与药企合作成为重要参与者


互联网公司借助对外投资、打造自有相关平台、提供算力及计算框架服务。由于较大的市场空间及研发需求,各大头部互联网公司 在搭建数据模型后纷纷落地医药产业。我们认为互联网公司做AI+的优势在于①大厂资金优势;②算法和算力优势。但缺点在于对 制药专业领域的知识及经验较为匮乏,因此主要集中在新药研发对数据及算力要求较高的环节,到了CMC之后的阶段,算法能够提 供的帮助就非常有限了。通过对AI制药初创企业进行投资、自主研发建立AI制药平台及于外部合作研发AI制药项目的方式进场。我 们预计未来随着大模型及数据的逐渐完善,互联网界巨头在AI制药领域的活跃度及渗透率或进一步提升。


在制药领域,由于生成式AI对靶点、分子思路的彻底打开,吸引国内互联网大厂纷纷入局,试图破局制药困境。但目前生成式AI仍 对制药的赋能仍面临许多困境。①本身数据的可靠性、互通性还不完善;②目前ChatGPT仅适用于数据及信息的归纳整理,离更精 准的产出仍有距离。③相关法规、IP的归属仍有争议。 从长远来看,生成式AI或具备颠覆现有AI的潜力,而要获得更加通用、好用的模型,还需要更多领域相关专家的写作、数据积累和 算法创新。


2.2、AI+CRO模式:春江水暖鸭先知


CRO作为新药研发的服务商,对市场的趋势变化往往更敏感。无论是出于加快交付成果的角度,还是减少人工支出的角度, AI应用于药物研发对CRO而言都有巨大的吸引力。国内外CRO公司纷纷通过自建及合作、投资等方式丰富了自身的AI+服 务平台。


2.3、AI+药企:MNC起步早,国内自2021进入爆发期


当前市场上参与AI制药的大型药企仍以资金实力较为雄厚的MNC为主,一般通过自建平台、外部投资并购以及合作的形式展开。截 止2022年末全球前十大药企均有AI布局,其中阿斯利康、默克、辉瑞开展的AI项目数位居榜首。合作方式上,辉瑞采取自有平台搭 建及多方合作的形式成为全球AI制药领头羊;GSK及诺华在自己企业内部建立了专门的AI部门;默沙东采取了通过健康创新基金和 加速器项目进行投资。国内起步相对较晚,但在2021年进入爆发期,其中复星医药与英矽智能达成的合作共同推进多个靶点的AI药 物研发,首付款高达1300万美元。我们认为药企进入AI研发的优势在于①在优势领域具有敏锐研发眼光;②可以建立独有的、不断 迭代的数据库;③主动性及系统性强。而缺点在于对算法的理解有限,更倾向于通过自己的经验去优化分子,有路径依赖。


03、重点企业分析


3.1、药明康德:前瞻投资AI制药赛道


药明康德在2018年以来就多次参与AI制药领域龙头企业的融资,其中包括:Engine Biosciences(2018年1月)、Insilico Medicine(2018年6月)、Verge genomics(2018年7月)、Schrödinger(2019年1月)、Insitro(2020年5月)等。 前瞻性的布局也有望奠定药明康德在药物筛选、药物发现等领域的龙头地位,也有望在AI制药快速推进过程中享受市场红利和 保持龙头低位。


3.2、美迪西:快速合作布局的AI+CRO公司


美迪西是国内临床前一体化CXO龙头公司,服务涵盖医药临床前新药研究的全过程。公司积累了丰富的创新药物分子设计经验 及技术储备,如通过计算机辅助药物设计(CADD)及借助人工智能(AI)技术评估设计化合物和靶标蛋白的结合,优化化合 物的设计,从而提高化合物的生物活性的成功率、大幅缩短分子结构优化的时间、加速新药研发的进程。2021年启动了基于AI 的药物开发平台建设。


3.3、药石科技:基于优质砌块服务拓展AI+


药石科技是以分子砌块为核心基础拓展的一体化CXO公司。公司基于内部独特的分子砌块,建设了多样化的、主流的药物发现 技术平台,通过与人工智能药物发现技术平台 (AIDD)结合,探索AI与公司其他新药发现技术如虚拟筛选、DEL-T、 FBDD 的有效结合,利用开源蛋白质结构预测AlphaFold2 算法模型,具备了针对绝大部分创新靶点的人工智能筛选能力。 并且公司 基于结构生物学、计算机辅助药物设计(CADD)、药物化学等方面的能力,对苗头化合物进行多维度优化以得到先导化合物 和临床候选分子。


3.4、成都先导:基于DEL不断延伸的药物筛选公司


成都先导是一家以DNA 编码化合物库(DEL)为核心技术的药物筛选公司,拥有全球最大的DEL库之一,公司的主营业 务为 DEL 技术相关的药物早期发现及以DEL平台为主的新药研发转让。公司的CADD/AIDD平台整体发展思路和策略主 要体现在以下几个方面:(1)DEL领域:目前,已经实现完成特定靶点库的设计、合成和筛选,加速部分药化项目的优 化过程,并成功为一些具体项目提供高效的小分子化合物筛选方案,且能够为DEL筛选的靶点在市售化合物库中找到新 的化合物系列。


(2)FBDD/SBDD 领域:与收购的英国公司Vernalis共同推进。(3)小核酸药领域:计算科学团队着重 在小核酸序列设计方面布局,希望通过高质量的核酸序列设计加速小核酸药物的早期研发进程。(4)在靶向蛋白降解领 域:计算科学团队着重在利用CADD技术加速三元复合物优化过程方面布局,提升团队在蛋白降解早期研发阶段的竞争力。


3.5、皓元医药


皓元医药是一家专注小分子及新分子类型药物研发的一体化CXO公司,形成了前端分子砌块和工具化合物的产品销售,和后端 原料药及中间体的产品销售及CDMO两大业务板块。公司在2021年开始与AI制药公司开展合作:①2022年1月与AI制药公司德 睿智药就AI辅助药化合成方面深化战略合作(2021年开始合作),具体包括正向化学反应预测以及逆向合成路线预测与改进等; ②2022年8月与AI制药公司英矽智能开展战略合作,双方在创新药小分子化合物定制服务业务、FTE业务、CMC业务、CDMO 业务、合成样品库业务等开展深度合作;2023年2月公司成功助力英矽智能靶向主蛋白酶(3CLpro)药物ISM3312进入临床阶 段,成为英矽智能第二款进入临床阶段药物。


3.6、泓博医药:以药物设计为抓手拓展一体化的CRO公司


泓博医药是一家新药研发服务及原料药生产企业,致力于为全球医药客户提供一站式的小分子药物研发和生产解决方案, 公司业务涵盖了药物发现、工艺和药学研究以及原料药生产等领域。公司以小分子药物设计见长,并与海外优质 biotech 公 司建立深度的合作,协助客户开发多款 FIC 药物,并享有较高的议价权。公司CADD/AIDD技术平台成立于2019年,截止 2021年底已累计为30多个创新药项目提供技术支持,目前尚处于临床前或早期临床阶段。


(本文仅供参考,不代表我们的任何投资建议。如需使用相关信息,请参阅报告原文。)


相关报告

医药行业AI+药筛专题报告:“快”AI与“慢”药筛.pdf

安永-智启新质生产力:生成式人工智能在医疗医药领域的潜在应用.pdf

2023年中国生物医药投融资蓝皮书.pdf

2024中国医药行业人才发展报告.pdf

医药行业制药板块2024年度春季投资策略:政策暖风不断,产业趋势向上.pdf

医药行业基药目录专题报告:关注基药目录品种前瞻.pdf

联想高性能计算和人工智能医疗行业生命科学解决方案白皮书.pdf

人工智能专题报告:人形机器人步入软件定义和AI驱动时代.pdf

安永-金融服务业领导网络:应对人工智能在金融服务业的迅猛发展.pdf

人工智能赋能新型工业化.pdf

人工智能行业专题研究:如何实现AGI,大模型现状及发展路径展望.pdf

【浙商证券】医药行业AI+药筛专题报告:“快”AI与“慢”药筛.pdf-第一页
联系烽火研报客服烽火研报客服头像
  • 服务热线
  • 4000832158
  • 客服微信
  • 烽火研报客服二维码
  • 客服咨询时间
  • 工作日8:30-18:00