隨著首屆中國生物計算大會的召開，ITBT再次被推到了行業風口上。百度公司創始人、董事長兼首席執行官，百圖生科創始人兼董事長李彥宏在會上發表了開場致辭，中國科學院鄂維南院士、施一公院士、董晨院士、譚蔚泓院士等多位頂尖科學家與會發表主題演講，引起了業內的廣泛關注。

這次大會的主辦方百圖生科是李彥宏去年創辦的中國首家以生物計算技術驅動的生命科學平臺公司。而生物計算也正是“ITBT”的核心含義。

ITBT是在人工智能、大數據之上延伸出來的一個新概念，是計算科學IT與生命科學BT的一種有機融合，聚焦于基于大數據算法進行的生物醫藥開發。

計算科學與生命科學本是兩個并行發展、各自獨立的領域，但是隨著近年來計算科學的飛速發展，兩個互無關聯的行業逐漸發生了交集：計算科學開始作為工具為生命科學賦能，以加快新藥研發的效率、提高藥物研發的質量。這種跨界融合誕生出了“ITBT”的概念。

首屆中國生物計算大會似乎也傳達出了一種信號：ITBT已經可以作為一個獨立的子賽道，具備改變未來生物制藥研發模式及市場格局的潛力。

面對這樣一個熱門的新興賽道，業內翹首觀望之人不少。ITBT因何誕生？它的興起會對傳統生物制藥模式帶來哪些顛覆？全球有哪些生物計算公司？他們未來發展還將面臨哪些困局？又如何突圍？

源起于醫療AI

初次接觸ITBT可能會比較陌生，但是如果提及醫療AI賦能新藥研發則已能耳熟能詳。ITBT中的“計算IT”其實就是廣義的計算，包含了人工智能與機器學習。也就意味著，ITBT隸屬于大醫療AI賽道。

除了AI賦能新藥研發，醫療AI的應用場景還包括醫療信息化、智能診療、醫學影像等，其中在醫療信息化場景下的應用是最早的，在智能導診的應用是最廣的，在醫學影像的應用是發展最快的。反觀醫療AI在新藥研發場景里，發展雖較其他場景晚，但是市場規模巨大，占據總人工智能市場35%以上份額。

近年來，投資機構為了劃分醫療AI在不同場景下的細分賽道，將新藥研發場景下的醫療AI定義為“ITBT”。五源資本是國內最早提出ITBT概念的投資機構之一，該機構早在2017年便關注到了該賽道的潛力，早早布局并投資了晶泰科技、未知君、星亢原、星藥科技、劑泰科技等ITBT企業。

如果追溯ITBT產業的發展史，則需要回歸到中國新藥研發發展史與人工智能的發展路徑上。2015年，中國醫藥界發生了著名的“722事件”，推動了國內醫藥企業往創新藥領域發展，隨后，2017年被稱為創新藥元年，新藥臨床和上市的審批政策頻出，大批新藥批準進入臨床試驗。

如果說創新藥是種子，那么人工智能便是土壤。同樣是在2017年，國務院出臺《關于印發新一代人工智能發展規劃的通知》，強調基于人工智能開展大規?；蚪M識別、蛋白組學、代謝組學等研究和新藥研發，推進醫藥監管智能化。

生物計算（ITBT）便從這時開始萌芽，而它生長的關鍵則在于計算（IT）上。“計算方法的突破，帶來的就是人類認知的革命?！笔┮还菏吭谑讓弥袊镉嬎愦髸险f道，“伴隨人工智能的出現，本世紀將會出現顛覆性的變化！”

這種變化已經可以從ITBT上窺見眉目。伴隨中國計算科學的飛速發展，超級計算機、算法優化，再加上不斷累積的醫療大數據，諸多種種為ITBT鋪設好了“天時地利人和”。

ITBT爆發的“天時地利人和”

“生物計算的發展與互聯網的發展有著驚人的相似之處，驅動互聯網搜索量增長的有三個關鍵指標——上網人數、上網時間、網頁數量，而在生物計算領域同樣也由三個關鍵指標共同驅動?！崩顝┖暝谑讓弥袊镉嬎愦髸嫌米钔ㄋ椎谋扔鹘忉屃薎TBT產業發展的動力來源。驅動ITBT產業發展的三個關鍵指標分別對應了算力、算法和數據。

從算力上看，中國計算機的算力水平已經達到世界一流。中國有6個國家超級計算中心，分別位于無錫、天津、濟南、深圳、長沙和廣州，其中國家超級計算無錫中心的超算“神威·太湖之光”在2016年就已經達到了每秒12.54億億次的算力，成為全球最快的超級計算機，為中國生物醫藥、金融分析、信息安全等領域提供計算和技術支持。

從算法上看，各類機器學習算法的不斷迭代優化。算法是人工智能的核心，通過摸索藥物與疾病、疾病與基因之間的隱秘關系，構建強大的底層計算架構，并在不斷試錯與應用之間進一步完善，最終讓算法越來越貼近真實的人類邏輯。

從數據上看，人類生物醫學研究積累了巨大醫學數據，包括基因組學、轉錄組學、蛋白質組學、代謝組學、小分子數據等。這些數據既來自公開的海量醫學文獻，也來自藥企/CRO自主研發積累的數據庫。而伴隨人類觀測手段的豐富，我們能夠獲得的生物指標數據也在變多，未來將會有更多、更大體量的多組學數據產出。

“隨著醫療數據的進一步積累，眼下似乎已經到達了一個臨界值——足夠多的生物數據整合在一起，再以AI作為橋梁，可以為新藥研發助力?！卑賵D生科首席AI科學家宋樂表示，“我們非常希望和制藥行業、生物計算行業的各位同行一起努力，找到一些新的AI助力新藥的方向?！?/span>

伴隨中國計算科學算力的提升、算法的精進，以及醫療大數據逐年累月的沉淀，成為了孵化ITBT的天時地利人和。中科院計算技術研究所高性能中心主任譚光明肯定道，將藥物從實驗驅動推向數字驅動，推動供給側提供高效優質的產品，這是一種極有潛力的趨勢。

ITBT將改寫制藥產業多元化格局

傳統藥企采用經驗主義進行藥物開發，不僅研發成功率低，還面臨研發周期長、費用高等問題。一款新藥從臨床發現到獲批上市平均歷時10-15年，研發成本高達30億美金，平均成功率卻不到10%。

ITBT模式的出現或將改變這一現狀。新藥研發作為醫療AI應用場景中增速最快且最具潛力的市場，在計算科學IT的加持下，憑借其算法和算力優勢，可以助力新藥研發的多個環節，加速靶點發現、化合物合成、制劑開發、晶體預測等。

而這種助力實則是一種“數字化”，中科院計算所-哲源·圖靈-達爾文實驗室副主任趙宇告訴動脈網：“在計算機上對細胞功能數字化、疾病機理數字化、藥物機制數字化、病人數字化等，可以實現高維度下的‘人藥匹配’?！?/span>

在靶點發現上，ITBT利用自然語言處理（NLP）技術檢索分析海量的文獻、專利和臨床試驗報告非結構化數據庫，找出潛在的、被忽視的通路、蛋白和機制等與疾病的相關性，從而提出新的可供測試的假說，以發現新機制和新靶點。

在晶型預測上，ITBT可以利用認知計算實現高效動態配置藥物晶型，預測小分子藥物所有可能的晶型。晶型變化會改變固體化合物的物理及化學性質，導致藥物在臨床治療、毒副作用、安全性方面的差異，對藥物研發造成干擾。

在化合物篩選上，憑借IT的強大算力，可以對候選化合物進行虛擬篩選，更快篩選出活性較高的化合物。根據36氪“AI+醫療”行業研究報告數據顯示，在人工智能助力下的化合物虛擬篩選平均可以節約40-50%時間，年均節約260億化合物篩選成本。

從理論上來說，在藥物研發過程中引入IT技術，利用深度學習技術對分子結構進行分析與處理，在不同研發環節建立擁有較高準確率的預測系統，可以減少各個研發環節的不確定性，從而縮短研發周期，降低試錯成本，提高研發成功率。據TechEmergence報告顯示，有人工智能技術參與的新藥研發成功率能從12%提高到14%。

在ITBT加持下，將會對傳統生物制藥產業帶來多元化的格局改變，主要可以從藥企端和CRO/CDMO服務端兩個方向進行解讀。

在藥企端，ITBT的加入將會加速新藥研發市場的競爭，特別是在小分子藥物上。由于小分子藥物的研發邏輯相對大分子藥更加線性和直觀，IT技術可以通過多學科融合的技術路徑讓一些在高?？蒲袡C構里面的優秀儲備靶點甚至是還未被科學家確定結構的蛋白靶點，快速尋找到最適配的小分子化合物。

藥明康德相關負責人在首屆生物計算大會上也肯定了ITBT對小分子藥物領域的積極促進作用。ITBT型的藥企可以針對特定靶點批量產生小分子候選化合物，伴隨算法引擎的優化，每代候選藥物之間相互協同，共同作用支持迭代出更好的藥物。

從長遠來看，利用ITBT的企業相對傳統小分子藥物研發公司在尋找特定靶點的小分子化合物上更具有優勢，將在藥物發現端形成更明顯的頭部規模效應。

不過，中科院計算所西部高等技術研究院常務副院長張春明也指出，ITBT的數字藥物實驗場不會直接取代藥企，而是以二八原則展開——80%上計算機干，20%還得人做。但是使用計算醫學技術的企業，一定會去替代那些不使用計算醫學技術的企業，趨勢如此。

站在CRO/CDMO的角度，一些ITBT企業則是選擇聚焦于新藥研發中的某一特定環節，為藥企或醫療機構提供基于此環節的技術服務，如化合物篩選、分子設計、晶體預測等，從而加速新藥研發進程。

這種提供“計算服務”的模式屬于一種新型CRO/CDMO，這類型ITBT企業會在與藥企的實際合作中執行不同的商業模式，例如一些企業可能會以化合物IP的方式進行合作，二者共同推進IP完成臨床試驗到上市。

ITBT企業正在加速合作發展

雖然是一種全新的概念，但是IT與BT的融合并不是近年來才出現的，以計算科學賦能生物制藥早在數年前就已有企業涉足，宇道生物、晶泰科技、哲源科技等都是國內最早一批生物計算領域的公司。而伴隨著人工智能技術的完善、醫療數據資源的積累，ITBT領域也涌入了越來越多的新企業，2019年成立的星藥科技、2020年成立的百圖生科，都是基于醫療大數據挖掘進行生物醫藥研發探索。

動脈網對全球涉足ITBT的企業進行了簡單梳理：

中國涉足ITBT的部分典型企業盤點

可以看到，在我們統計的國內涉足ITBT藥物研發的14家典型企業中，有8家不僅自主擁有ITBT技術能力，也基于該能力自主搭建起了獨立的臨床新藥管線，分別是宇道生物、冰洲石生物、未知君、億藥科技、智藥科技、星亢原、星藥科技和索智生物；

另外6家企業晶泰科技、哲源科技、深度智耀、望石智慧、百圖生科、劑泰科技更側重提供藥物研發服務，這類公司更注重結合自身在AI領域的專長與藥企合作，共同搭建/推進管線進程。

值得一提的是，與中國首屆生物計算大會共同展開的還有百圖生科與索智醫療的合作。百圖生科側重于AI算法等生物計算引擎的建設，索智醫療則是在百圖生科和維亞生物共同加持下成立，旨在打造一個以人工智能為基礎的新型的新藥研發范式。

與此同時，一些大型藥企、CRO/CDMO企業也開始通過合作或兼并購等方式擴大公司在ITBT方向的比重。例如，藥明康德投資了強化學習和生成對抗網絡（GAN）相結合進行分子發現的公司Insilico Medicine；正大天晴通過與阿里云醫療AI合作，以獲得全新的基于機器學習模型的化合物篩選方法；

2018年，羅氏以19億美元收購腫瘤大數據公司Flatiron Health，為其提供研發所需的數據與技術支持，加速新藥上市；2019年，江蘇豪森與美國AI制藥公司Atomwise達成合作，雙方將合作設計并發現多個治療領域中多達11種未公開靶蛋白的潛在候選藥物。據悉，全球前十大藥企均已入局ITBT。

海外部分ITBT企業代表

>>>>Atomwise：化合物篩選

Atomwise成立于2012年，位于美國舊金山，是一家利用超級計算機進行藥物研發的AI制藥公司。公司利用運用超級計算機、深度學習和復雜的算法模擬人類分析化合物分子的過程，從千萬量級中篩選出潛在藥物，從而加速化合物篩選、新藥發現，同時降低研發成本。

該公司在2020年8月11日獲得了由B Capital Group和沙特公共投資基金Sanabil Investments共同領投的B輪投資，總金額1.23億美元，老股東DCVC、BV百度風投、騰訊、Y Combinator、杜比創投、AME Cloud Ventures等老股東繼續追加投資。同年10月6日，Atomwise又獲得了比爾及梅琳達·蓋茨基金會230萬美元捐款（Grant）。

據悉，Atomwise計劃繼續擴大與禮來公司、拜耳、漢索制藥、Bridge Biotherapeutics、StemoniX、SEngine Precision Medicine等生物制藥公司的合作。迄今為止，Atomwise已與公司合作伙伴簽署了價值約55億美元的共同研發條款。

>>>>Exscientia：小分子化合物設計

Exscientia成立于2012年，位于英國牛津，是一家自動化AI藥物設計公司，平臺同時利用大數據和機器學習方法，根據已有的藥物研發數據自動設計出上百萬種與特定靶標相關的小分子化合物，并根據藥效、選擇性、ADME等其他條件對化合物進行評估和篩選。公司嘗試將一些算法進行組合，可以將藥物研發時間從4.5年降低至1年，并且能夠有效減少前期需要考慮的化合物數量。

2021年4月27日，Exscientia宣布完成了融資總額為2.25億美元的D輪融資，由軟銀愿景基金二期領投，上輪融資的主要投資方Novo Holdings和BlackRock（貝萊德集團）旗下基金參投，其他投資者包括Mubadala Investment Company、Farallon Capital、Casdin Capital、GT Healthcare Capital、Marshall Wace、Pivotal bioVenture Partners、Laurion Capital、Hongkou以及百時美施貴寶。與此同時，軟銀還提供另外價值3億美元的股權承諾，由Exscientia自行決定是否注資。

而就在一月前的3月4日，Exscientia才完成了4000萬美元的C輪融資，投資方包括BlackRock（貝萊德集團）旗下基金、Novo Holdings、Evotec、Bristol Myers Squibb和GT Healthcare Capital。與此同時，Exscientia正積極與百時美施貴寶、賽諾菲、拜耳和大日本住友以及多家生物技術公司建立了藥物發現合作伙伴關系。

>>>>Genesis Therapeutics：分子生成及特性預測

Genesis Therapeutics成立于2019年，位于美國舊金山，是一家致力于利用AI技術推動新型小分子藥物的發現和開發的生物制藥公司，公司將新型深度神經網絡、生物物理模擬和大規?？蓴U展的計算基礎設施相結合，以實現分子自動生成和特性預測。據悉該公司是由Feinberg博士在斯坦福大學Vijay Pande博士實驗室工作時搭建的AI技術平臺演化而來，由斯坦福大學與默沙東研究實驗室合作驗證后創立。

2020年12月2日，Genesis Therapeutics宣布完成了5200萬美元的A輪融資，由Rock Springs Capital領投，T. Rowe Price Associates、Andreessen Horowitz、Menlo Ventures和Radical Ventures、Felicis Ventures、Jazz Venture Partners、Harpoon Ventures、Ulu Ventures、Propagator Ventures和Open Field Capital等共同跟投。

該公司積極與世界各地的生物制藥公司合作，在2020年10月與羅氏旗下子公司基因泰克（Genentech）達成多目標合作協議，將利用Genesis Therapeutics的圖形機器學習和藥物發現專業知識，為多個疾病領域的治療目標確定創新的候選藥物，共同推出新型療法。

>>>>Redesign science：蛋白質靶點小分子篩選

Redesign science成立于2017年，位于美國紐約，旨在通過強大的云端并行分子動力學模擬技術，重點研究難以成藥的蛋白質靶點。公司獨家技術平臺研發的AlphaSpace物理引擎可在原子級別精度對藥物靶點蛋白進行超長時分子動力學模擬 ，快速篩選上億級別的小分子數據庫。通過傳統力學和量子力學的結合，Redesign Science能夠對任意蛋白質靶點進行快速高精度建模，即使是沒有任何結構數據的蛋白體。

該公司在2019年10月15日完成了數百萬美元的種子輪融資，由Notation Capital領投，晨興資本（現五源資本）、Third Kind Venture Capital、Refactor Capital等跟投。

與此同時，Redesign Science針對癌癥以及IBD（發炎性腸疾病）等疾病領域，已建立起多個新藥研發合作關系。通過與合作伙伴進行多種不同疾病的共同研究，Redesign Science計劃利用其AlphaSpace物理引擎來揭示以往未知的蛋白運行機制，并開發新型小分子藥物來治療疾病。

ITBT產業發展的方向與難點

雖然賽道火熱，但ITBT在中國依舊還處于早期，面臨著諸多亟待解決的痛點與矛盾，IT端的數據來源及存儲問題便是其中之一。

“盡管數據的生產已經工業化，但是數據的理解與使用的能力還是非常欠缺，尤其在生物和醫藥領域更加明顯?！敝锌圃河嬎闼?哲源·圖靈-達爾文實驗室副主任趙宇認為，大數據對一些醫藥企業來說并不是工具，而是泥潭。

數據是ITBT發展的基石，包括那些通過多種手段檢測而來的多維度數據?！耙郧岸嗑S度數據是沒辦法很好整合到一起的，但是伴隨AI的加入之后，多組學數據已經可以對疾病判斷、靶點研究產生積極的影響?！卑賵D生科副總裁蔣昭實這樣表示，“龐大的數據庫為臨床藥物靶點研究起到非常重要的作用。”

而這些數據的來源，主要分為公開和非公開。公開數據集包括了海量文獻、專利、臨床試驗報告等，這部分開源數據的標準化程度不夠，顆粒度越來越細，一些誤差可能就會掩蓋背后的規律?！霸趺唇ㄔO更體系化的數據集是百圖生科作為生物計算公司努力探索的方向?！卑賵D生科聯合創始人兼CEO劉維表達了這樣的觀點。

對于非公開的數據，例如一些大型藥企利用本身技術和研發基礎以及多年積累的藥物研發數據，同樣能夠為藥物研發賦能。不過這部分數據在業內都是稀缺資源，ITBT企業往往只能通過商務合作等方式獲取。

在數據儲存上，目前主要還是基于本地化以及云端存儲的解決方案。而伴隨未來醫療數據的增多，預計到2025年中國產出的需要被存儲的數據量最高可能會達到20EB以上級別，數據儲存及加密也會成為ITBT企業長遠發展必須面臨的問題之一。

另一方面，基于ITBT模式加速了新藥研發的效率，但是對于藥企而言怎么從效率提升變成最終的質量提升，即提高藥物臨床研發成功率也是ITBT企業需要面對的一大問題。

藥明康德相關負責人提到，計算對于醫藥行業并不是從1到1，而是還有很多機會可以推進：第一層，ITBT最清晰的路徑是從已知靶點找到合適配體；第二層，ITBT如何基于靶點和通路設計出新藥，提升整體藥物的臨床成功率；第三層，ITBT怎么從海量數據中發現，基于還原論，從一個靶點一個分子的思路找到新的適應癥、新的治療方法。

目前來看，ITBT產業還主要停留在第一層，傳統藥企與IT行業正處于融合階段，即提高藥物研發的效率，但是提升效率只是第一步，怎么從效率的提升進展到決策質量的提升，這就需要來自于好的數據與好的決策模型。只有伴隨著未來生物數據量和數據質量的提升，IT與BT的融合才將獲得進一步加速，未來十年的生物醫藥產業也將隨著生物計算的興起再次步入黃金時代。