人工智能在制药行业的应用 - 人工智能正全方位重塑制药行业格局，从靶点发现到精准医疗，为加速药物研发与上市带来前所未有的机遇 [1] - 尽管AI技术应用广泛，但由AI赋能研发并进入临床试验阶段的药物仍寥寥无几，实现临床概念验证的更少 [1] - 英矽智能联合北京协和医院团队在国际顶尖期刊Nature Medicine发布全球首个完全由AI发现药物靶点并设计生成的肺纤维化新药Rentosertib的2a期临床试验数据 [1][2] 传统药物研发痛点 - 新药研发周期长、成本高，平均需花费20-30亿美元，耗时10-15年才能将一款新药推向市场 [7] - 90%的候选药物倒在临床试验阶段 [7] - 特发性肺纤维化患者确诊后中位生存期仅2-4年，现有标准疗法只能减缓疾病进展，对生存期益处尚不明确 [7] Rentosertib的临床试验数据 - 2a期临床试验显示，Rentosertib安全且耐受性良好，每天一次60毫克剂量组患者用力肺活量(FVC)平均增加98.4毫升，而对照组下降20.3毫升 [8][16] - 未使用标准疗法的高剂量组患者FVC增加187.8毫升 [16] - 探索性生物标志物分析验证了AI发现的新颖靶点TNIK的生物学机制，支持Rentosertib具有抗纤维化及抗炎作用 [8][20] AI在药物研发中的突破 - 英矽智能使用AI平台PandaOmics锁定抗纤维化靶点TNIK，并通过生成式AI平台Chemistry42设计生成小分子抑制剂，仅耗时18个月完成从靶点发现到提名临床前候选药物 [9][13] - 从靶点发现到完成1期临床试验耗时不到30个月，标志着药物研发流程的革命性转变 [13] - 首次实现AI全流程能力闭环：从靶点发现、分子设计到临床验证 [28] Rentosertib的临床前及1期数据 - 临床前和1期临床试验数据显示TNIK抑制剂对健康个体安全且耐受性良好，表现出良好的药代动力学特征 [10] - 该抑制剂可通过口服、吸入或局部给药，在体内不同器官中表现出理想的药物样特性和抗纤维化活性 [9] 探索性研究结果 - 高剂量组患者血清中促纤维化因子COL1A1、MMP10、FAP显著降低，细胞外基质重组通路活性下降 [27] - 生物标志物PTPRZ1等蛋白变化与肺功能改善强相关 [27] - 这些发现与临床前研究一致，为下一步临床验证的剂量选择和生物标志物识别提供指导 [21] 行业意义与未来展望 - Rentosertib的2a期临床数据发布具有里程碑意义，是全球首款生成式AI设计的抗纤维化药物进入临床后期的标志 [24] - 生成式人工智能持续突破，正在改写制药界的"摩尔定律" [24] - 中国创新力量崛起，Rentosertib由中国团队主导开发并完成关键临床试验 [28]