来源：36氪
《麻省理工科技评论》的年度 " 十大突破性技术 " 新近出炉，榜单中，"AI 药物分子发现 " 入选为年度突破性技术，认为该行业的成熟期为 3-5 年，并强调了 Insilico Medicine 与多伦多大学的研究。
榜单解释了药物分子发现的难度，因为在药物研发中，可能转化为药物的分子数量非常庞大，这个数量估计有 10 的 60 次方，比太阳系中所有原子的数量还要多，化学家们要从庞大的数量中找到有价值的分子，需要耗费很多的时间和成本。
AI 药物分子发现的价值在于，通过机器学习，达成以更快的速度、更低的成本发现新的候选药物。
榜单重点强调了 Insilico Medicine 公司与多伦多大学的实验研究，认为其通过算法发现的几种候选药物，" 如同用计算机在围棋比赛中战胜世界冠军 "，是对 AI 制药行业的有效性的一个证明。
对于此项研究的着重强调，36 氪获得了《麻省理工科技评论》总编辑 David Rotman 的回应：" 深度学习和其他人工智能工具，能够发现理想的新分子，这种技术将改变药物研发过程。它有望使新药开发更快、更有效，是寻找更优药物的重要新工具。Insilico Medicine 公司在使用人工智能工具中，具备一些令人兴奋的技术（如 GANs），它在药物发现方面一直处于领先地位。最新的研究结果证明，GANs 是一种发现有潜力分子的有效的新工具。"
Insilico Medicine 自 2015 年开始在 AI 制药领域开展工作，并掌握关键的知识产权。该公司在 2016 年发表了该领域的第一篇同行评议论文，在 2017 年发表了多篇理论论文，第一个里程碑式实验预计将于 2020 年发表。近期，该公司还发表了几篇验证 JAK3 和 DDR1 激酶的概念的实验结果。另外，该公司最近设计出了一系列针对 COVID-19 蛋白酶的药物分子，这些分子是在 4 天内生成的。
在《麻省理工科技评论》" 十大突破性技术 " 榜单出炉的同一天，Insilico Medicine 宣布启动其脑癌科研的 " 企业家计划 "，并将在今年 8 月之前具体化落实。该项目将由制药专家、资深研发科学家 George Okafo 博士主导。
" 我记得在 2016 年初举行的第一届人工智能和药物发现会议上，我们首次提出了 AI 药物分子设计的理论，即使用对抗性自编码（AAE）来生成有潜力的药物分子结构。我不得不花很多时间用图片来解释原理，然而，当时的深度学习的专家对化学部分并不熟悉，而化学家们对数学部分并不熟悉，要求进行实验验证，几乎没人当真。现在，大多数制药公司都成立了内部的化学结构生成小组。"Insilico Medicine 联合创始人兼首席执行官 Alex Zhavoronkov 博士说道。
Insilico Medicine 的联合创始人和总裁 Alex Aliper 博士表示：" 药物发现是一个特殊的行业，在这个行业中，公司更倾向于保密，多数研发进展不能公开。与之相比，AI 药物分子生成是一个不同的状态，研发进展可以积极地去发表，大众可以从发表的文章中判断出 AI 平台的能力，因为研发的难度都在平台内部。"
