湃隆生物谷晓辉：靶点选择与提升临床成功率，是AI制药下一阶段要攻克的难题｜AI制药十人谈

近日，在同写意主办的第四届前沿技术大会上，湃隆科技联合创始人、药化高级副总裁谷晓辉在与雷峰网《医健AI掘金志》的对话中介绍，作为CADD升级阶段，AIDD在算力、算法两方面都取得了很大突破，应用于药物研发的全过程中，大幅提升了创新药物的研发效率。

同时，谷晓辉博士也指出，现阶段大家不要对AIDD期待太高，创新药物研发中的许多瓶颈它目前还解决不了。

谷晓辉博士1998年毕业于中国科学院上海有机化学所，曾在美国国家癌症中心与哈佛医学院进行博士后研究。

2001年，谷晓辉正式进入工业界，先后在X-Ceptor、Exelixis、睿智化学、大冢制药、康龙化成，先声药业等公司从事新药研发和管理工作。

作为药化学家的谷晓辉意识到，最近几十年中兴起的各种药物研发新手段，不论是高通量筛选、组合化学或其他热极一时的技术，都无法突破新药研发过程中的瓶颈。

谷晓辉将目光放在了新兴起的AI技术之上，期待利用AI技术来加快小分子药物的开发并降低成本。

也是基于这个理念，2019年谷晓辉受湃隆生物CEO李铭曦邀请，共同创办人工智能生物科技公司湃隆生物并担任药化高级副总裁，负责公司药物管线布局及项目推进等工作。

进入湃隆生物后，在与AI药物发现企业Exscientia共同推进药物研发的合作中，谷晓辉对AI制药技术的理解更加深刻。

“在药物研发过程中，有两个重要难关是AI技术下一步需要攻克的：一是靶点的选择，二是提升临床成功率。”

以下为《医健AI掘金志》与谷晓辉的对话内容，《医健AI掘金志》做了不改变原意的编辑与整理。

《医健AI掘金志》：您是如何进入药物研发领域的？从什么时候开始接触AI制药？

谷晓辉： 1998年我从中国科学院上海有机化学所博士毕业后，在美国国立卫生研究署和哈佛医学院分别做了一年多博士后，主要从事治疗药品成瘾药物的研发。

2001年，我正式进入工业界，加入圣地亚哥的一家生物制药公司X-Ceptor做药物研发。当时研发的一款治疗原发性高血压的MR抑制剂，于2019年在日本获批上市。

2004年，这家公司被Exelixis收购，我也进入Exelixis工作。

Exelixis是一家成立于1994年的制药公司，专注于癌症小分子药物的研发，曾推出过一款治疗肾癌与甲状腺癌的蛋白质酶靶向药卡博替尼，在国内有不少公司都在仿制。

后来我先后进入睿智化学、大冢制药、康龙化成等企业，负责药化的工作。在康龙化成工作期间，我参与了公司与基因泰克合作的药化项目，其中一款药物PI3KAlpha抑制剂GDC-0077的研发最为顺利，目前已经推进到临床三期。

早年间，我更多是在美国从事First-in-class的药物研发，近年来工作重心逐渐转移到国内，希望为国内药企的创新药物研发贡献一份力量。

2019年11月，我作为药物化学负责人加入了先声药业，负责与成都先导的合作。不久后，我在先声药业的前同事李铭曦博士找到我，邀请我共同创办湃隆生物，并负责公司的药化工作。

当时铭曦向我提起，湃隆生物将会与人工智能驱动的精准医学公司Exscientia合作，利用位于上海和旧金山湾区的两大战略研发中心以及与欧洲重要的合作伙伴关系，整合跨越多个地区的顶尖人才和尖端技术，为高度未满足的医疗需求提供突破性药物。

那一时期，国内的创新药发展已经进入瓶颈期，很多公司的研发工作都是以专利破解为主，很少出现真正的创新。

我觉得利用AI技术或许能够找到新的化学起点，为创新药物研发创造更多的可能性，于是加入了湃隆生物，正式开始利用AI技术进行药物研发工作。

《医健AI掘金志》：湃隆生物目前有哪些研发管线？

谷晓辉： 湃隆生物尝试利用人工智能优化药物研发的全过程—从靶点选择到临床试验。

目前，公司已针对细胞周期CDK和“合成致死”信号通路开发了多款候选药物，我们利用人工智能（AI）技术开发的首款新药CDK7抑制剂GTAEXS617不久前已在欧盟获得新药临床试验（IND）批准，并已完成首位患者招募。

GTAEXS617是一款高选择性的小分子非共价CDK7抑制剂。CDK7是细胞周期依赖性激酶（CDK）家族的成员之一，其过表达与许多肿瘤细胞的生长、增殖密切相关，CDK7抑制剂有望为一系列难治性肿瘤患者带来新的治疗选择。全球范围内尚没有CDK7抑制剂获批上市。

除了CDK7抑制剂，我们的研发管线中还有一些其他处在临床前研究阶段的高选择性CDK抑制剂。

此外，我们的“合成致死”管线中，也有项目已经进入到IND-enabling阶段。预计在未来的3~5年，每年会有1-2个项目逐渐进入到临床试验阶段。

针对这些不同的项目，我们的整体开发理念是，通过转化医学研究，去探索不同的生物标志物，从而给特定的患者群体带来精准的治疗选择。

《医健AI掘金志》：近年来，药物研发的工具和手段经过了哪些升级和演变？

谷晓辉： 早期的药物化学家平均每周只能合成1-2个化合物，一年合成不到一百个化合物。那时人们在认知上存在一个误区：如果能够快速合成许多化合物，或许就能够缩短新药研发的周期。

在这个错误观念的影响下，组合化学这门技术在上世纪九十年大受制药公司的欢迎，在液相或固相上进行平行合成，一周能合成几万或几十万个化合物。

但创新药研发并不是一个简单的数量问题，构效关系的研究其实是一个螺旋式上升的过程，有时合成一万个化合物跟合成二十个化合物获得的信息基本上是一样的，一定要经过螺旋式上升的过程，才能慢慢接近临床的合成化合物。

组合化学在实际应用许多年以后，大家发现并没有从实质上提升研发效率，也没能压缩从项目立项到PCC（临床前候选化合物）的时间。

当然，组合化学也并非完全没用，直到现在，我们在做化合物优时也常会用到组合化学做一些小规模的化合物库，这样能快速获得构效关糸和找到成药性好的化合物。

新的技术出现一般都能对创新药研发的过程带来或多或少的影响，甚至加速创新药研发的过程，但迄今为止没一项技能够真正打破创新药研发遇到的瓶颈，大大提高创新药研发的临床成功率。

从上世纪八十年代兴起的计算机辅助药物（CADD）也是如此。在算法、算力都取得突破之后，CADD也进入了一个升级阶段：AIDD，也就是现在常说的AI制药。

《医健AI掘金志》：AI技术在药物研发中能够发挥哪些作用？

谷晓辉： 以湃隆生物为例，我们旨在利用AI技术开发肿瘤精准治疗药物，以解决患者的未满足临床需求。AI技术在药物研发中发挥着非常重要的作用，我们目前的研发工作中很多方面都在使用AI技术，从靶点发现，分子的设计和优化，ADME及毒性的预测到临床阶段生物标志物的发现。

行业中，通常推十个化合物进入临床阶段，可能最后只有一个化合物能够获批，百分之九十的项目都死掉了，如果能够提高临床成功率，一定能节省很多研发费用，这也是创新药行业目前遇到的最大的问题。

AI制药目前能够缩短拿到临床前候选化合物的时间。如果不用AI技术，做First in Class时间稍长，可能要四五年，Fast Follow一般两年之内就能够拿到PCC。在AI技术的加成之下，Fast Follow的PCC阶段能缩短到一年之内。

如今潮水退去，行业逐渐回归理性，大家都在探索如何利用AI技术更好地赋能药物研发的各个环节。也许过程中还有许多技术难题尚未克服，但AI技术对创新药研发工作的加成毋庸置疑。

《医健AI掘金志》：相比近年来成立的AI制药公司，拥有更多数据积累的大型药企在AI辅助药物研发方面是否更具优势？

谷晓辉： 大型药企在数据积累上的确更加深厚，他们通常在多个领域进行药物研发，并在多个疾病领域有广泛的研究和临床前及临床数据的积累，很多药企也在尝试搭建自己的AI制药团队，

同时，大型药企通常拥有更多的资金和资源，可以投入到AI辅助药物研发领域。

我们的合作方Exscientia是一家以人工智能驱动的精准医学公司，他们开发了首个功能性精准肿瘤学平台，在前瞻性、干预性临床研究中指导治疗选择并改善患者预后，同时将人工智能设计的小分子化合物推进到临床应用领域。

总体而言，AI在药物研发领域的应用已经成为一种趋势，大型药企和AI制药公司都在不断探索和应用这项技术，以加速药物研发过程，提高研发成功率，并为患者提供更有效的治疗方案。

《医健AI掘金志》：国内外的AI制药行业还存在哪些差距？

谷晓辉： 早期AI制药行业的从业者，大都是软件工程师出身，AIDD和CADD人才储备也不够，既懂人工智能又懂创新药研发的复合型人才更是稀缺。

随着国内AI制药行业的发展，虽然正在不断培养人才，但在某些高端领域的专业人才仍相对稀缺。

尽管存在差距，中国的AI制药行业正朝着积极的方向发展，政府和企业都在积极推动AI技术在医药领域的应用，随着技术的不断进步和投入的增加，国内外人才储备方面的差距在逐渐缩小，尤其是在算法上，国内外已经没有明显差距。

《医健AI掘金志》：国内外新药研发的环境有哪些不同的地方？

谷晓辉： 国内外在研发投入方面的不同，中国也在逐步增加对新药研发的投入，但与美国相比，仍有一定差距。

国外一些国家拥有世界级的研究机构和优秀的科研人才，对新药研发起到积极作用。中国在人才储备和科研能力方面也在不断提高，但在某些高端领域仍需要更多的努力。

中国和国外新药研发的环境各有优势和挑战。随着中国不断加大对新药研发的投入，相信中国的新药研发环境将继续逐步优化，并取得更大的进步。 雷峰网 (公众号：雷峰网) 雷峰网

雷峰网原创文章，未经授权禁止转载。详情见 转载须知 。