AI制藥界，Exscientia已經無人不知，無人不曉。
這家來自英國的企業，創下了AI制藥史上的多個裏程碑。
Exscientia不僅是世界上最早的AI制藥公司，也第一個將人工智能設計的藥物帶入臨床試驗。
如今，Exscientia也是全球商業化最成功的AI制藥公司之一，幾個月前它拿下了和賽諾菲潛在價值高達52億美元的大單，意義非凡。
而它的創始人——安德魯•李•霍普金斯（Andrew Lee Hopkins），從入職輝瑞、成為登地大學教授，再到下海創業，驅動他完成一切的，始終是一個念頭：
加速藥物發現。
站在輝瑞的肩膀上
1998年，拿到了牛津大學博士學位後，霍普金斯直接進入輝瑞工作。
那個年代，如果要真正做藥物發現，大型制藥公司幾乎是最好的選擇。
為此，他放棄已經到手的教職，義無反顧地進入工業界。
2000年，霍普金斯迎來了職業生涯的轉折點：他受命成立一個跨學科藥物發現的CADD小組，幫助輝瑞內部發現藥物的新適應癥。
而小組的成立背景，還得從大名鼎鼎的「偉哥」說起。
「偉哥」學名為西地那非，原本是輝瑞研發的一款治療心血管疾病的藥物，但遺憾的是，它在進行臨床試驗時效果並不好。
研究人員卻意外地發現，西地那非可以改善治療者的性生活，輝瑞也因此改變了研究方向。1998年偉哥上市，輝瑞由此賺得盆滿缽滿。
原本是「無心插柳柳成蔭」，輝瑞高層卻希望復制西地那非的成功，
即用計算的方法來尋找藥物的新用途。
這種策略放在現在並不稀奇，它有一個接地氣的名字「老藥新用」（藥物重定位）。
對當時的霍普金斯而言，這項研究異常艱難，他們面臨著三大問題：
沒有數據、沒有模型，沒有演算法。
為此他組建了一個12人的跨學科研究團隊，團隊裏既有藥化學家、計算化學家、臨床醫生，還有來自IBM的計算科學家。
數據的缺失最為關鍵，他們需要一系列電腦能夠讀懂的資訊。受到身邊人的啟發，霍普金斯想著，
為什麽不將公開的資訊用於新適應癥發現？
於是，霍普金斯和團隊將輝瑞研發數據，以及當時的期刊文章、雜誌、新聞、知識產權，蛋白質結構、化學分子、基因組學等，一 一地進行整理、分類和標註。
當時的條件有限，這些工作幾乎只能手動完成，內容龐雜又繁瑣，耗時極長。
財大氣粗的輝瑞大筆一揮，讓印度的一個團隊幫助小組完成了這項任務。
由此，團隊得到了一個龐大的綜合性數據庫，他開始第一次將機器學習用於資料探勘，並用演算法和模型，得到基於針對數百種藥物靶點的化學結構-活性數據。
透過這些研究，霍普金斯和同事們創造了
一系列領先的藥物研發理念
，包括小分子藥物的成藥性、配體效率等，如今都被廣泛運用到了現代藥物研發的衡量指標中。
不難看出，這一套方法也被他廣泛用於學術研究和Exscientia的平台搭建中，當然這都是後話了。
霍普金斯和團隊幫助輝瑞建立了制藥行業最早的大型數據庫之一，還構建了一系列數據模型來預測蛋白質的靶點效應、藥物療效和安全性。
這些成果讓霍普金斯開始從資訊學的角度思考問題，他意識到生物資訊裏蘊含著寶貴的財富，而機器學習演算法能夠構築一個行之有效的分析系統。
盡管在輝瑞的工作改變了他一生的研究方向，但這個龐大的公司很難看重他的成果。
帶著對制藥業研發效率的不滿，霍普金斯覺得，自己是時候做出改變了。
霍普金斯的三次轉身
2007年底，霍普金斯離開了輝瑞，加入登地大學成為一名全職教授。
與博士畢業時情況不同，這次霍普金斯帶著清晰的課題：
如何自動化設計加速藥物研發。
彼時登地大學正好成立了一個新的藥物研發部門，能為他提供長期的專案支持，同時他還被任命為SULSA(蘇格蘭大學生命科學聯盟）轉化生物學教授和醫學資訊學主席。
與他一同來到登地的，還有他當時的女朋友（現在已經是妻子），一位生物化學專家，以及他當初在輝瑞手下的一名實習生，他早期在登地的研究團隊就這樣建成了。
到了學界，數據來源仍然是最頭疼的問題，沒有足夠的數據來構建機器學習模型。何況這一次霍普金斯需要的是一個更全面、資訊整合度更高的藥物數據庫來幫助藥物研發。
為此他開始東奔西走，希望有人能資助這個偉大的計劃。
遺憾的是，當初很少有人能預見到一個數據庫帶來的價值，何況霍普金斯要求數據庫開源，為此他吃了很多閉門羹。
終於在他的多次說服下，某信托基金願意投資500萬英鎊，在歐洲生物資訊學研究所的共同推動下，2010年，一個開放的藥化數據庫誕生了。
這個數據庫就是如今大名鼎鼎的ChEMBL數據庫。
經過十多年的發展，ChEMBL已經成為藥化領域最權威的數據庫之一，收錄超過210萬個化合物，1.4萬個靶點，且完全開放，造福了無數的科研人員。
ChEMBL也是眾多AI制藥公司訓練並生成藥物分子重要的資料來源之一，可以說霍普金斯推動了整個行業基礎建設。
在當時，將AI用於藥物設計研發是一項開創性地研究，作為行業早起的領跑者，霍普金斯面臨的問題不僅來源於技術，
甚至觸摸到藥物研發的本質。
如何在多個維度用AI去設計藥物？人類過往的經驗是否對某些化合物產生偏好？又怎麽將其程式碼化？哪些環節AI是大膽且發散的？哪些環節又該限制AI的使用？
這些思考既讓他感到興奮，又日日夜夜困擾著他，只好帶領團隊在一次次模型叠代中摸索前進，不斷接近問題的答案。
2012年，霍普金斯與團隊在【自然】雜誌上發表了一篇名為「多藥理學圖譜配體的自動設計」（Automated design of ligands to polypharmacological profiles）的文章，
這是一篇開創性論文
，詳細解釋了多靶點藥物從靶標評估、配體設計再到新化合物生成的一系列流程。
霍普金斯意識到，學校只適合做早期研究。如果要推動這項技術落地，成立商業公司是最明智的選擇。
2012年，霍普金斯從登地大學孵化出了Exscientia，
這是最早將AI用於藥物研發的商業公司之一。
Exscientia源於一句拉丁語，它本來是美國海軍的一句座右銘，意為「ex scientia tridens」（海權來自知識），霍普金將其用在化用為藥物上，「ex scientia medicinae」(藥物來自知識）。
AI就如同在浩如煙海的知識中，用最短的路徑找到藥物，路徑越短，AI便越有效。
在輝瑞和學界一共呆了14年的霍普金斯，也重新回歸到產業界，完成他的第三次轉身，這次的身份是Exscientia的創始人兼CEO。
十年終成一劍
盡管我們現在都知道，Exscientia已經是行業佼佼者。
但成立早期，公司還是坐了好幾年的「冷板凳」。
和很多校園企業一樣，Exscientia的早期員工大多都來自原先的課題組，盡管公司已經成立，但他們依然在登地大學的實驗室內辦公，在初版演算法上不斷最佳化。
甚至直到2017年，公司也不過才12名員工。
這段時間裏，霍普金斯選擇不主動擴張公司，而是利用自己在輝瑞工作期間建立的人脈，與工業界接觸。
2014年，Exscientia與sunovion公司達成價值480萬美元的合作，共同發現治療精神疾病的新藥，預付款為100萬美元。
與如今動輒上億美元的合作相比，
這次合作不過是像是一場毛毛雨
，但正是這些小額訂單讓早期的Exscientia獲得了公司發展、員工薪金、系統開發的資金。
2017年左右，歐美資本市場和大藥企們都註意到了AI制藥這個新興領域。
這一年，Exscientia不僅和賽諾菲簽訂了一項潛在價值為2.5億歐元的合作開發協定，也拿到了1500萬美元A輪融資，並從此一路拿錢拿到手軟。
2020年1月Exscientia鄭重宣布，公司利用AI發現的化合物「DSP-1181」進入臨床第一階段，它是全球範圍首款由AI設計並推向臨床前的藥物。
迄今為止，Exscientia正在推進超過25個專案，3個由AI設計的藥物進入1期臨床實驗，4款藥物推進IND，這樣的進度在全球AI制藥公司中都是首屈一指。
十年的發展歷程，Exscientia建立起了一
個完整的從靶標選擇到患者選擇的端到端AI解決方案。
其AI解決方案搭建了三大技術模組執行四個任務（CentaurAI、Centaur Biologist、Centaur Chemist），進行靶點選擇、設計正候選分子、收集數據以及選擇患者四大任務。
此外，exscientia還從患者采取組織樣本，透過深度學習分析單細胞表型變化，從而更好地找到小分子藥。
2021年10月，Exscientia成功登陸納斯納克，成為美股AI制藥板塊的又一支勁旅。
今年1月，Exscientia和賽諾菲宣布，共同開發
15個
腫瘤和免疫領域新型小分子創新藥物，此次合作潛在價值總計
52億美元
，達到AI制藥公司相關合作的最高金額。
對於exscientia接下來的發展，霍普金斯也提到兩點願景：
1. 構建一種藥物研發全流程中
以人工智能優先的方法
：包括從提出想法到藥物批準和行銷。
2. 研究如何將人工智能更深入地套用於臨床以及如何設計臨床試驗。
無論身處工業界還是學術界，霍普金斯總是目標清晰，懷著一份信念，一往無前。
而他創辦的Exscientia，都值得我們日後在書寫歷史時，為它留下一個美好的註腳。
參考資料：https://
en.everybodywiki.com/An
drew_Lee_Hopkinshttps://www.chemistryworld.com/news/amplifying-intelligent-drug-design/3007667.articlehttps://podcasts.google.com/feed/aHR0cHM6Ly9mZWVkcy50cmFuc2lzdG9yLmZtL3RoZS1oZWFsdGh0ZWNoLXBvZGNhc3Q/episode/
