AI制药界，Exscientia已经无人不知，无人不晓。
这家来自英国的企业，创下了AI制药史上的多个里程碑。
Exscientia不仅是世界上最早的AI制药公司，也第一个将人工智能设计的药物带入临床试验。
如今，Exscientia也是全球商业化最成功的AI制药公司之一，几个月前它拿下了和赛诺菲潜在价值高达52亿美元的大单，意义非凡。
而它的创始人——安德鲁•李•霍普金斯（Andrew Lee Hopkins），从入职辉瑞、成为邓迪大学教授，再到下海创业，驱动他完成一切的，始终是一个念头：
加速药物发现。
站在辉瑞的肩膀上
1998年，拿到了牛津大学博士学位后，霍普金斯直接进入辉瑞工作。
那个年代，如果要真正做药物发现，大型制药公司几乎是最好的选择。
为此，他放弃已经到手的教职，义无反顾地进入工业界。
2000年，霍普金斯迎来了职业生涯的转折点：他受命成立一个跨学科药物发现的CADD小组，帮助辉瑞内部发现药物的新适应症。
而小组的成立背景，还得从大名鼎鼎的「伟哥」说起。
「伟哥」学名为西地那非，原本是辉瑞研发的一款治疗心血管疾病的药物，但遗憾的是，它在进行临床试验时效果并不好。
研究人员却意外地发现，西地那非可以改善治疗者的性生活，辉瑞也因此改变了研究方向。1998年伟哥上市，辉瑞由此赚得盆满钵满。
原本是「无心插柳柳成荫」，辉瑞高层却希望复制西地那非的成功，
即用计算的方法来寻找药物的新用途。
这种策略放在现在并不稀奇，它有一个接地气的名字「老药新用」（药物重定位）。
对当时的霍普金斯而言，这项研究异常艰难，他们面临着三大问题：
没有数据、没有模型，没有算法。
为此他组建了一个12人的跨学科研究团队，团队里既有药化学家、计算化学家、临床医生，还有来自IBM的计算科学家。
数据的缺失最为关键，他们需要一系列计算机能够读懂的信息。受到身边人的启发，霍普金斯想着，
为什么不将公开的信息用于新适应症发现？
于是，霍普金斯和团队将辉瑞研发数据，以及当时的期刊文章、杂志、新闻、知识产权，蛋白质结构、化学分子、基因组学等，一 一地进行整理、分类和标注。
当时的条件有限，这些工作几乎只能手动完成，内容庞杂又繁琐，耗时极长。
财大气粗的辉瑞大笔一挥，让印度的一个团队帮助小组完成了这项任务。
由此，团队得到了一个庞大的综合性数据库，他开始第一次将机器学习用于数据挖掘，并用算法和模型，得到基于针对数百种药物靶点的化学结构-活性数据。
通过这些研究，霍普金斯和同事们创造了
一系列领先的药物研发理念
，包括小分子药物的成药性、配体效率等，如今都被广泛运用到了现代药物研发的衡量指标中。
不难看出，这一套方法也被他广泛用于学术研究和Exscientia的平台搭建中，当然这都是后话了。
霍普金斯和团队帮助辉瑞建立了制药行业最早的大型数据库之一，还构建了一系列数据模型来预测蛋白质的靶点效应、药物疗效和安全性。
这些成果让霍普金斯开始从信息学的角度思考问题，他意识到生物信息里蕴含着宝贵的财富，而机器学习算法能够构筑一个行之有效的分析系统。
尽管在辉瑞的工作改变了他一生的研究方向，但这个庞大的公司很难看重他的成果。
带着对制药业研发效率的不满，霍普金斯觉得，自己是时候做出改变了。
霍普金斯的三次转身
2007年底，霍普金斯离开了辉瑞，加入邓迪大学成为一名全职教授。
与博士毕业时情况不同，这次霍普金斯带着清晰的课题：
如何自动化设计加速药物研发。
彼时邓迪大学正好成立了一个新的药物研发部门，能为他提供长期的项目支持，同时他还被任命为SULSA(苏格兰大学生命科学联盟）转化生物学教授和医学信息学主席。
与他一同来到邓迪的，还有他当时的女朋友（现在已经是妻子），一位生物化学专家，以及他当初在辉瑞手下的一名实习生，他早期在邓迪的研究团队就这样建成了。
到了学界，数据来源仍然是最头疼的问题，没有足够的数据来构建机器学习模型。何况这一次霍普金斯需要的是一个更全面、信息整合度更高的药物数据库来帮助药物研发。
为此他开始东奔西走，希望有人能资助这个伟大的计划。
遗憾的是，当初很少有人能预见到一个数据库带来的价值，何况霍普金斯要求数据库开源，为此他吃了很多闭门羹。
终于在他的多次说服下，某信托基金愿意投资500万英镑，在欧洲生物信息学研究所的共同推动下，2010年，一个开放的药化数据库诞生了。
这个数据库就是如今大名鼎鼎的ChEMBL数据库。
经过十多年的发展，ChEMBL已经成为药化领域最权威的数据库之一，收录超过210万个化合物，1.4万个靶点，且完全开放，造福了无数的科研人员。
ChEMBL也是众多AI制药公司训练并生成药物分子重要的数据源之一，可以说霍普金斯推动了整个行业基础建设。
在当时，将AI用于药物设计研发是一项开创性地研究，作为行业早起的领跑者，霍普金斯面临的问题不仅来源于技术，
甚至触摸到药物研发的本质。
如何在多个维度用AI去设计药物？人类过往的经验是否对某些化合物产生偏好？又怎么将其代码化？哪些环节AI是大胆且发散的？哪些环节又该限制AI的使用？
这些思考既让他感到兴奋，又日日夜夜困扰着他，只好带领团队在一次次模型迭代中摸索前进，不断接近问题的答案。
2012年，霍普金斯与团队在【自然】杂志上发表了一篇名为「多药理学图谱配体的自动设计」（Automated design of ligands to polypharmacological profiles）的文章，
这是一篇开创性论文
，详细解释了多靶点药物从靶标评估、配体设计再到新化合物生成的一系列流程。
霍普金斯意识到，学校只适合做早期研究。如果要推动这项技术落地，成立商业公司是最明智的选择。
2012年，霍普金斯从邓迪大学孵化出了Exscientia，
这是最早将AI用于药物研发的商业公司之一。
Exscientia源于一句拉丁语，它本来是美国海军的一句座右铭，意为「ex scientia tridens」（海权来自知识），霍普金将其用在化用为药物上，「ex scientia medicinae」(药物来自知识）。
AI就如同在浩如烟海的知识中，用最短的路径找到药物，路径越短，AI便越有效。
在辉瑞和学界一共呆了14年的霍普金斯，也重新回归到产业界，完成他的第三次转身，这次的身份是Exscientia的创始人兼CEO。
十年终成一剑
尽管我们现在都知道，Exscientia已经是行业佼佼者。
但成立早期，公司还是坐了好几年的「冷板凳」。
和很多校园企业一样，Exscientia的早期员工大多都来自原先的课题组，尽管公司已经成立，但他们依然在邓迪大学的实验室内办公，在初版算法上不断优化。
甚至直到2017年，公司也不过才12名员工。
这段时间里，霍普金斯选择不主动扩张公司，而是利用自己在辉瑞工作期间建立的人脉，与工业界接触。
2014年，Exscientia与sunovion公司达成价值480万美元的合作，共同发现治疗精神疾病的新药，预付款为100万美元。
与如今动辄上亿美元的合作相比，
这次合作不过是像是一场毛毛雨
，但正是这些小额订单让早期的Exscientia获得了公司发展、员工工资、系统开发的资金。
2017年左右，欧美资本市场和大药企们都注意到了AI制药这个新兴领域。
这一年，Exscientia不仅和赛诺菲签订了一项潜在价值为2.5亿欧元的合作开发协议，也拿到了1500万美元A轮融资，并从此一路拿钱拿到手软。
2020年1月Exscientia郑重宣布，公司利用AI发现的化合物「DSP-1181」进入临床第一阶段，它是全球范围首款由AI设计并推向临床前的药物。
迄今为止，Exscientia正在推进超过25个项目，3个由AI设计的药物进入1期临床实验，4款药物推进IND，这样的进度在全球AI制药公司中都是首屈一指。
十年的发展历程，Exscientia建立起了一
个完整的从靶标选择到患者选择的端到端AI解决方案。
其AI解决方案搭建了三大技术模块执行四个任务（CentaurAI、Centaur Biologist、Centaur Chemist），进行靶点选择、设计正候选分子、收集数据以及选择患者四大任务。
此外，exscientia还从患者采取组织样本，通过深度学习分析单细胞表型变化，从而更好地找到小分子药。
2021年10月，Exscientia成功登陆纳斯纳克，成为美股AI制药板块的又一支劲旅。
今年1月，Exscientia和赛诺菲宣布，共同开发
15个
肿瘤和免疫领域新型小分子创新药物，此次合作潜在价值总计
52亿美元
，达到AI制药公司相关合作的最高金额。
对于exscientia接下来的发展，霍普金斯也提到两点愿景：
1. 构建一种药物研发全流程中
以人工智能优先的方法
：包括从提出想法到药物批准和营销。
2. 研究如何将人工智能更深入地应用于临床以及如何设计临床试验。
无论身处工业界还是学术界，霍普金斯总是目标清晰，怀着一份信念，一往无前。
而他创办的Exscientia，都值得我们日后在书写历史时，为它留下一个美好的注脚。
参考资料：https://
en.everybodywiki.com/An
drew_Lee_Hopkinshttps://www.chemistryworld.com/news/amplifying-intelligent-drug-design/3007667.articlehttps://podcasts.google.com/feed/aHR0cHM6Ly9mZWVkcy50cmFuc2lzdG9yLmZtL3RoZS1oZWFsdGh0ZWNoLXBvZGNhc3Q/episode/
