在科技交叉越来越频繁的当下，人工智能、机器人技术、数字生物学已经成为了底层的 “数字基建”，为生命科学的发展带来了越来越多的突破。那么，当人工智能、机器人技术、数字生物学等被寄予厚望的技术相互叠加时会发生什么？指数型技术的融合将如何改变传统药物研发？
本周 AI 制药领域的明星公司英矽智能完成 D 轮融资，同步首次官宣了正在建设中的全自动化智能机器人药物研发实验室。作为影响第五次工业革命的前沿技术的融合落地应用场景，这个实验室不仅有望高效变革早期药物发现流程，同时也将作为机器人生物数据工厂，补充庞大的数据资源，以进一步对其人工智能平台的训练与迭代。
为早期药物发现注入新动能
英矽智能成立于 2014 年是最早一批人工智能制药公司，在创立之初就试图以人工智能驱动早期药物发现的关键步骤。在不断训练夯实人工智能技术并汲取跨国药企的合作经验后，英矽智能推出了包括人工智能靶点发现引擎 PandaOmics、小分子化合物生成引擎 Chemistry42 等在内的 Pharma.AI 人工智能平台，并在自有生物医药研发管线和外部合作项目中，对平台的药物发现能力展开验证。
英矽智能创始人兼首席执行官 Alex Zhavoronkov 博士表示，现在想要做的就是把这些经过验证的人工智能平台应用于机器人实验室场景，进一步自动化药物发现能力：“我们希望走得更远，不止于人。我们想先做动物实验，对动物细胞、动物组织进行剖析，从而深入了解人类生物学，并学习如何从动物组织、动物细胞中识别靶点、进行验证并将其与人类联系起来。这是因为生物制药行业最大的问题之一就是转化，我们想要确保动物和人类数据完全匹配。”
智能机器人实验室通过将人工智能与机器人、自动化技术相结合，利用机器人自动化技术完成传统由人工操作的等早期药物研发中的生物学实验。此外，实验中产生的所有新数据，可以用来进一步扩充英矽智能庞大的在线数据库。“我们计划将智能机器人实验室与英矽智能自主研发的人工智能平台形成闭环，从而实现对人工智能预测结果的实验验证，以及实验数据驱动的 AI 算法迭代优化。我们期待通过智能机器人实验室帮助拓展内部自研管线，同时也为生物医药产业的发展注入新动能。”
从概念到实践，智能机器人实验室的应用
从生物学角度，机器人实验室可以进行自动化高通量生物活性测试，支持高内涵高通量筛选及下一代基因测序；在药代动力学方面，机器人实验室可以自动收集溶解度、透膜度、代谢稳定性等众多体外数据。此外，实验室在靶点发现和验证方面也有着更广泛的应用，比如促进合成致死领域的靶点发现等。
具体而言，智能机器人实验室首先通过靶点发现平台 PandaOmics 将靶点和特定疾病联系起来，然后利用机器人自动化技术完成传统由人工操作的靶点验证生物学实验，包括：基因敲除/插入、体外分析和测序、细胞成像和观察、深度表型分析等，最终帮助科学家进一步确认靶点。
英矽智能首席科学官任峰博士介绍道：“机器人实验室可以利用基因编辑或者化合物对细胞进行干扰，通过对干扰前后的细胞分别进行高通量和高内涵成像，可以对比细胞在干扰前后的表型变化。此外，对干扰前后的细胞分别进行测序可以帮助确认化合物到底影响了哪些基因的表达。这样，就可以比较容易地找到化合物所影响的基因，并了解这些基因与哪些表型相关联。”
“人工智能赋能新药研发的竞争，会逐渐从算法的竞争过渡到数据的竞争。” 英矽智能建立该实验室的初衷之一就是产生更多的独有和合作的数据，从而帮助人工智能算法优化。此外，药物研发实验室在自动化的基础上，加入了人工智能的元素，使该自动化的流程不是由人而是以由 PandaOmics 为代表的人工智能来控制，这也是智能机器人实验室与普通自动化实验室的最大区别。任峰认为，“智能机器人实验室是未来的发展方向，以后它的应用会越来越广泛，人类的重复性劳动将逐渐被机器所取代。”
联动生态圈上下游打造行业标杆
而这样一个融合人工智能、机器人技术、数字生物学等跨界学科的智能机器人实验室，也离不开生态圈上下游的支持。
英矽智能合作伙伴之一上海汇像的创始人兼总经理刘家朋博士表示，人工智能正在引领人类全新的工业革命，而这也催生了实验室自动化从单机模块自动化向超级机器智能的裂变。“这样一个超级机器人实验室是破界融合的产物，拥有超过人类的正确性与重复性，可以将知识技能可视化与共享化，实现高柔性、高通量和高安全，将科学家从简单的重复工作中解放出来，去做更有价值、更有意义的事情。”
为实验室提供数据化解决方案的合作伙伴还包括全球领先的云计算服务及云解决方案提供商亚马逊云科技（AWS），基因芯片及基因测序专家因美纳（Illumina），人工智能计算的引领者英伟达（NVIDIA）等生态圈伙伴。在早前 “智能实验室驱动药物研发的探索与展望” 的网络研讨会中，多家合作伙伴也就数字化解决方案，如何引领药物研发的下一波浪潮各抒己见。
亚马逊云科技（AWS）医疗与生命科学行业高级总监黄庆春表示：“在数据的使用上，我们是否可以从应用场景出发来考虑数据的实际使用？相比于传统的把所有数据保存下来并逐渐丰富的模式，我们是不是可以反过来，以终为始，倒推需要什么数据和技术，然后搭建相应的团队，从而让药物研发更加有靶向性。”
因美纳（Illumina）大中华区医学总监汪敏博士表示：“基于细胞系的药物反应研究，一直是新药研发非常重要同时具有挑战性的一环。依托先进的 AI 图像算法，自动化细胞成像可以产生细胞形态的海量数据集，从而用于药物发现或者药物作用机制的研究。 但仅根据细胞形态这样的表型信息，能否帮助建立准确的 AI 模型？毕竟，仅观察细胞表型的变化，无法得知细胞内部的变化。从这个角度而言，基因测序，特别是对单细胞的基因测序，可以帮助我们获得正常的细胞和疾病细胞之间的基因表达变化，从而为 AI 建模和药物的作用机制提供有价值的信息。”
英伟达（NVIDIA）医疗行业销售总监Wilson Zhao表示，“如何保证数据的一致性和重复性，从而迭代优化 AI 模型，是未来人工智能发展的一大挑战。其次还有数据共享的问题。对一些药企而言，数据是非常重要且敏感的资产。如何保证更多优质公共数据的共享与获取，也是未来数据化解决方案面临的一大难题。此外，药物研发本身周期长，成本高，成功率低。除了早期的靶点发现分子设计，后期的临床前实验、临床试验也要耗费巨大的时间和金钱。如果能够通过人工智能提高药物研发后期如临床试验的成功率，我想可能会给整个行业带来信心。”
结语
据介绍，英矽智能的智能机器人实验室筹建于苏州生物医药聚集高地 BioBAY 园区，占地面积超过 1600 平，组建一支由拥有丰富经验的医药研发科学家，生物自动化科学家，生物信息科学家，人工智能科学家及软件开发科学家组成的智能药物研发团队，并团结国内外多方专家及机构，计划于今年第三季度起分步投入运营。
药物研发是一场耗时久、花费高的数据解谜游戏。通过对人工智能、自动化、机器人和生物学能力的深度融合，期待英矽智能持续探索智能自动化在数据处理及新药研发领域的应用可能，从而为行业的融合创新及更多创新候选药物的研发注入新动能。
