观点

导语：随着生物制药行业对于降低研发成本，加快上市时间的需求与日俱增，临床前开发阶段的数据收集和数据深度分析变得越来越重要。目前自动化、数字化、大数据等先进技术正被广泛应用于生物制药行业，用以提升药物研发效率，节省时间和成本。

近日，药明生物首席科学官、执行副总裁顾继杰博士受到专业媒体BioPharm International邀请，深入分享了智能化工具在药物发现和临床前研究中的应用。点击【链接】，查看英文原文。

BioPharm：生物药生产工艺正在应用自动化和机器学习等工具，但在研发/药物发现/药物筛选阶段如何使用这些工具？

顾继杰博士：自动化、数字化等技术正在变革生物制药行业，并应用于包括药物发现在内的各个阶段。

与生产过程相似，这些新兴技术也被应用于药物发现阶段来提高研发效率，最大限度地降低成本，加速药物发现进程。自动化也是这些进步的基础。

在我们生物新药发现服务部，生物药发现过程中的很多步骤已经实现自动化，大幅缩短了研究时间。例如，我们运用Beacon^®单B细胞分选技术平台自动大量筛选免疫动物或康复患者血浆中B细胞，可以快速识别具有治疗前景的抗体先导候选物。这些候选药物可以通过我们的全自动蛋白生产平台快速生成，并在高通量筛选平台上进行表征分析。如果这些先导候选物非人源，在进一步体外/体内表征研究之前，我们还可以在数秒内通过自动化设计在线算法对其进行人源化。

单B细胞筛选时间表和流程

（来源：药明生物官网）

除了效率提高，数字化和机器学习等工具也为药物发现服务过程注入了创新活力。在药明生物，我们利用物联网（IoT）来收集和分析自动化产生的实时数据，并通过数字化工具扩展到分析基因、蛋白质组学和药理学数据，帮助客户确定新的靶标和更有效的治疗策略。此外，公司还利用机器学习预测和优化候选抗体特性，包括稳定性、溶解度、化学性质和结合亲和力，从而提升候选药物的治疗效果。我们还在开发从头抗体设计算法（de novo antibody），增强药物发现服务能力。

BioPharm：这些数字化工具对于候选药物的临床前实验是否重要，为何如此？

顾继杰博士：的确很重要。在候选药物进入人体临床试验之前，我们有必要对其进行广泛的测试，以确定它们的开发、疗效和安全性的潜力。

自动化通过实现大量候选药物的高通量筛选，显著加快了临床前实验，这也提供了一种更高效、更全面的方法来鉴定最有前景的候选药物。自动化还减少了人为错误的发生，提高了实验的可重复性，从而对候选药物进行更精确的评估。数字化系统则有助于存储、管理和分析临床前实验产生的大量数据，包括药物的生物物理特性、体外/体内功能、药代动力学、毒性等。我们还开发了高效分析数据和可视化的数字工具，有助于识别临床前药物分析的趋势或模式。

此外，我们还通过机器学习临床前/临床试验历史数据来预测临床试验成功概率更高的候选药物，或确定其可开发性、疗效或安全性的潜在风险，从而更好地帮助客户识别最佳的候选药物。如果药物出现问题，我们还可以利用数字化工具优化亲和力和稳定性等药物特性，以增强候选药物在临床前实验中的性能。

BioPharm：为什么在药物开发的早期阶段，如在临床前研究中，引入数字化工具，对于“智能”药物概念很重要？

顾继杰博士：这些数字化工具大大提高了临床前药物开发的广度和深度。例如，在药明生物，我们利用自动化技术实现了大量候选药物的高通量筛选，能够生成大量更多样化的候选分子，从而帮助客户更高效、更精准地识别出具有临床治疗潜力的分子。此外，通过将新型数字化分析应用于机制研究，可以了解粒度更大的竞争分子之间的差异。因此，业界可以发现具有不同作用机制的真正差异化的分子，从而改善患者的生活质量。

BioPharm：您是否看到使用数字化工具后临床前数据生成和数据分析有所改善？或者，如果在临床前研究中不需要数字化工具，为什么会这样？

顾继杰博士：是的。数字化工具大大提高了数据生成和数据分析的能力和效率。

数字化与自动化技术大大提高了ELISA、荧光激活细胞分选术、表面等离子共振等传统检测的通量，因此我们可以同时筛查出相当数量的候选分子，增加发现最具有临床成功潜力的临床前候选药物的可能性。

数字化也引入了分析临床前实验的新方法。例如，数字化及其伴随的计算机图像分析大大提高了病理分析的分辨率和准确性。新一代测序结合创新算法也让我们有能力在过去难以想象的维度上评估体外和体内药理学数据。通过采用这些先进的技术，我们生物新药发现服务部能够帮助客户发现具有不同作用机制的差异化分子。

BioPharm：生物制药行业在临床前研究方面存在哪些误区？您有何想法？

顾继杰博士：业界最大的误区之一在于动物模型临床前疗效和安全性研究的作用和意义。

人类疾病通常具有非常复杂和多样化的病因，不同患者之间存在巨大差异。但每种动物模型一般都有特定的病因、一定的主要致病因素和明确的病程。从某种意义上而言，每个动物模型可能仅类似于某些特定疾病患者人群中代表的某些复杂疾病机制。因此，任何特定模型中的疗效均不能保证在更广泛的患者人群中获得临床成功。

然而，临床前研究确实在评估治疗药物调节任何特定关键通路的能力方面具有重要价值。因此，对于具有相同主要病理途径的患者群体，如 IL-23-Th17-IL-17A轴导致的银屑病，这些病理因素占主导地位的动物模型可能具有很强的预测能力。

然而，对于病理更复杂的疾病，重要的是要深入了解疾病生物学，并有多个互补模型来交叉验证药物的治疗潜力。以自动化、数字化为代表的新兴技术可以帮助我们更深入地了解现有疾病作用和分化机制，从而更精准地开发出具有更好治疗效果的药物。