國際生醫新聞

因引領 Alphabet 的人工智慧研究工作而聞名的 Demis Hassabis，是 Google DeepMind 以及 Isomorphic Labs 的 CEO。Isomorphic Labs 是一家由 Alphabet 2021 年成立的獨立公司，目標在將 DeepMind 在生物學領域的人工智慧研究進一步帶入製藥業。DeepMind 憑藉其預測蛋白質結構的人工智慧系統 AlphaFold2 贏得了無數獎項 (該系統於 2021 年發佈)；Isomorphic 成立兩年多來所開展的工作項目，則幾乎沒有任何細節被提及。

Demis Hassabis 在接受《Endpoints News》的採訪中，暢談了他對 Isomorphic 的願景以及人工智慧在生命科學領域的未來 ─ 這是他第一次在採訪中深入談論 Isomorphic。為利於閱讀且受限於篇幅，以下訪談內容已進行摘錄與整理：

Q1 (Endpoints News 訪談者 Andrew Dunn)：Isomorphic Labs 最初是如何起步的？
A1 (Demis Hassabis)：很久以前我就已經有「人工智慧可以從根本上應用於藥物研發」的想法；一旦人工智慧足夠成熟和強大，這將是我一直想應用的頭等大事。但，這必須等待時機成熟。對我而言，AlphaFold 就是個訊號。這不僅將作為我們在 Isomorphic 所做工作的基礎構件，而且將作為一個證明點，證明人工智慧方法足夠強大、足夠複雜，我們可以取得重大進展，並使用計算方法，重新想像藥物發現過程。AlphaFold2 是我按下這一按鈕的契機。

Q2：你把目標描述為建立更多的 AlphaFolds，尤其是在預測蛋白質如何與其他蛋白質或小分子相互作用以及設計小分子方面。自 2021 年 11 月公司啟動以來，你們都做了哪些事？
A2：AlphaFold 只是整個藥物發現過程的一小部分，其他還有許多相關連的因素。我們首先關注的是小分子藥物；雖然我們對生物製劑也很感興趣，但小分子藥物是我們能最迅速發揮最大作用的領域。

我們對交互作用領域非常感興趣，包括蛋白質-配體或蛋白質-蛋白質間之交互作用，以及生物學的動態性質等；此外，我們也關注化學領域，瞭解化合物結構、如何結合、結合親和力等問題。

而就在這短短的幾句話中，就已經概述了我們多年的研究工作和許多相鄰的問題，並將高階版的 AlphaFold 納入其中。但我們還需要很多其他的東西，比如預測 ADME 特性等。[ADME：指藥代動力學和藥理學中的吸收 (Absorption)、分布 (Distribution)、代謝 (Metabolism) 與排泄 (Excretion)]

Q3：Isomorphic 的願景有多少是建構於擴展 AlphaFold 上、而不是建立新模型？
A3：實際上，我們兩者兼顧。我們一直在將現有方法推向極限，但我們也在研究新思路、新架構，我們會將不同的技術應用到這些新領域。例如 AlphaFold 不會預測 ADME 特性，但在交互作用空間方面，我們也在透過新版 AlphaFold 從根本上努力研究。這是互補的工作，DeepMind 注重基礎研究，而 Isomorphic 更注重應用，更針對藥物發現。

Q4：您如何看待 Isomorphic 對製藥行業現狀的挑戰？
A4：在傳統製藥業，科學家努力挖掘候選藥物，然後在 ADME 模擬或其他方面反復驗證。但我們希望從根本上重新思考這個問題，如果可以將藥物「發現」的大部分過程在電腦中完成，「驗證」的工作留給實驗室，才能加快速度、節省成本與時間，並讓下一階段的工作獲得更高的成功率。

Q5：你們只專注於這些基礎性突破嗎？是否有在建立與業界合作的管道？
A5：今年晚些時候會有更多消息。現在可以說的是：我們對兩者都持開放態度。我們在考慮自己的內部開發項目，但也願意就有趣的目標與大藥廠合作。

Q6：請概述大型製藥公司與 Isomorphic 合作的興趣；你們之間的互動是怎樣的？
A6：我認為這是雙向的，有些人認為這還很遙遠，傳統方法仍將是未來的發展方向。儘管他們都在使用 AlphaFold，也可能覺得它很有用，但他們更多地將其視為一次性工具；但也有些人認為這可能是未來的趨勢，並有興趣以某種方式合作。

Q7：未來三到五年，Isomorphic 的成功前景如何？
A7：我希望我們能有候選藥物進入臨床試驗階段；同時，還要有一個傑出的平臺和引擎，能在很短的時間內定期生產出數十種候選藥物。屆時，我們優先開發的候選藥物應該已經進入臨床試驗階段，這樣就有了實際的證據，證實這一切都是有效、可運行的。這個平臺已經相當成熟，功能很強，也許我們可將藥物發現時間從幾年縮短到幾個月。

Q8：人工智慧領域是否應該更加關注生物學，還是目前已經有了足夠的關注？
A8：應該還要有更多的關注，且不僅是對生命科學，在科學領域也是如此。你可能經常聽到有公司號稱自己已將人工智慧應用於生命科學，但是，當深入瞭解之後，會發現大多數都不是真的，他們做的其實都不是真的人工智慧；有時甚至指是普通的統計資料。

這就是炒作的地方。每個人都說自己在用人工智慧研究生物學，但如果真正想一想，有哪些團隊有能力從零開始構建出類似 AlphaFold 的系統，並且發表出來、不是關起門來做？我想很少。但我們需要更多這樣的人！

資料來源：Endpoints News