对，那个在新冠上面，像 AI 最早的时候是在做一些老药新用，以及说 drug repurposing 包括比如说辉瑞现在的还有之前比较出名的瑞德西韦，都是可能比如说作用在 mers 上、同一类的疾病上面。大家看已经上市的已经受到审批的这些药物，比如小分子或者说那个能不能用在新冠这上面。然后过了这个阶段以后，老药新用这个阶段以后。后来比如说现在有一些那个疫苗，有些小分子口服的其实还是作用在这个那个，比如说疫苗作用在突刺蛋白上，但我们小分子药物潜在的话就可以根本上解决，它核蛋白如果能破坏的话就可以。比如说破坏任何一种那个突变的这样的新冠。

然后在那个比如说国外的他们是在柳叶刀上面发了一篇那个类似的老药新用的文章。然后在早期的时候，然后我们团队之前在一些国外顶级会议上面也做了一些老药新用的一些案例。然后国内的应该是在研发一些那个小分子的药物，因为那个大家可能看到的像辉瑞这些他们的药报得比较早，因为这些做新冠的药物其实它也是风险很高的，尤其对小的初创公司。然后小的那个 AI 公司其实没有特别多的钱，弄新出来一个东西或者一个药物，或者以上问题，我都可以去全力地去解决这个新出来的，因为每家都是有自己的一个特点。然后新冠的这个比如说它变异的很快，其实还是需要业内的专家，尤其是对病毒学比较了解，还有对结构生物学比较了解的专家和相关的这样的好的企业，和 AI 公司一起去共同攻克。所以大概是这样的一个landscape。

那么这个基因治疗首先我们要去了解它的这个基因治疗这个靶点到底是什么，这个基因治疗我认为将来很可能会像一个性化的治疗去发展，因为我们就是这个基因病，尤其是我们说的罕见病。为什么说罕见病因为就是一些这个散发的单基因的突变造成的这些疾病，那么它它分布在这个 23 对染色的可以是任何的地方，所以说它每一种突变可能它这个病人的人数不一定特别多，但是它总的加起来了，据说在全球也有 3 亿人，是一个非常大庞大的一个病人团体。

 

那么就是某一个基因病，比如说就像这个 dmd ，Dystrophy这条基因它也是人类的一个最大的一条基因，那么我们已知的这个能够造成 dmd 或者 bmb 的这个致病突变了，就不下 3000 个，那么我们未知的或者说我们的数据库里面还没有收入的，那可能会更多，所以第一步我们要去确定到底哪一个是致病突变，那么我们不管是用这个基因编辑或者是用这个AV带进去一个这个能够解决这个 loss function 的问题的表达蛋白的 DNA ,或者说是用这个小核酸来进行干预，首先你要知道这个突变点制定的突变点在哪，所以这个我们在源头上面，我在清华珠三角研究院，我们一个团队正在做算是一个比较大型的综合性的罕见病基因治疗的一个数据库，那么这个数据库它分三个大的板块基因疾病，还有模型，可以是细胞模型，可以是这个小动物模型，那么我们这个数据库有别于这个 ncbi 或者是其它的这些西方的一些大型数据库，我们最大的特点是我们布置了各种各样的我们训练好的 AI 模型。

 

目前我们马上要上线了这个数据库，目前我们第一步先上的两个 AI 模型，一个是去做这个未知的、突变的这个致病风险的评估；然后另外一件事情就是我去在给你做一个MRNA剪接的预测，为什么要做这个事情呢？实际上现在我们看了很多的市面上的这些第三方的检测机构，说这二代测序以后，拿了报告以后发现了很多突变，到底哪一个是治病突变？实际上很多报告它是没有能力告诉你的，假如说我们在西方的这些数据库里面已经出现过了，它可能可以告诉你，但是对于那种没有定论的、这个没有被收录的这些突变，往往是原因不明。那我们想这是个行业痛点，我们先要找到这个病因在哪，这个时候我们的 AI 在这里面起到了一个非常大的作用。最近我们是在跟一些罕见病人的团体在做这个对接，我们去一个一个的、我们试图去把以前说它这个检测序报告已经在那了，但是这里面还不能给它一个非常明确的这个答案，说到底哪一个是致病突变，现在我们的模型可以至少是缩小范围，至少是能够告诉它，你最有可能、是哪一个突变造成了你的问题。

 

另外一个就是在最近这几年，我们觉得以前被大家忽视的一个致病的原因，就是MRNA的剪接的问题，以前这是经常是被忽视的。实际上我们以前最关心的就是蛋白翻译的这些序列，但实际上有很多是调控序列上面的突变出了问题，有很多不一定是在 exon 上面，也许是在 introne上面出的问题，我们的这个MRNA剪接的这个模型就能告诉你这个突变是不是造成了MRNA剪接的错误剪接。我们现在估计是在 20% 和 30% 的突变是造成了 MRNA剪接的这个错误，这是我们的第一步，基因治疗我们要先去知道到底这个致病突变在哪，我们在这上面也是做了很多的工作，我认为未来的基因治疗一定是一个性化的基因治疗，也许全世界我们只知道是有一个病人是这种突变，那我们可能就针对它来设计一个干预的办法，那就有可能是基因编辑，有可能是比如说是这个反义寡核苷酸，我们可以专门为它设计。

 

那么我觉得假如说想进入这个领域，首先要去把这个问题搞清楚，这个基因治疗你的这个作用靶点到底是不是真正的作用靶点。刚才我看有问题在问，有没有这个 dmb 的小鼠模型？这个模型我们是有的，但是目前 dmd 批的药，还有在临床试验阶段的药，现在有好几款。那么这个时候你对小鼠模型，可能是不同的突变需要不同的小鼠模型，我们也考虑过把这个 dmd 这条线全部的人源化，但这个线实在太大了，所以说你要需要 dmd 这个小鼠模型的话，首先我们要问你要解决什么问题？就是你的致病突变在什么地方，我们会对症下药的去给你提供这样的小鼠模型。

以AAV为例，AAV它作为一个基因治疗的一个现在非常热门的递送载体，它是所有的做基因治疗的公司也是一个关注的焦点，很多人都在围绕着它在做工作。那么它这个载体它的好处就是说它的这个免疫原性比较低，它基本上不会造成太大的这个身体的免疫反应。它具有多种多样的血清型，它可以在这里面去筛选我们想希望要的这些特性，比如说它的各种靶向性，当然它的好处我们可以说出很多，但是它有它的局限性。我们去在设计它的时候，实际上还是要费很大的周折。

 

那么是不是说我们用了 AI 来设计AAV就一定比不用 AI 要好呢？站在我的这个立场上，我觉得这个答案是肯定的。你比如说，我们还是以这个去做AAV的突变为例，还是以我们三倍轴这个地方，它这个是一个高突变区，我怎么去突变它，我就可以去获得一个更好的我想要的具有我想要的特性的AAV衣壳蛋白，那么假如说给你一张纸，一张笔，让你自己去去这变一下，那变一下，因为有的人是有具有这种能力的，我知道有的这个生物学家非常资深的生物学家，它就觉得这个地方我把这个氨基酸变一变，把它疏水的变成亲水的，然后这个地方变一变就可能会具备什么特性。但是我们可以讲基本上，比如说我们这个最近一直在研究的这个 28 个高突变区，这个区域你要是用手用眼去看，给你笔，当你变到第五个第六个氨基酸的时候，这个病毒基本上是剥不出来的，但是我们 AI 预测出来的这个电体，可以在这 28 个氨基酸里面变掉为一，甚至说变掉了 20 个氨基酸，我还能够剥出病毒来，而且有可能会它的这个剥病毒的效率会更高，这个假如没有 AI 的话，这件事情几乎是没有办法达成的。实际上，就是说它允许你用 AI 在一个更大的可能性空间里面去找到了你想要的这些局部的最优，假如不借助 AI 的话，这件事情是没有办法达成。我们实际上也是在这个实践的过程中，也充分的认识到了这一点，所以我们团队里面有 AI 工程师，有做生物信息的，有的专门是做生物学家，做湿实试验的。我们经过一段时间的磨合以后，大家对这种方法论是深信不疑。

 

所以我觉得对AI 立项，我们生物公司要想做AI场景的应用的话，一个非常重要的，就是说要让不同的类型的人要懂 AI， AI 的工程师，生信的专家，还有做湿实验的这个生物学家，能够在一个平台上去工作，用一套思维方式去思维。那么这个非常重要的一点，就是说一般在我们在这个 AI 专业之外的人，经常会对 AI 有一种不切实际的这个一种这个期待，实际上 AI 它是适合于做某些事情，但是不适合于做另外一类的事情，这个普通的老百姓或者说这个专业之外的人往往刚一开始它是不适应这个情况的。所以说我觉得要是很好的一个 AI 的应用场景，要是想立项的话，首先要组建一个能够在一起配合得非常好的一个团队，这个是第一步，不然的话这个大家的思维方式非常不一样的话，这个事情是很难，大家协调一致的去做一个 AI 的应用项目，这个是我在这个我们的团队，我们在磨合的过程中，就是我的一点体会。

好的，其实那个刚刚牛总介绍的已经然后完全，因为很多在国内看。然后欧美其实我们一直是连在一起来说的，有的时候欧洲美国的有的时候我们也分得不是特别的清楚，尤其是制药行业，那个欧洲的很多大的Big Pharma，然后美国的话也非常非常的多。在互联网行业的话，相比较而言，美国可能会做得会更加好一些，像 Google Facebook 微软的话基本上都是美国的企业。当然那个 DeepMind公司的话，它算是 AI 里面的头部选手了，这算是一个异军突起的一家公司，也很有特色。相比较而言的话，因为美国制药行业非常之强，互联网或者 AI 的话，它也非常非常的强，因为都是全国全球老大的这样一个地位。所以它的这两个老大的这个新的行业结合在一起的话，使得那个美国毫无疑问会成为一个 AI 制药的至少目前的一个领头羊。

 

那么我们跟国内来比较的话，国内相比较而言，AI的好跟美国项目以及不会落后太多，比起为首的这些公司的话，其实算的时候非常之猛变，但是我们制药企业的 应该会少一些。尤其是前些年的话，我们国内对这个创新药的这种支持力度一直不是太大，多数都是以仿制药为主，也就是这几年、短短三五年的时间的话，创新药才逐渐的有些起色，导致我们再次新药研发这方面这样一个不足的话，在那个 AI 制药这方面的话，我们这个 AI 技术很强，制药相对而言主要美国相比会薄弱一些，这会导致我们 AI 制药跟美国相比目前来看可能还是有一些有一点点差距。但是我们好在我们虽然起步，虽然我们国内所有的这种创意势都非常猛，资本力量也很猛，创新量也很猛。然后尤其是在这疫情这两年的时间的话，AI制药因为作为整个医药行业里边应该算是一颗明珠，吸引了大量资本人力，物力各种互联网公司全部给加持进来，将来未来中国 AI 制药的话一定是一个全球的 top 选手，我们整个传统制药的话，也会因为这个 AI 制药的这样一个新兴赛道兴起，有可能会在全球这个医药行业实现一个弯道，这也是非常之有可能。

 

资本层面来说的话，其实欧美的话，其实那几家像薛定谔等公司，已经步入资本市场或者是即将步入资本市场，国内的话可能我们头部选手也即将是可能很快就要IPO了，应该我们也是跑得非常非常之快。另外的话就是我们后面除了头部选手之外，还有第二梯队，第三梯队的话数量质量都非常之好，非常之足，融资金额的话应该是其实是不会输给不输欧美的，我们目前的选手都有已经达到接近 10 亿美金的融资额，这样一个融资额在欧美其实这种公司都是非常之少见的，在资本的加持之下，我们这个行业未来其实是非常可期。

首先那个首先我先介绍一下欧洲的几家 AI 制药公司。然后其实欧洲主要的制药公司都集中在英国伦敦头部的这一家，像现在世界上比较出名的那个DeepMind团队做 alphago 的这个团队，然后它们所有的研发人员都是在英国伦敦。然后另外一家上市的美国纳斯达克，去年上市的公司叫ExScientia ，然后也是在英国这边，它们主要就是那个管线方面做得比较好，然后最近也拿到了那个上市药企的 50 多亿美金的订单，所以市值 30 亿美元左右。然后另外一家叫 Benevolent，也是一直是欧洲市值最高的独角兽公司，而它们最近也是要在阿姆斯特丹上市，市值是 17 亿美金，然后这家公司主要也是做靶点发现为主，然后从靶点可以做到那个上临床，也有临床一期的药物。除了这几家以外，还有些比较中小的公司就比较多了。

 

所以这三家是欧洲主要的AI 制药公司，所以我们可以看到从开始的时间上面，还有从规模上面以及从商业模式上面，比如说从这三个方向，我们可以详细再聊一下。就开始的时间上面，其实这三家公司跟国内相比，都是起步可以说稍微更早一些，但当然说在国内的晶泰科技也是一四一五年开始起步的，所以总体上其实欧洲和中国的制药公司可以说各有千秋，然后欧洲这边可能后期的公司会更多一些，然后中国现在咱们早期的公司更多一些；然后另外是从那个商业模式上面那个来相对比的话，欧洲这边 DeepMind 是独树一帜的全世界，它主要做技术，然后商业化现在才刚开始。然后剩下的其实大部分的AI公司在欧洲还是非常看重管线的，然后我们国内的商业化模式就更多样性一些，比如说有很多AI CRO做的非常成功的公司，比如说晶泰科技这些，所以因为我们市场比较大，所以这是在商业模式上面的一些主要差别。

 

第三点是从原创性或者算法上面，那个我个人觉得其实算法上面也那个肯定 DeepMind 是一枝独秀了，但是它只是集中在结构生物学，就说是蛋白结构预测这方面。然后从其它方面的一些算法层面上其实中国和欧洲不会有太大的差距，只是说欧洲这些公司积累和起步更早一些。然后有一个明显的区别就是欧洲这几家药公司其实跟国际前十就是我们说的上市药企合作是非常非常紧密的，这个得益于这个对于它们起步比较早，然后也有很多的时间去磨砺自己的团队，试错的机会比较多，然后周期也比较长。我们国内的公司大部分还是相对来说起步较晚，但是我个人觉得肯定是未来最好的公司，肯定会从中国这边走出去。