大数跨境

【原创】AI制药产业分析报告(三)

【原创】AI制药产业分析报告(三) 上海临港知识产权
2022-05-12
0














一、AI制药技术方向















21世纪以来,由于疾病复杂程度不断提升、可成药靶点不断减少等原因,新药研发难度和研发成本迅速增加,全球新药研发成功率明显下降。AI制药作为降本增效的优质解决方案受到了广泛关注。

如图1所示,AI制药是通过将机器学习、深度学习、图像识别、认知计算等系列AI技术有机嵌入至新药研发的各个环节,例如药物结构预测、药物靶标发现、新药分子设计及试验设计等,从而大大缩短新药研发过程,提升新药研发效率。AI赋能新药研发将助力开创新的药物研究范式和开发流程,加速疾病特效药、候选药的诞生,有效减少资本投入及时间投入。

图1 AI制药技术研究框架


1

靶点发现



(1)

 基于患者多组学数据的全新靶标发现及评价



传统方法是在现有文献基础上,通过实验手段,研究疾病和信号通路的相关性,耗时数月至数年,发现全新靶点的可能性极低;如图2所示AI可借助多组学数据,识别患者样本相较于正常人体变异的部分,再通过靶标数据库高效定位可能的靶标分子。

图2基于患者多组学数据的全新靶标发现及评价流程图

(2)

基于分子-靶标识别的分子靶标预测



预测并确证活性分子的靶标是阐明药物作用机理的重要步骤。传统的靶标识别方法主要是同位素示踪法、紫外及荧光光谱法,效率较低;目前常用的方法是基于基因组学和蛋白组学的高通量筛选方法,但仍存在成本较高、实验周期长、不具有普适性等缺点。如图3所示,AI可通过深度学习算法,建立分子-靶标数据库,从而高效预测药物分子的潜在靶标。

图3基于分子-靶标识别的分子靶标预测流程图

(资料来源:中银证券)


2
先导化合物设计、优化、合成


目前候选化合物的发现策略包括基于已知活性化合物设计、高通量筛选和DNA编码化合物库等。AI技术基于定量构效关系研究基础和日益提升的机器学习算法和算力,如图4所示,在药物发现中的应用越来越广泛,可参与到靶标三维结构预测、化合物从头设计、成药性预测及优化等过程中,大幅降低了新药研发的时间和成本。

图4基于人工智能的药物设计和优化策略
(资料来源:中银证券)

3

晶型预测



晶型与药物稳定性和溶解度等理化性质有关,可强烈影响药物的生物利用度,最终影响药物的疗效。传统的、通过实验筛选稳定性强且溶解度好的晶型,需要耗费大量时间进行试验尝试。如图5所示,AI结合实验的晶型预测和筛选技术可在2~3周内预测出潜在的最佳药物晶型,能够有效地加快研究和决策进程,大幅降低固体形态在后期应用的风险。

图5 AI用于晶型预测流程图

4

ADMET预测



图6示出的是ADMET预测算法模型流程图,ADMET性质是指分子在有机体内的吸收、分布、代谢、排泄和毒性等性质,药物的ADMET性质与其在体内的疗效和安全性密切相关。实现对ADMET性质的预测可有效指导结构优化改造,提高药物研发的成功率,减少药物研发成本。

图6 ADMET预测算法模型流程图












二、AI制药技术专利状况分析
















1

全球申请态势分析



图7示出的是在全球范围内,AI制药技术领域历年的专利申请量,清楚地显示了该领域申请量自1999年以来随时间变化的趋势。从图7中可以看出,该领域自1999年开始出现AI制药技术领域的专利申请,2015年前专利申请数量很少,没有明显的增长趋势,这说明AI制药技术在2015年前尚处于起步阶段;2016~2017年该领域专利申请量出现明显增长,2018年后增长速度进一步加快,一直持续到2020年;2021年虽有明显下降,但由于专利公开有滞后,所以可不予考虑。

图7AI制药技术领域全球申请趋势

2

技术来源国家/地区分析



图8示出的是AI制药技术领域技术来源国家/地区占比图.从图中可以看出技术来源于美国、中国、英国的专利申请量占比达到了97.97%,可见美国、中国、英国是该领域的主要技术原创力量。

图8 AI制药技术领域技术来源国家/地区占比

3

目标市场国家/地区分析



图9示出的是AI制药技术领域目标市场国家/地区占比图,从图中可以看到美国、世界知识产权组织、中国排名分别为第一位、第二位和第三位。中美两国占比较高可能有两方面原因,一方面是中国和美国的原创申请见多,原创申请通常以本国/地区为目标市场国家/地区;另一方面原因是由于中国市场和美国市场的重要性,特别是中国市场,已逐渐成为世界上最重要的消费市场之一。对比图8会发现,作为排名第3的技术来源国,英国在申请量上却仅占3.91%,可见英国企业将更多专利布局放在了英国之外的中美等国。

图9 AI制药技术领域目标市场国家/地区占比

4

重点技术分支分析



图10示出的是AI制药技术领域重点技术分支全球申请趋势。从图中可以看出,AI制药技术的四个重点技术分支—靶点发现、化合物设计筛选优化、晶型预测、ADMET预测。在起步方面,靶点发现起步时间较早在1999年已经有相关专利申请;在总量方面,先导化合物的设计、筛选、优化申请量较多,总量超过了600件;在增速方面,四大分支技术在2016年均出现了小幅增长,在2017年出现回落,先导化合物的设计优化合成在2018-2020年出现了明显的增长。

图10 AI制药技术领域重点技术分支全球申请趋势














三、重点申请人分析















1

总申请量分析


图11示出的是AI制药技术领域全球专利重要申请人申请量。从图中可以看出,全球申请量排名前5位的公司来自美国、中国、英国。其中中国企业深圳晶泰科技有限公司排名第一位,专利申请量有214件之多,并且通过PCT途径申请的专利有54件,可见该家公司十分重视专利在全球的布局。

              图11 AI制药技术领域全球专利重要申请人申请量

2
申请趋势分析


图12示出的是全球5大申请人申请趋势图。从图中可以看出,晶泰科技在2018年申请量开始出现明显增长,并且一直处于高位;Schrodinger从2006年开始申请量一直处于起伏状态,但整体趋于稳定;在2015年和2016年,Atomwise和Recursio均在增长后整体处于下降阶段;Benevolentai2019年的申请量在有一个明显的增长后开始下降。

图12 AI制药技术领域全球专利重要申请人申请趋势

3
地域排名分析


图13示出的是AI制药技术领域全球专利重要申请人地域排名分布。从图中可以看出晶泰科技作为一家中国的公司,将专利布局的重点放在中国的同时,也很注重全球的专利布局;Schrodinger和Atomwise除了在美国有大量专利布局外,在日本、德国、丹麦、西班牙等地也有专利布局;Recursio则更偏重在美国进行专利布局;Benevolentai作为英国的独角兽企业,在世界知识产权组织、欧洲和美国也有大量专利布局。

图13 AI制药技术领域全球专利重要申请人地域排名分布












四、高价值专利分析
















01
公开号:US9373059B1
申请日:2014年5月5日

专利权人:Atomwise

专利家族规模:45
发明名称:结合亲和力预测系统和方法
技术方案:该发明涉及用于预测一种或多种分子的结合亲和力的系统和方法,该方法包括:将反映输入数据的记录存储在至少一个电子数据存储体中;在至少一个处理器处构建提供对结合输入特征的几何表示的数据结构;在至少一个处理器处通过编码与至少一种分子和至少一种靶蛋白相关的数据来填充数据结构,用于编码的所述数据选自存储的输入数据;并且在至少一个处理器处将预测模型应用于数据结构以产生至少一种分子对至少一种靶蛋白的结合亲和力的指示符。该方法可以深度学习大量生物数据并产生独特创新数据表示,该数据表示能够表达与分子/蛋白质相关联的各种结构关系,从而准确预测一种或多种分子与一种或多种蛋白质之间的结合亲和力。

图14用于预测结合亲和力的示例系统的方框图

02

公开号:US20070061118A1

申请日:2005年3月11日
专利权人:Schrodinger
专利家族规模:19
发明名称:用于估计结合亲和力的预测性得分函数
技术方案:该发明涉及用于估计结合亲和力的预测性得分函数。该发明一方面通过因受体对一个或多个配体原子的疏水包围的存在而给予加分的方法,给在一个或多个配体原子和一个或多个受体原子之间的疏水相互作用评分;另一方面通过在配体和受体之间的电荷-电荷氢键进行评分,对原有的得分函数进行了优化,从而提高了得分函数的精确性和准确性。

03

公开号:US20180285731A1

申请日:2017年3月30日
专利权人:Atomwise
专利家族规模:16
发明名称:通过并行评估分类器输出校正第一分类器中的产生误差的系统和方法
技术方案:该发明涉及了一种分类器的应用方法。该方法首先通过第一分类器对多个分析对象的相互作用进行评分,形成测试向量;之后第二分类器在训练向量上对上述得到的测试向量进行训练,从而实现使模型的总误差值最小。


04

公开号:US20180285731A1

申请日:2002年7月10日
专利权人:Valo Health
专利家族规模:14
发明名称:分子系统的分子力学分析的方法及装置
技术方案:该发明涉及一种分子分析,特别是涉及一种分子系统的分子力学分析的方法及装置。该发明将单片可编程逻辑设备应用在处理器上,并且该单片可编程逻辑设备被连接到一个具有配置和重新配置FPGA指令的单片承载介质上,因此可以进行一部分计算,而且可以重新配置并用于另一部分的计算。通过该方法实现分子力学的非键合计算和局部计算功能,从而实质上提高非键合计算和局部计算的整体速度。













END







撰文:王泽鑫

编辑:毛祎敏

( 图片均来自网络,如涉及版权或其他权益问题,请及时联系告知 )

点个“在看”,关注临港知识产权资讯! 

【声明】内容源于网络
0
0
上海临港知识产权
1234
内容 345
粉丝 0
上海临港知识产权 1234
总阅读0
粉丝0
内容345