2022年欧洲经济衰退，据统计，与2021年的86家科技公司相比，该年度仅有2家科技公司的IPO市值超过10亿美元。这其中一家，就是英国的临床阶段AI药物发现企业—— AI。
2022年4月22日， AI Ltd.以SPAC的形式于阿姆斯特丹泛欧交易所借壳上市，上市后主体公司变更为 AI。变更后，公司的已发行股本为14.5126亿欧元，分为13.7626亿欧元普通股，和750万欧元B类股。
AI是2022年唯一上市的AI制药企业。不仅如此，在全球经济较为低迷的当下，本次交易竟创造了欧洲医药健康领域史上金额最高SPAC交易的纪录。
AI的丹书铁券是什么？
根据去年9月公开的2022年上半年业绩数据， AI上半年收入480万英镑，相较于2021年同期的170万英镑有大幅提升，这主要得益于与阿斯利康的合作。
除获得融资外， AI的资金收入长期得益于阿斯利康。两家企业的合作从2019年开始，2021年第一阶段合作到期后，阿斯利康又续约至2025年，二者的合作为 AI持续带来可观收入。
AI在靠阿斯利康“养活”？实际上，阿斯利康对其的信任远高于此。
AZ心中知识图谱应用的“天花板”，打造“更精准的”
阿斯利康认为， AI发展至今，已经可谓是将“知识图谱( )”运用得最好的公司（信息摘录自）。
而怎样用近日大火的和知识图谱对照理解时，白星花科技AI创始人兼CEO王苏宏告诉动脉新医药，“更加追求开放式的对话，相对而言，医药领域的知识图谱应该是“更精准的”。药物研发需要在更庞大的数据中检索出更精准的信息，因此，的庞大数据积累，和知识图谱的专业信息构建，彼此取长补短，或将是理想的追求”。
2013年11月， 、 和Ivan 博士共同成立了 Ltd.，即的前身。3年时间，公司建立和测试了其“知识图谱”技术，并在2015年筹集到8700万美元投资资金，后于2016年启动了其第一个主要的药物开发计划（关于肌萎缩侧索硬化ALS）。同期，公司更名为 AI Ltd.。
此后， AI开始大幅扩张。2018年2月，公司收购后成立分部，主要负责实验室相关业务。2018年4月，公司斩获来自、 Sachs的1.15亿美元融资，同年5月， 男爵夫人出任公司首席执行官。
带领 AI向更广的平台发展。融资斩获方面，淡马锡和礼来公司分别在2019年和2020年的融资回合后成为 AI的股东；业务合作方面，2019年4月， AI开始了与阿斯利康的项目，截至目前， AI已经在慢性肾病(CKD)、特发性肺纤维化(IPF)疾病与阿斯利康建立起5条合作管线。接下来，两家公司将会针对系统性红斑狼疮(SLE)和心力衰竭(HF)两大疾病领域继续开展合作。
持续的合作让 AI成为了阿斯利康在AI创新药项目中的关键一环，而 AI凭借其核心的“知识图谱”技术，已经建立起超30条药物管线。
如此看来，与阿斯利康的合作管线，可能只是 AI在知识图谱辅助新药发现应用中的冰山一角。
基于知识图谱的靶点识别、分子设计、适应症筛选
“我们淹没在数据的海洋中，却对知识感到饥渴”。诺贝尔奖得主 的这句话概括了科学发现中的信息悖论。
从感知到认知的跨越式转化，须引入并发展“认知技术”，因此，“知识图谱”在此形势下成为了破局的关键技术。
根据《艾瑞咨询：2022年中国知识图谱行业研究报告》显示，“知识图谱”作为人工智能的一大底层技术，是描绘实体之间关系的语义网络，自带语义、逻辑含义和规则，通过三元组即“实体×关系×属性”集合的形式来描述事物之间的关系。“知识图谱”能够将非线性世界中的知识信息结构化、可视化，辅助人类进行推理、预判、归类，知识结构网络化、网络结构复杂、网络由三元组构成、数据主要由知识库承载是其四大基本特征。
知识图谱概念界定
(图片来源：《艾瑞咨询：2022年中国知识图谱行业研究报告》)
相信，“知识图谱”能够对人类生物学进行丰富灵活的表述。
通过将健康与疾病之间的关键区别可视化，发现参与疾病的多维因素，确定失调的途径和机制，了解疾病的生物学原理，就能够帮助科学家在生物医学数据和研究呈指数级增长的时代，做出更有把握的决策，进而加速创新药研发，并提高研发成功率。
基于此， AI将其药物研发平台的核心技术落在“知识图谱”。这一“端到端”的发现平台作为数据引擎，结合了来自结构化和非结构化的相关公开生物医学数据，其中包括：科学和专利文献、监管文件、原始人类数据、获得许可的第三方数据，以及内部实验室的相关实验数据。同时，该平台以“云”的形式部署在各个第三方环境中，反向实现“知识图谱”的更新与丰富。
“知识图谱”能够帮助 AI专注于基于机理的药物发现。针对遗传学、病理学、生物系统、分子化学、基因组学、蛋白质组学和转录组学等等领域的关键元素，通过可审计的数据结构被自动提取、策划和标准化，并输入专有的知识图谱， AI就能实现在数据基础、靶点识别、分子设计、适应症选择四个方面的相关技术工作。
AI基于“知识图谱”实现的技术功能(信息来源：公司官网)
经过10年的积累与沉淀，其知识图谱的洞察力在消除疾病与治疗的传统偏见，以及消除信息孤岛方面，已经初见成效。
自建知识图谱“解锁”病因、靶点，在研管线30+条
AI坚持把钱花在技术研发上，在这方面的投入始终保持在一般行政开支的4倍左右，甚至在上市后，也依然在持续加大技术研发方面的开支。根据2022年年中财报显示，2022年上半年公司在药物发现方面投入1930万英镑，在产品与技术标准化方面投入1070万英镑，同比2021年分别同比增长32.64%、7.48%。
稳步加大的资金投入帮助 AI将药物研发管线覆盖了有关肿瘤学、免疫学、中枢神经系统、胃肠道疾病、代谢紊乱等治疗领域的多种适应症和靶点，且现已在特应性皮炎、溃疡性结肠炎、多形性胶质母细胞瘤、肌萎缩侧索硬化症等相关药物管线取得突破性进展。
AI最新管线进展情况(图片来自 AI)
根据 AI的最近公开信息显示，目前公司在研的药物管线超30条，其中，进度最快的特应性皮炎(AD)项目已经进入到临床II期的相关研究中。
AD是最常见的慢性炎症皮肤病，对轻度至中度患者瘙痒和炎症的治疗需求始终未能满足，且现有产品，固醇乳膏和其他抑制剂使用后产生的副作用较大。 AI利用自有知识图谱确定了AD中瘙痒和炎症的作用介质为Trk受体，抑制TrKA能够减少瘙痒，抑制TrkB、TrkC能够减少炎症，因此开发出这款三种原肌球蛋白相关激酶受体的选择性抑制剂。目前该药物在药效和副作用方面的临床验证结果良好，IIa期实验数据预计在今年年初公布。
另一方面，溃疡性结肠炎(UC)也已接近临床前研究阶段的终点，即将在2023年开启临床试验。UC是一种慢性疾病，可引起结肠和直肠内壁的炎症和溃疡，但UC的确切原因尚不清楚，因此目前的治疗手段会造成严重的副作用，且部分患者对现有药物的治疗效果不明显。 AI基于自有知识图谱，提出将磷酸二酯酶PDE10作为UC全新治疗靶点的解决方案。尽管目前尚无文献指出PDE10与UC之间有直接联系，但在PDE10作为靶点被验证的第二年，公司团队就开发出有效的外周选择性抑制剂。
同时，多形性胶质母细胞瘤、肌萎缩侧索硬化症两条管线也进入到临床前研究阶段。正在进行化合物/先导物优化的16条管线中，其中5条是与阿斯利康的合作管线，且公司目前另有十余条管线正处于靶点发现阶段。
可以看出， AI的新药管线面向的适应症较广，且不同研发阶段均积累有多个管线，因此其在研管线所带来的可能性更多，且在管线成果转化方面的可持续输出性也更高。随着知识图谱的积累与管线的推进， AI成为一家大型综合药企的可能性也在不断提高。
老药新用：48小时找到新冠理想药物，全球已有超百万人受益
AI通过善于利用自有知识图谱探索疾病病因、寻找全新靶点，同时还能发现现有药物在其他疾病中发挥作用的可能性，实现“老药新用”。
2020年初，新冠疫情爆发， AI的研究团队通过使用知识图谱搜索与病毒感染和炎症反应的相关机制，将由礼来公司开发的一款用于类风湿性关节炎的药物确定为理想候选药物。而整个过程只用了48小时。
在经过临床研究验证后，2020年11月，WHO和FDA紧急授权对COVID-19住院患者的使用，2022年5月12日，FDA将紧急授权转化为全面批准。抗炎药物由此被拓展为具有脱靶抗病毒作用的药物。根据礼来的官网数据显示，迄今为止，全球已有近100万COVID-19患者接受了治疗。
在目前获批上市的新冠特效药中，、、阿兹夫定等，与一样都是“老药新用”得来。对于这类大规模突发公共卫生事件，如何快速发现现有药物与卫生事件相关疾病之间的关系，为临床研究验证争取更多时间， AI本次的“48小时案例”完全能够说明通过知识图谱解决这类问题的可能性。
知识图谱在中国
AI让更多的人看到知识图谱在靶点发现、适应症选择、老药新用等方面能够表现出独特的优势，也能在实际应用中展现出不错的结果价值。那么在我国AI赋能药物研发技术高速发展的这几年，目前国内知识图谱技术发展得如何？
目前在这一技术领域发展较为成熟的应用，是通用互联网知识图谱，例如常见的搜索引擎、智能推荐、智能问答等等。而在另一方面，垂直于各个行业的知识图谱目前尚处于起步阶段。在金融、公安、医疗、电力、军工等领域的已经有初步成型并投入使用的知识图谱，但我国在AI+创新药研发如火如荼的当下，药物研发领域的知识图谱，还未成为这场激烈竞争中的重要角色。
在技术可行性已经获得积极验证结果的当下，搭建药物研发领域的知识图谱主要面临哪些技术难点？此类知识图谱的搭建对药物研发有哪些添砖加瓦的效果？对于资本来说，这项技术能够为药物研发企业加分多少？
针对这些问题，动脉网采访到了国内一些活跃在知识图谱赛道中的相关企业与机构：碳硅智慧、白星花AI、德睿智药、本初资本。
1搭建垂直于药物研发应用的知识图谱应当具备哪些关键技术？其中需要着重突破的关键技术难点可能会是哪些？
碳硅智慧CEO邓亚峰：
构建知识图谱需要解决的难点来自多个方面。图谱建模主要是通过GNN等AI技术，建立节点和边的嵌入表示（），并用AI模型预测节点属性和节点-节点关系。所以构建知识图谱，首先在数据解析方面需要自动从文献中获取结构化信息的能力，这个过程也需要拥有领域知识的专家参与标注。其次，对多个知识图谱进行图谱融合也是十分具有挑战性的，会面临诸如同一个含义的实体在不同的图谱中叫不同名字，或不同含义的实体叫相同名字的情况。再次，建立药学领域的知识图谱以及基于图谱的表征模型，需要具备完整的AI技术，包括图谱构建技术、图嵌入表示和推理模型，还涉及到语义消歧等图谱融合中需要用到的技术。这其中还要考虑到药物研发领域数据的噪声和缺失问题。
德睿智药CEO牛张明：
新型机器学习技术，如神经网络、自然语言处理、强化学习是药物研发知识图谱所需要的关键技术。除算法外，丰富且优质的医学、药物数据是构建知识图谱的前提和基础。在算法与数据突破之后，生物医药知识图谱将有机会为药物研发的不同阶段提供更多的降本增效的帮助以及思路启发。目前主要需要突破的技术难点包括：
（1）如何使用算法有效识别噪音数据以及高质量数据；
（2）知识图谱“预测”的可解释性；
（3）如何在小数据的情况下实现知识图谱上的Few-Shot ；
（4）如何基于大数据，实现超大规模的药物研发语言模型。相信药物知识图谱未来有机会更好的借鉴技术，有机会将海量的机器语言更加高效地转换为研发人员可以理解的自然语言，同时文献/专利上的文本也可以更加高效地被知识图谱相关技术所识别及学习，扩展可解释性。
2在追求新药研发降本增效的洪流中，知识图谱能够起到怎样推波助澜的作用？
碳硅智慧CEO邓亚峰：
知识图谱技术，最大的优点是可以利用相关领域的多种关系数据来辅助建模。比如在建模化合物-靶点关系时，可以利用药物-疾病、靶点-疾病关系来辅助建模，从而取得比只用化合物-靶点相关数据更好的结果。所以知识图谱技术，可以独立使用，也可以与其他技术融合使用，具有非常重要的价值。
德睿智药CEO牛张明：
现阶段知识图谱在生物制药领域大体上有两方面功能：
（1）数据清洗。
更加快速高效的通过自然语言处理技术（NLP），文本识别技术（OCR）达到信息的整合和数据清洗，将 Data高效转换为机器学习可以理解的。比如从文献或专利中快速提取并整合数据。
（2）产生有创造性，启发性的推论（）。
可应用的下游任务包括：药物靶点发现，疾病机理阐述，药物重定位、药物药物相互作用、药物不良反应分析等领域有相关应用。之前德睿智药也有一些相关研究发表在 in 和Cell子刊上。
基于数据( Data)，我们试图使用知识图谱系统性的找到数据背后的隐含信息/规律（）以及以推论的方法产生某些新的理论假设（ 和）。之前德睿智药也有多篇论文在这方面发表，这也是我们公司正在研发的方向之一。以靶点发现为例，知识图谱能够快速的梳理超高维度的错综复杂数据，将基因，蛋白质，疾病，化合物和临床实验等不同维度的数据串联起来。试图通过机器学习的方法系统性的找到数据背后的规律，通过AI推论的方法产生某些新的理论假设（ 和）。帮助科研人员理解疾病机理，辅助药物靶点的选择以及潜在的新靶点发现。
白星花AI创始人兼CEO王苏宏：
此前，大家可能更多把这项技术的作用瞄准在first in class/best in class药物的开发，而面对此次疫情，知识图谱在’老药新用‘方面发挥的作用也不容小觑。知识图谱可以更准确的构建药物、靶点、疾病之间的联系，而不仅仅是预测结构。通过医学知识图谱快速地找到疫情的适应药物，例如，辉瑞新冠口服组合药物，包含原用于抗艾滋病的利托那韦；还有国产新冠口服药阿兹夫定，原用于抗艾滋病治疗。由此可见，通过图谱快速找到疫情的适应药物，在处理紧急公共卫生事件中是非常具有现实意义的，也带来巨大的商业价值。
3于资本而言，知识图谱的加持能否帮助企业在投资竞争中获得额外加分？
本初资本副总裁高文凯：
知识图谱的数据质量与积累量级，以及AI算法的平台能力，是获得投资机构青睐的关键，但最终资本市场考量的核心还是通过企业管线推进的进展，以及靶点与对应适应症的难度、创新性和商业化进程验证平台的能力。 AI上市给目前AI制药初创公司和投资机构关于AI制药领域投资提出一些新的思路，但是给国内初创企业的启发更多还是在“理解底层需求，寻找业务和技术结合点”方面。能够搭建知识图谱的AI药企在医学、药学背景方面也一定具备相当的团队优势，这也是投资机构希望看到的差异化优势之一。
>>>>
碳硅智慧与知识图谱：
碳硅智慧成立于2022年6月，是一家智能药物研发技术服务商，为客户提供覆盖新药发现各个环节的药物设计平台产品，并提供基于AI的药物设计服务。在知识图谱方面，碳硅智慧对领域里面绝大多数数据库进行了汇集与合并对齐，建立了一个包含千万节点、几十亿关系的药学知识图谱，并且基于等知识图谱嵌入技术对图谱进行建模，这些技术已经在靶点发现、老药新用、活性预测、联合用药、反向找靶等方向得到应用。特别是在基于冷启动的老药新用方面，其技术相对传统方法有15%的绝对精度提升(相关论文已发表在 )。
>>>>
德睿智药与知识图谱：
德睿智药（）是一家AI驱动的创新药物研发公司，拥有一站式AI驱动的药物发现平台 Pro。公司聚焦于创新型及难成药靶点新药研发，自研药物管线已获得批件。其AI医药解决方案曾被Deep 评为“2018-2020全球最重要的11个AI药物研发突破性成就之一”。德睿智药的生物医药知识图谱平台被用于生物医药数据整合清理、辅助药物靶点的选择以及其他相关任务。
>>>>
白星花AI与知识图谱：
白星花AI于2020年09月24日在北京中关村成立，是目前国内少有的垂直定位生命科学领域的知识图谱企业。该公司主要针对医药开发领域，建构了最大范围的医药生物信息SCI标注方法和精准标注。其自主研发的BAIX医药AI平台拥有100余万来自真实世界/临床数据的数据库，1400余万份SCI医学文献整合的知识图谱，12PB基因药物，可以通过提取SCI数据/医院数据/临床数据库等关键信息，建立不同的关系类型组建节点联系产生关系。总体而言，BAIX医药AI平台不仅能够针对筛选量大、复杂度高的数据进行信息检索并可视化呈现，还可以通过自有数据库算出疾病/靶点/药物相互作用之间的关系，用于药物研发、药物适应症拓展以及临床试验等。
>>>>
关于本初资本：
上海始动财务咨询有限公司（“本初资本”）成立于2016年3月，是一家充满活力的精品投行，本初资本先后进入教育、人工智能、企业服务及医疗行业，为优秀的成长型企业提供股权融资的卖方咨询服务，以及为成熟企业提供境内外并购交易中的投资银行服务。本初资本在欧洲、北美及大洋洲都建立了投资银行合作网络，并在英国伦敦设有办公室，能够为客户提供包括跨境交易在内的投资银行服务。
