在创新药研发成功率低、周期长、回报率逐步下降的当前，如何通过现代科学技术手段破解药物研发窘境成为业内共识。本文聚焦多组学技术与医药创新跨界融合新机遇，南京医科大学党委副书记、校长胡志斌，普瑞基准联合发起人梁晗教授及江苏品生医疗首席技术官张伟等多位行业专家一起探讨了多组学技术的最新成果和在创新药领域的应用。
在创新药研发成功率低、周期长、回报率逐步下降的当前，如何通过现代科学技术手段破解药物研发窘境成为业内共识。本文聚焦多组学技术与医药创新跨界融合新机遇，南京医科大学党委副书记、校长胡志斌，普瑞基准联合发起人梁晗教授及江苏品生医疗首席技术官张伟等多位行业专家一起探讨了多组学技术的最新成果和在创新药领域的应用。
南京医科大学党委副书记、校长胡志斌指出：从队列研究入手，在创新药领域，组学数据不但可以多维度筛选靶点，加速药物研发进程，还可用于指导疾病分子分型，实现个体化的精准用药。随人类基因组计划的实施和完成，基因组时代到来。在后基因组时代，芯片和测序技术同样在快速迭代，不断催生技术革新和产业升级，高分辨质谱检测技术、宏基因组等持续完善测序技术。大型多组学队列资源库将成为未来原始创新的核心驱动力。
针对国内医药研发还存在靶点扎堆、研发同质化的问题，MD Anderson癌症中心教授、普瑞基准联合发起人梁晗表示，组学数据的快速积累和数据挖掘技术的进步将为医药行业带来新的窗口期。通过数据挖掘可以辅助企业精准决策，同时也能够最终靠数据输出帮企业制定差异开发策略。
2018年，梁晗教授和Norman Sharpless等科学家受《Cell》邀请发表文章，评论了多组学大数据对于未来癌症研究和药物研发的影响，梁晗教授团队认为，组学数据挖掘正步入癌症新药研发的舞台中央。
过去几年，梁晗教授团队研究之后发现，多组学技术对于肿瘤创新药物研发的重要意义。在转录组领域深入研究了增强子（enhancer）的生物学意义，还可以更有效地对免疫治疗的效果进行预测；在功能组学方面，建立了高通量的方法，鉴定癌症驱动基因的新突变、新的融合形式；还针对药物医治前后的蛋白质差异表达进行了系统研究。
组学大数据的挖掘，可以极大提升新药研发的效率和决策正确率。在新药研发核心过程的研究周期从十几年缩短到几个月，甚至几周。同时，基于数据挖掘的决策，可避开个体认知偏差，最大化地降低研发风险。
目前，新药研发企业在海量、高维、异构、不同来源的组学数据整合挖掘并转化为新药研发决策能力领域能力稀缺。为帮助药企提供新药研发的差异化开发策略，打造创新管线，普瑞基准多组学数据挖掘系统——AIBERT应运而生。AIBERT包含创新组学试验平台和计算平台，专注于创新靶点发现与评估、适应证选择、生物标志物发现、耐药机制研究、药物联用方案探索等问题，为药企提供的支持覆盖了新药研发全过程。
在研发早期，药企可提供的样本规模往往比较小。由于样本规模小，数据维度高，且变量非常多，会得到很多似是而非的信号，难以甄别。把小样本数据放在大数据资源背景下，在多重维度上对同一个信号进行反复验证，找到证据链条最坚实的结论，用于指导临床开发策略。这体现了系统生物学的理念，即不是关注单一基因、单一通路，而是依靠我们整合的PB级别数据资源和生物信息算法（包括深度学习模型），强调对生命复杂系统的整体理解，比如癌症信号网络，或者肿瘤微环境系统。
某个在研TKI抑制剂，药企希望找到其最佳适应症。一期临床实验包括30位患者，17个癌症类型，平均一个癌种不到两个患者，决策难度很大。依托AIBERT系统来进行深入挖掘，研究者和企业可深入分析一期临床患者组学数据，找到最佳适应症，确定药效相关标志物和抗性标志物。这些结论已得到药企验证并开启二期临床试验。
