浙江大学知识产权信息服务中心是“高校国家知识产权信息服务中心”、“全国专利文献服务网点”，依托浙江大学图书馆，拥有丰富的数据资源与专业化的人才队伍，并联合浙江大学技术转移中心，面向校内外用户，开展立体化、多层次、全方位的知识产权信息服务。

想找技术？

想找合作团队？

想了解某个技术领域专利的整体态势？

本期“IP-Insights”

以人工智能药物研发相关技术为例，

分析该领域的专利态势，

期望为促进相关领域科学研究，

助推产学研合作与科研成果转化提供参考。

前言

近年来，随着计算机技术的不断发展，包括机器学习在内的人工智能(ArtificialIntelligence，AI)技术也取得了突破性的进展，人工智能技术越来越多地应用到药物研发的各个阶段，如靶向确定、化合物筛选、临床试验、药物重定向等。未来人工智能药物研发领域将继续加快速度发展，药物研发将成为人工智能最重要和最大的应用场景之一，吸引着众多药物研发领域和人工智能技术领域开发人员的目光。

完整的药物研发过程通常包括以下环节[1]：1）药物发现阶段（包括靶点发现、生物标记物的选择、药物设计等）；2）临床前期研究阶段（药物筛选、晶型预测、预测ADMET性质、制剂研发）；3）临床试验阶段（患者招募、优化临床试验设计、药物重定向）；4）审批上市。

本期，小编利用多种专利分析工具，分析了全球以及中国在人工智能药物研发相关技术领域专利的整体情况，展现了全球及中国在人工智能药物研发技术领域专利的发展现状。

一、全球人工智能药物研发相关专利概况

1、全球及主要国家申请趋势

近二十年来，全球及中国、美国、日本在人工智能药物研发领域的专利申请趋势如图1所示。由图可见，年以前，该领域全球申请量都维持在一个比较低的水平，年开始出现缓慢增长，年以后开始爆发式增长。尽管如此，领域专利申请总量相对较低，说明人工智能药物研发领域还处于技术发展期。

对比中美日三国在人工智能药物研发领域的发展趋势，美国在该领域的近二十年申请趋势与全球申请趋势接近，而日本的申请量相对较低，发展较为平稳，年以后有少量增长。我国在年以前几乎没有专利申请，申请量低于美国，与日本不相上下。年以后开始缓慢增长，直到年专利申请量超越美国后，开始快速增长。众所周知，由于专利从申请到公开通常存在1～2年的延迟性，因此近两年的专利申请数量是低于实际数量的，在这样的前提下，我国在年的申请量依然最大，体现了我国在人工智能内不可忽视的发展速度。

图1全球及主要国家近二十年人工智能

药物研发领域专利申请趋势

2、技术领域分布

图2为全球人工智能药物研发相关专利技术领域分布图，从图中看出，技术分布主要在G部、A部和C部。排名前三的IPC分类大组分别为G06F19（包括计算化学；化学信息学；生物信息学）、G01N33（主要涉及生物物质的分析或试验）和C12Q1（主要涉及包含酶、核酸或微生物的测定或检验方法）。

通过对专利文本进行聚类分析得到人工智能在药物研发领域的研究热点，除去人工智能相关的词汇，药物研发相关的研究热点词汇有：氨基酸、基因表达、药物靶点、生物标志物、表达水平、表型、药物分子、生物分子、化合物等，可以看出人工智能药物研发领域的研究热点在于药物靶点预测、生物标志物的筛选以及药物分子设计。

图2全球人工智能药物研发

相关专利技术领域分布

3、主要专利申请人

全球人工智能药物研发相关专利TOP10申请人如图3所示。排名前两位的是IBM和加州大学，申请量均超过了20件，排名第三的Berg申请量为16件。有三名中国申请人进入TOP10，分别是排名第四的深圳晶泰科技有限公司以及排名第9、10位的平安科技和中南大学，表现不俗。TOP10申请人的申请量都不高，申请量加和不到专利申请总量的8%，由此可见，该领域还没有形成具有主导地位的龙头企业，人工智能在药物研发领域的应用发展局势未定，未来大有可为。

图3全球人工智能药物研发相关

专利TOP10申请人

4、主要专利申请人全球专利布局

分析人工智能药物研发相关专利TOP10申请人在主要国家的布局情况，如图4所示，该领域的全球布局重点是美国和中国，除此之外，在日本、韩国、印度和欧洲都有少量布局。IBM、加州大学和斯坦福大学的布局重点在美国，但有小部分的国际专利布局，中国申请人侧重于在本土申请专利，深圳晶泰科技有少量的国际专利申请。相比之下，Berg、ATOMWISE、BenevolentAI、CSIR（印度科学与工业研究理事会）更加注重全球布局，其中Berg在中国的专利申请占其申请总量的1/3左右，表明Berg对中国市场的看重。值得注意的是，国外申请人在中国的专利申请还比较少。中国申请人应当抓住机遇，注重本土申请的同时布局全球市场。

图4全球人工智能药物研发相关专利

TOP10申请人的全球布局

5、重要申请人

在主要申请人中，可以看到Berg这种国际医药巨头公司和IBM这种IT巨头纷纷布局，也有BenevolentAI、Atomwise、深圳晶泰科技这种创业公司初露锋芒，另外，加州大学、斯坦福大学等世界一流高校也为该领域添砖加瓦。

IBM：IBM在年启动了Watson项目，并于年成立了WastonHealth，旨在利用认知计算系统为医疗健康提供解决方案。IBM在人工智能药物研发领域的专利申请从年开始，主要的研究方向有预测药物副作用以探索适应症（药物重定位）、识别药物不良反应、药物靶标预测等。

BenevolentAI：BenevolentAI创立于年，公司总部位于伦敦，是目前欧洲最值钱的人工智能初创公司。BenevolentAI直到年才开始有专利申请，其主要研究方向是将机器学习技术运用于筛选候选化合物、药物分子设计、识别蛋白质结合位点等。最新公开的公开号为USA1的专利提供了一种使用机器学习(ML)技术来设计显示一种或多种所需性质的化合物的方法，属于药物分子设计范畴。

Atomwise：Atomwise成立于年，总部位于旧金山，已与默沙东、拜耳和辉瑞等多家知名药企达成合作。Atomwise于年正式进军亚洲，与豪森药业展开合作。但早在年，Atomwise就已经在中国开始专利布局，公开号为CNA的专利公开了用于预测结合亲和力的系统，采用深度学习技术预测分子与靶蛋白之间的结合亲和力，属于药物靶点发现范畴。

深圳晶泰科技：年晶泰科技联合创始人兼CEO马健在麻省理工学院与合作伙伴共同创立XtalPi，年成立深圳晶泰科技有限公司。晶泰科技年开始申请相关专利，其主要研究方向有小分子药物设计、药物筛选和晶型预测等。年9月5日提交的公开号为WO164239A1的PCT申请，公开了一种用于有机分子晶体结构高精度能量计算的双层神经网算法，属于药物晶型预测范畴。

二、中国申请人在人工智能药物研发

领域相关专利情况

1、中国申请人申请趋势及全球布局

选取技术来源国为中国的专利进行分析，近二十年人工智能药物研发相关专利主要申请人的申请趋势和全球布局情况如图5所示。从图中可以看出，中国申请人在年之前几乎没有专利申请，年以后申请量逐渐增加，年开始进入加速增长时期。中国申请人以申请本土专利为主，只有少量国际申请，由此可见，中国申请人在该领域内的国际布局还需加强。

图5中国申请人近二十年人工智能药物研发

领域专利申请趋势及全球布局

2、中国申请人的省市分布

图6为中国申请人的TOP10省市分布，由图可知，申请量排名靠前的省市由高到低依次为广东、北京、江苏、上海，申请量均超过了50件，远超其他省市，其中排名第一的广东省申请占比达17.1%。四省的申请量之和超过了中国申请人申请总量的一半，说明在我国人工智能药物研发领域技术集中度较高，技术产出主要分布在沿海发达地区。

图6中国申请人的TOP10省市分布

参考文献

[1]丁伯祥,胡健,王继芳.人工智能在药物研发中的应用进展[J].山东化工,,():70-73.

上述检索结果与分析内容，仅供参考，如需进一步获取相关信息，请联系浙江大学知识产权信息服务中心。

联系人：张雅群

Email：zyq

Tel：-

END

文/图朱佩张雅群

排版朱佩

每日推荐一本党史学习教育好书

　　预览时标签不可点收录于话题#个上一篇下一篇