打开APP

启明创投、创新工场加持,仅用18个月,Insilico Medicine破解AI制药难题

从疾病假设到临床前候选药物,Insilico的AI制药只用了18个月,花费约为200万美元的经费,研发成本相当于类似项目的十分之一。与传统药物研发流程相比,速度与成本都不在一个量级。

投资界(ID:pedaily2012)消息,AI药物开发企业Insilico Medicine近日宣布,其在全球首次利用人工智能发现新机制特发性肺纤维化(IPF)这一非常难治疾病的药物,这项新的研究成果在全球范围内是标志性的里程碑事件。

值得注意的是,从疾病假设到临床前候选药物,Insilico的AI制药只用了18个月,花费约为200万美元的经费,研发成本相当于类似项目的十分之一。与传统药物研发流程相比,速度与成本都不在一个量级。

众所周知,研发一种新药推向市场是一个复杂且消耗资源的过程,制药公司平均需要花费26亿美元,以及长达10年的研发时间,且失败率达90%以上。市场上很少有真正创新的药物。Insilico Medicine正是专注于发展将前沿AI技术与新药研发相结合的创新能力,将AI赋能药物研发,既能够缩短药物研发的时间,又能够大大降低成本。

AI,改写药物发现历史

新药研发是人类发展中最复杂、最具风险和耗时最漫长的技术研究领域之一。2020年,FDA共批准53款新药上市,其中35种是小分子药物,这是史上新药获批数量最高的一年,而且这些药物中的许多都是针对已知分子靶点,但发现能够作用于广泛适应症新靶点的新分子是极其罕见的。

Insilico Medicine打破了这一纪录。最近,Insilico Medicine宣布全球首次利用人工智能发现了新机制的治疗特发性肺纤维化的临床侯选化合物——即首次利用许多相互关联的深度学习模型和其他先进的人工智能技术,成功地将生物学和化学结合起来,发现了一个新的生物靶点,并生成了能够作用于特发性肺纤维化(IPF)这一非常难治疾病的一个新的小分子。

“我们进行了所有必要的人类患者细胞、组织和动物验证实验,证明其是能够作用于新型泛纤维化靶点的首个临床前候选分子药物,目前正在为临床开发做准备。”Insilico Medicine首席科学官任峰博士介绍。

IPF是一种广泛的疾病,仅限于肺部,多发于中老年人群。随着病情的发展,患者的健康逐渐恶化可能危及生命。纤维化是主要的衰老相关疾病过程之一,Insilico利用深度神经网络基于年龄和不同类型的纤维化进行训练,从而识别了一系列相关靶点。

任峰详细解释了IPF新药研发的过程:为了建立初始假设,Insilico训练深度神经网络对组织特异性纤维化以及患者的年龄和性别相关的组学和临床数据集进行训练。然后,利用PandaOmics 靶点发现系统中实现的一系列靶点发现工具,对发表在《自然通讯》上的复杂基因和路径进行评分,并通过深度特征选择、因果推理和de novo路径重构得到相关靶点。靶点新颖性和疾病关联评分由自然语言处理(NLP)引擎进行评估,该引擎分析了来自数百万数据文件的数据,包括专利、研究出版物、科研经费和临床试验数据库。结果,PandaOmics 发现了20个用于验证的靶点,将其缩小到一个新的细胞内靶标,并对其作进一步分析。

Chemistry42是用于药物发现的生成式化学模块。该模块包括生成引擎和评分引擎的集成,自动生成具有适当物理化学性质的成药性高的分子结构。事实证明,Chemistry42生成的这一系列新型小分子在靶点抑制方面表现出良好的前景。

在后续的体内研究中,这个系列分子被证明可以改善博莱霉素诱导的小鼠肺纤维化疾病模型的纤维化疾病,从而进一步改善肺功能。这些化合物也在14天的小鼠重复剂量范围发现(DRF)研究中证明了良好的安全性。

这个系列中表现最好的分子于2020年12月被提名为临床候选化合物进行临床前研究,从而进一步推进到临床研究。临床前研究已经开始,目前,候选药物的放大/工艺开发正在进行中,计划在今年年底前完成临床前研究,并在今年底或明年初开始临床一期试验。

任峰指出,目前整个制药行业面临三个共同的痛点:第一是如何找到合适的靶点或者全新的靶点来治疗某种疾病;第二是找到靶点之后如何发现或者发明全新的化合物,去针对这个靶点推向临床;第三是怎么样设计好的临床方案去减少临床上的不可预测性。

基于此,Insilico Medicine发明了Pharma.AI人工智能平台,在这个平台上针对这三个痛点发明了三个不同的人工智能引擎。

“首先PandaOmics主要是通过组学的数据分析来帮助我们进行靶点发现。第二个人工智能的引擎Chemistry42是一个基于生成式对抗网络以及深度学习这一先进技术,基于蛋白结构或者配体结构进行化合物的设计,帮助我们找到全新的小分子化合物。Insilico Medicine的另一款人工智能引擎InClinico可以帮助去预测临床试验的结果,同时也能指导正确的临床实验方案。”任峰说,Insilico Medicine前期正在试图把这三个人工智能的系统统一起来一体化用于新药研发。

据了解,为了成功获取临床前候选药物,Insilico设计并合成了不超过80个分子,其中有几个分子达到临床前候选化合物的水平,这是迄今为止取得的前所未有的命中率。并且整个研发过程仅耗费短短18个月,研发成本相当于类似项目的十分之一。

AI之于医疗健康,是万能的吗?

尽管我们对人工智能平台目前的成果感到兴奋,但颠覆式的改革制药行业的工作才刚刚开始,领先的药物研发机构要大规模采用人工智能驱动的研发还需要一段时间。

而这并不妨碍资本抢先布局。2019年9月,InsilicoMedicine曾获得3700万美元B轮融资,由启明创投领投,跟投方包括斯道资本、F-PrimeCapital、礼来亚洲基金创新工场、百度风投、兰亭投资、BOLDCapital Partners等。

启明创投主管合伙人梁颕宇认为,AI在医疗板块的应用如果用1-10来打分,现在大概是在1分左右,前景还非常宽广。她表示,AI在医疗领域第一个大规模的应用是AI+影像,这得益于AI图像识别技术发展的成熟,后面慢慢衍生到药物研发的领域,并取得了很好的进展。从医疗领域全景来看,还有很多AI没有介入的领域,很多问题更复杂,需要更长的时间、更系统化的解决方案。

在梁颕宇看来,未来十年,中国将成为全球医药创新的重要力量,中国将在药物的原发性创新上成为引领者和推动者。药物研发是人工智能最重要和最大的应用场景之一,人工智能则是药物研发最重大的技术红利之一。“Insilico Medicine不仅在技术上是领先的AI辅助药物研发企业,同时也创造了独特的、充满潜力和希望的商业模式,即通过自主研发的Pharma.AI平台提供人工智能驱动的药物发现服务和软件,以及自主开发临床前项目。”

事实上,在AI药物研发方面,无论国际制药大厂还是科技巨头都已开始行动。相关数据显示,目前,全球用AI来辅助药物研发的公司已经超过200余家,在技术方面,Benevolent AI、IBM Watson、Numerate、InsilicoMedicine等也都是赛道上的头部玩家。

创新工场董事长兼CEO李开复博士当年在洛杉矶第一次见到Insilico Medicine创始人兼首席执行官Alex Zhavoronkov,印象非常深刻。“Alex身上有几个很突出的特质,第一个也是最重要的,他是结合生物和AI两方面的专家,世界上这样的人才是非常少的。Alex生物学专业毕业,但是他自学成为了一个AI和计算机方面的专家,甚至在GPU方面都有一些行业工作经验。然后他当时跟我说,AI+生物学可以做各种神奇的事情,除了制药之外还可以延长寿命,而且周围围绕他的都是一些世界级的长寿专家我发现我已经晚来了一步,所以一定要争取这个机会投资这家公司。”

新工场投资Insilico Medicine,从早期看好公司专注把前沿AI技术与新药研发相结合的创新能力。这次在AI技术平台的支持下,快速研发推进针对特发性肺纤维化病症的潜在的首创药物分子,并成功达到临床前候选药物的里程碑,一定程度上验证了AI算法结合药物化学与生命科学,能够更高效的研发出有巨大潜力的候选药物分子,在全球范围内是个标志性的里程碑。

那么,AI之于医疗到底是不是万能的?未来20年“人工智能+生命科学”的场景如何?李开复认为,机器人的诊断水平一定会超过医生。因为一套人工智能诊断系统,可以在很短的时间内诊断几十亿病人,机器人学习到的内容与数据一定是巨大的。未来人机结合将大幅提升人类的健康水平。他介绍说,现在有了实验室机器人,还有手术机器人,其中在手术领域,机器人参与率已经接近20%,未来这个比例还会不断增加。同时还将有更多新型机器人出现,比如纳米机器人,它们甚至可以进入人体,帮助人类与癌症对抗。

【本文为投资界原创,网页转载须在文首注明来源投资界(微信公众号ID:PEdaily2012)及作者名字。微信转载,须在微信原文评论区联系授权。违规转载必究责。】

相关资讯

相关机构

医疗技术数据总览

最新资讯

热门TOP5热门机构 | VC情报局

去投资界看更多精彩内容
【声明:本页面数据来源于公开收集,未经核实,仅供展示和参考。本页面展示的数据信息不代表投资界观点,本页面数据不构成任何对于投资的建议。特别提示:投资有风险,决策请谨慎。】