醫(yī)藥行業(yè)一直以來(lái)都是個(gè)相對(duì)封閉的行業(yè)。復(fù)雜且與其他行業(yè)不共通的藥學(xué)知識(shí)，讓醫(yī)藥行業(yè)與外界之間始終隔著一道墻。如今這堵墻正在因?yàn)閿?shù)字化技術(shù)的介入逐漸瓦解。越來(lái)越多人工智能企業(yè)，開始與藥物研發(fā)者們合作，將人工智能技術(shù)應(yīng)用于新藥研發(fā)的各個(gè)環(huán)節(jié)中，加速新藥研發(fā)流程。

人工智能技術(shù)將如何改變新藥研發(fā)行業(yè)？誰(shuí)已經(jīng)走到行業(yè)頭部，誰(shuí)又給出了全新的解決方案？

動(dòng)脈網(wǎng)近期策劃“AI新藥研發(fā)”系列專題，厘清AI新藥研發(fā)的行業(yè)格局與發(fā)展脈絡(luò)，試圖解碼產(chǎn)業(yè)未來(lái)的發(fā)展方向。

近期，AI＋新藥市場(chǎng)頻頻傳來(lái)捷報(bào)，多家企業(yè)在2020年完成了高額融資。

2020年9月，AI驅(qū)動(dòng)藥物研發(fā)公司晶泰科技宣布超額完成3．188億美元C輪融資，創(chuàng)下全球AI藥物研發(fā)領(lǐng)域融資額的最高紀(jì)錄。同月，AI臨床階段藥物研發(fā)公司Recursion Pharmaceuticals也完成了2．39億美元D輪融資。將時(shí)間再往前推進(jìn)一個(gè)月，2020年8月，又一AI驅(qū)動(dòng)藥物研發(fā)公司星藥科技宣布完成1000萬(wàn)美元PreA輪融資。

醫(yī)藥研發(fā)是制藥企業(yè)價(jià)值和生命力的核心所在，但新藥研發(fā)周期長(zhǎng)、成功率低和研發(fā)費(fèi)用高一直是該領(lǐng)域內(nèi)的三大困境。以深度學(xué)習(xí)為代表的人工智能技術(shù)，憑借其強(qiáng)大的發(fā)現(xiàn)關(guān)系能力和計(jì)算能力加速醫(yī)藥研發(fā)，掀起了AI＋新藥的熱潮，不僅誕生了眾多AI＋新藥企業(yè)，還有促進(jìn)了傳統(tǒng)制藥巨頭在AI＋新藥領(lǐng)域的探索。

2020年6月，Drug Discovery Today期刊發(fā)表了一篇短文綜述《The upside of being a digital pharma player》，文章分析了2014年到2018年，全球21家制藥巨頭研發(fā)部門中AI應(yīng)用的現(xiàn)狀。結(jié)果表明，AI＋新藥領(lǐng)域盡管仍處于早期，但已經(jīng)趨于成熟。該文章分析了各大制藥巨頭的收益和研究投入，發(fā)現(xiàn)僅賽諾菲和吉利德兩家企業(yè)的投入大于收益，阿斯利康和諾華兩家企業(yè)則是收益遠(yuǎn)遠(yuǎn)大于研究投入的代表。

動(dòng)脈網(wǎng)據(jù)公開資料統(tǒng)計(jì)，截止到2020年10月16日，海內(nèi)外共有56家AI＋新藥企業(yè)共獲得融資，累計(jì)獲得融資總額共計(jì)45．81億美元。其中，國(guó)外有37家公司獲得融資，累計(jì)總額共計(jì)31．65美元，國(guó)內(nèi)有19家公司獲得融資，累計(jì)融資總額14．16億美元。

AI＋新藥研發(fā)市場(chǎng)從2010年到2020年，獲得融資金額逐年上升，二級(jí)市場(chǎng)活躍，動(dòng)脈網(wǎng)對(duì)56家AI＋新藥研發(fā)企業(yè)進(jìn)行梳理發(fā)現(xiàn)，目前僅有三家企業(yè)（BioXcel Therapeutics、IQVIA、Schrodinger）上市，AI＋新藥研發(fā)目前正處于成熟的起步階段。

AI將為藥企帶來(lái)怎樣的突破？AI＋新藥研發(fā)的應(yīng)用場(chǎng)景發(fā)展現(xiàn)狀如何？頭部企業(yè)為何受到資本青睞？

AI突破新藥研發(fā)困境，數(shù)字化醫(yī)藥時(shí)代已經(jīng)到來(lái)

隨著世界各國(guó)經(jīng)濟(jì)的發(fā)展以及人民生活水平的提高，全球醫(yī)療支出不斷增加，制藥工業(yè)的發(fā)展得到了極大地提升，醫(yī)藥行業(yè)市場(chǎng)規(guī)模日益擴(kuò)大。

2017年全球醫(yī)藥市場(chǎng)銷售額已經(jīng)突破12000億美元，預(yù)計(jì)到2021年銷售總額可達(dá)到14750億美元，2012～2021年的年均復(fù)合增長(zhǎng)率為4．9％。

而同時(shí)期中國(guó)醫(yī)藥市場(chǎng)的銷售額將從2012年的770億美元增長(zhǎng)到2021年的1780億美元，年均復(fù)合增長(zhǎng)率達(dá)到9．8％，是全球醫(yī)藥市場(chǎng)的2倍。這表明全球醫(yī)藥市場(chǎng)在穩(wěn)步增長(zhǎng)，而中國(guó)醫(yī)藥市場(chǎng)的增長(zhǎng)更快，具備更好的發(fā)展?jié)摿Α?/p>

中國(guó)的醫(yī)藥市場(chǎng)位于世界第二大市場(chǎng)，在市場(chǎng)驅(qū)動(dòng)力的高速增長(zhǎng)下，我國(guó)醫(yī)藥市場(chǎng)在過(guò)去幾年保持著超過(guò)全球醫(yī)藥市場(chǎng)的增速增長(zhǎng)。數(shù)據(jù)顯示，2019年中國(guó)醫(yī)藥市場(chǎng)規(guī)模為16330億元，預(yù)計(jì)2020年將進(jìn)一步擴(kuò)大至17147億元。醫(yī)藥市場(chǎng)穩(wěn)步增長(zhǎng)，藥企更加需要加大新藥研發(fā)力度來(lái)滿足市場(chǎng)的需求。

新藥研發(fā)主要包括藥物發(fā)現(xiàn)、臨床前研究、臨床研究以及審批與上市四個(gè)階段。

其中，藥物發(fā)現(xiàn)階段主要涉及疾病選擇、靶點(diǎn)發(fā)現(xiàn)和化合物合成。而臨床前研究階段則以化合物篩選、晶型預(yù)測(cè)、化合物驗(yàn)證為主，包括藥物的構(gòu)效關(guān)系分析、穩(wěn)定性分析、安全性評(píng)價(jià)和ADMET分析等。

藥物發(fā)現(xiàn)階段和臨床前研究階段是藥企亟待攻關(guān)的兩大難點(diǎn)，新藥研發(fā)面臨研發(fā)周期長(zhǎng)、研發(fā)成功率低以及研發(fā)費(fèi)用高等三大困境。

藥物研發(fā)，越往后成本越高，但如毒性、溶解度等對(duì)藥物成敗起關(guān)鍵作用的性質(zhì)要在相對(duì)后期才能進(jìn)行實(shí)驗(yàn)研究。因此，傳統(tǒng)方法，往往在投入了大量的時(shí)間、人力、金錢成本進(jìn)行研發(fā)推進(jìn)后才發(fā)現(xiàn)一個(gè)藥物候選并不適合成藥，這就造成很多資源和機(jī)會(huì)上的浪費(fèi)。

各大傳統(tǒng)藥企在面臨研發(fā)周期長(zhǎng)、研發(fā)成功率低以及研發(fā)費(fèi)用高的困境下，都在努力嘗試通過(guò)技術(shù)創(chuàng)新來(lái)加快新藥研發(fā)速度、提高成功率和降低成本，以能更好地滿足日益增長(zhǎng)的用藥需求。這為AI技術(shù)在新藥研發(fā)領(lǐng)域的應(yīng)用帶來(lái)了契機(jī)。

AI主要應(yīng)用其強(qiáng)大的發(fā)現(xiàn)關(guān)系能力和計(jì)算能力助力新藥研發(fā)。

在發(fā)現(xiàn)關(guān)系方面，AI具備自然語(yǔ)言處理、圖像識(shí)別、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)能力，可以快速發(fā)現(xiàn)藥物和疾病、基因之間的鏈接關(guān)系。

在計(jì)算方面，AI具備的強(qiáng)大認(rèn)知計(jì)算能力，可以對(duì)候選化合物進(jìn)行虛擬篩選，更快的篩選出具有較高活性的化合物，為后期臨床試驗(yàn)做準(zhǔn)備。

AI＋新藥應(yīng)用場(chǎng)景：靶點(diǎn)發(fā)現(xiàn)先行，化合物篩選緊跟其后

機(jī)器學(xué)習(xí)的算法可以被大致分為兩類：監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)。其中監(jiān)督學(xué)習(xí)方法主要用于建立訓(xùn)練模型，借助數(shù)據(jù)回歸分析方法和分類器方法，對(duì)數(shù)據(jù)類別或連續(xù)變量進(jìn)行結(jié)果預(yù)測(cè)。而非監(jiān)督學(xué)習(xí)則是用于建立一個(gè)開發(fā)模型，對(duì)含有相同特性的靜態(tài)數(shù)據(jù)進(jìn)行聚類。

將這兩種方法應(yīng)用到新藥研發(fā)中，非監(jiān)督學(xué)習(xí)主要針對(duì)的是將海量醫(yī)學(xué)臨床前和臨床數(shù)據(jù)進(jìn)行分類，例如單細(xì)胞RNA數(shù)據(jù)進(jìn)行細(xì)胞類型和生物標(biāo)志物分類、對(duì)生物標(biāo)志物進(jìn)行更深層次特征的篩選、低劑量CT數(shù)據(jù)分析等。

和非監(jiān)督學(xué)習(xí)相比，監(jiān)督學(xué)習(xí)方法算法更多，應(yīng)用范圍更加廣泛。

分類器方法可以從海量文獻(xiàn)中挖掘靶點(diǎn)－疾�。�基因關(guān)系，從基因表達(dá)特征中尋找組織特異性的生物標(biāo)志物�；貧w分析方法可以量化分析分子的構(gòu)效關(guān)系，預(yù)測(cè)成功臨床試驗(yàn)的基因表達(dá)特征和藥物敏感性等。在監(jiān)督學(xué)習(xí)方法里，將數(shù)據(jù)回歸分析方法和分類器方法進(jìn)行結(jié)合，可以進(jìn)行虛擬的藥物靶標(biāo)篩查實(shí)驗(yàn)，從而輸出待測(cè)化合物的生物活性和檢測(cè)結(jié)果。

監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)算法總結(jié)及其應(yīng)用，來(lái)源：Nature Review Drug Discovery

此前蛋殼研究院據(jù)公開資料整理，將AI在新藥研發(fā)領(lǐng)域的主要應(yīng)用分為以下七大場(chǎng)景：靶點(diǎn)發(fā)現(xiàn)、化合物合成、化合物篩選、晶型預(yù)測(cè)、患者招募、優(yōu)化臨床試驗(yàn)設(shè)計(jì)和藥物重定向。

AI＋新藥應(yīng)用七大場(chǎng)景

非監(jiān)督學(xué)習(xí)在健康數(shù)據(jù)的聚類上有突出優(yōu)勢(shì)，更加貼近患者招募和優(yōu)化臨床試驗(yàn)設(shè)計(jì)等應(yīng)用場(chǎng)景，但其目前的算法種類僅存在五種，與監(jiān)督學(xué)習(xí)相比還有很大的進(jìn)步空間。監(jiān)督學(xué)習(xí)覆蓋了靶點(diǎn)發(fā)現(xiàn)、化合物篩選、藥物重定向等AI＋新藥應(yīng)用場(chǎng)景，這也是為什么目前以靶點(diǎn)發(fā)現(xiàn)和化合物篩選為重點(diǎn)的AI＋新藥應(yīng)用發(fā)展最快，并且在多家頭部企業(yè)開展業(yè)務(wù)中均有體現(xiàn)。

動(dòng)脈網(wǎng)將截止到2020年10月9日的AI＋新藥企業(yè)投融資事件進(jìn)行分析發(fā)現(xiàn)，目前海內(nèi)外融資總額排名前十的AI＋新藥企業(yè)在七大應(yīng)用場(chǎng)景有自己涉獵的重點(diǎn)，其中化合物篩選是眾多公司的優(yōu)先選擇，7家頭部企業(yè)均開設(shè)相關(guān)研發(fā)管線。緊跟其后的則是靶點(diǎn)發(fā)現(xiàn)，共有6家企業(yè)有突破性進(jìn)展。臨床試驗(yàn)設(shè)計(jì)僅有一家TOP10企業(yè)開展相關(guān)業(yè)務(wù)。

AI＋新藥研發(fā)企業(yè)融資總額TOP10

1

靶點(diǎn)發(fā)現(xiàn)

新藥發(fā)現(xiàn)中基于藥物靶點(diǎn)的藥效學(xué)評(píng)價(jià)已經(jīng)成為當(dāng)今國(guó)內(nèi)外新藥研究和開發(fā)的基本方針。當(dāng)藥物靶點(diǎn)確定之后，就要開展基于靶點(diǎn)的藥效學(xué)評(píng)價(jià)，從而發(fā)現(xiàn)新藥。傳統(tǒng)的靶點(diǎn)研究依賴藥學(xué)研究工作者對(duì)相關(guān)科研文獻(xiàn)和個(gè)人知識(shí)經(jīng)驗(yàn)積累去推測(cè)靶點(diǎn)，平均耗時(shí)在2～3年的時(shí)間，并且發(fā)現(xiàn)靶點(diǎn)的成功率極低。

藥物靶點(diǎn)的發(fā)現(xiàn)核心是要從海量數(shù)據(jù)庫(kù)中獲得靶點(diǎn)和疾病之間的因果關(guān)系，機(jī)器學(xué)習(xí)可以提供一系列工具，通過(guò)使用大量的高質(zhì)量生物數(shù)據(jù)和算法對(duì)計(jì)算機(jī)進(jìn)行訓(xùn)練，使計(jì)算機(jī)能夠?qū)W習(xí)如何執(zhí)行任務(wù)，對(duì)指定問(wèn)題進(jìn)行發(fā)現(xiàn)和決策，由此誕生了目前最活躍的AI＋新藥研發(fā)應(yīng)用場(chǎng)景。

生物學(xué)數(shù)據(jù)的不斷豐富為靶點(diǎn)發(fā)現(xiàn)研究創(chuàng)造了資源積累�，F(xiàn)代生物學(xué)數(shù)據(jù)，包含了大批量人群中的人類遺傳信息、健康個(gè)體和患有特定疾病個(gè)體的轉(zhuǎn)錄組學(xué)信息、蛋白組學(xué)信息和代謝組學(xué)信息，以及大量的臨床影像資料。這些多維度的高質(zhì)量數(shù)據(jù)集在適當(dāng)?shù)姆治龇椒ㄏ逻M(jìn)行重新的組合，產(chǎn)生具有有效統(tǒng)計(jì)的模型，這樣的模型就是靶點(diǎn)發(fā)現(xiàn)的核心所在，它可以對(duì)靶點(diǎn)識(shí)別作出預(yù)測(cè)，縮短靶點(diǎn)發(fā)現(xiàn)周期。

隨著機(jī)器學(xué)習(xí)算法的不斷發(fā)展和數(shù)據(jù)質(zhì)量和范圍的提高，目前機(jī)器學(xué)習(xí)已經(jīng)能夠從人類健康相關(guān)的圖像、文本、生物識(shí)別信息和其他來(lái)自可穿戴設(shè)備、試驗(yàn)數(shù)據(jù)及高緯度的生物組學(xué)數(shù)據(jù)獲取目標(biāo)內(nèi)容，并進(jìn)行分析整理。

2

化合物篩選

當(dāng)靶點(diǎn)大分子確定后，可以找到大量潛在分子和該靶點(diǎn)產(chǎn)生相互作用，藥物研發(fā)的下一步就是對(duì)潛在藥物分子的安全性進(jìn)行有效判斷，篩選得到低副作用的潛在藥物分子，從而進(jìn)行后續(xù)臨床研究。

一種潛在的藥物分子需要經(jīng)過(guò)數(shù)年才能完成開發(fā)階段和臨床階段試驗(yàn)，而且大多數(shù)化合物往往在進(jìn)入市場(chǎng)之前就已經(jīng)失敗了。傳統(tǒng)的新藥研發(fā)，研究者利用高通量篩選從成千上萬(wàn)的候選化合物中識(shí)別出高潛力化合物，會(huì)消耗大量的時(shí)間和資源，而當(dāng)候選分子的作用靶點(diǎn)極少時(shí)，消耗又會(huì)進(jìn)一步加大。

為了解決這一問(wèn)題，許多研究人員選擇用虛擬篩查（Virtual Screening， VS）來(lái)輔助高通量篩查，通過(guò)更加快速和廉價(jià)的虛擬篩選方式，減少進(jìn)入高通量篩選的先導(dǎo)化合物數(shù)量，從而大大提高高通量篩選的產(chǎn)率。

AI＋新藥融資總額TOP10企業(yè)梳理

為更加直觀地體現(xiàn)頭部企業(yè)在AI＋新藥研發(fā)相關(guān)環(huán)節(jié)的應(yīng)用和業(yè)務(wù)，我們對(duì)這十家最受資本青睞的公司進(jìn)行簡(jiǎn)單的梳理，主要涉及企業(yè)的概況介紹、主要產(chǎn)品以及企業(yè)的融資情況。

Exscientia

Exscientia搭建了人工智能平臺(tái)進(jìn)行自動(dòng)化藥物研發(fā)指導(dǎo)，主要應(yīng)用場(chǎng)景為靶點(diǎn)發(fā)現(xiàn)和化合物篩選。

Exscientia利用組合算法對(duì)根據(jù)已有的藥物研發(fā)數(shù)據(jù)自動(dòng)設(shè)計(jì)出上百萬(wàn)種與特定靶標(biāo)相關(guān)的小分子化合物（包括針對(duì)單靶點(diǎn)的小分子藥物以及針對(duì)靶點(diǎn)組合的雙特異性小分子藥物），并根據(jù)藥效、選擇性、ADME（機(jī)體對(duì)外源化學(xué)物的吸收）等其他條件對(duì)化合物進(jìn)行評(píng)估和篩選。而后篩選出來(lái)的化合物會(huì)被合成并且進(jìn)行實(shí)驗(yàn)檢測(cè)，然后實(shí)驗(yàn)數(shù)據(jù)會(huì)被反饋到AI系統(tǒng)中用于改善下一輪化合物的選擇。Exscientia組合算法的優(yōu)勢(shì)可將藥物研發(fā)時(shí)間從4．5年降低至1年，并且能夠有效減少前期需要考慮的化合物數(shù)量。

Exscientia與制藥巨頭賽諾菲和住友制藥展開合作，分別研發(fā)出兩款雙特異性小分子，充分驗(yàn)證了CENTAUR BIOLOGIST策略的可行性。截止到目前，Exscientia完成融資總額達(dá)1．03億美元。

Exscientia融資

AbCellera

AbCellera是一家AI驅(qū)動(dòng)的抗體研發(fā)公司，主要應(yīng)用場(chǎng)景為靶點(diǎn)發(fā)現(xiàn)和化合物篩選。

公司擁有獨(dú)家藥物發(fā)現(xiàn)平臺(tái)，該平臺(tái)可以搜索和分析天然免疫系統(tǒng)，從而找到可用于預(yù)防和治療疾病的抗體。AbCellera將高通量微流控、機(jī)器視圖和人工智能相結(jié)合，從并行運(yùn)算的高通量單個(gè)細(xì)胞分析中發(fā)現(xiàn)新的抗體分子療法，加快抗體藥物研發(fā)。

AbCellera的核心技術(shù)是高通量微流控平臺(tái)，該平臺(tái)通過(guò)使用微型化分析來(lái)自任何物種的單個(gè)B細(xì)胞，從而篩選出候選抗體藥物。該平臺(tái)可以根據(jù)疾病類型和應(yīng)用目標(biāo)進(jìn)行個(gè)性化定制，在篩選出來(lái)的備選抗體中還可以進(jìn)一步進(jìn)行結(jié)構(gòu)優(yōu)化和來(lái)源優(yōu)化。AbCellera的平臺(tái)可以篩選一次運(yùn)動(dòng)中的數(shù)百萬(wàn)個(gè)細(xì)胞，誕生數(shù)百種治療候藥物。

AbCellera抗體篩選流程，來(lái)源：AbCellera官網(wǎng)

AbCellera利用其人工智能技術(shù)平臺(tái)，借助真實(shí)世界研究的優(yōu)勢(shì)，僅在對(duì)患者血液樣本進(jìn)行第一次篩查的3個(gè)月之后，就幫助全球第一個(gè)COVID－19抗體候選藥物成功進(jìn)入人體臨床試。AbCellera已經(jīng)建立了一個(gè)完整的技術(shù)站來(lái)搜索、解碼和分析天然免疫系統(tǒng)，找到最好的候選抗體并將其發(fā)展成藥。

截止到目前，AbCellera完成融資總額達(dá)1．28億美元。

AbCellera融資歷程

Finch Therapeutics

Finch Therapeutics成立于2004年，是一家AI驅(qū)動(dòng)的微生物療法研發(fā)公司，主要應(yīng)用場(chǎng)景為藥物重定向。

公司采用創(chuàng)新的機(jī)器學(xué)習(xí)算法，基于高通量微生物分子數(shù)據(jù)，反向分析推導(dǎo)構(gòu)建成功的臨床微生物療法，這類創(chuàng)新療法是以糞便移植科學(xué)為基礎(chǔ)的。Finch使用這種以人體為先的微生物學(xué)方法，來(lái)鑒定和開發(fā)具有臨床收益的菌株，并將這些微生物群落輸入給患者。

HUMAN－FIRST DISCOVERY?是Finch的核心平臺(tái)，利用人類小型生物群移植臨床研究數(shù)據(jù)和機(jī)器學(xué)習(xí)平臺(tái)，找到成功應(yīng)用在患者疾病治療的微生物群體。Finch目前開設(shè)兩大研發(fā)管線，F(xiàn)ull－Spectrum Microbiota和Rationally－Selected Microbiota，分別應(yīng)對(duì)廣譜性和特異性的微生物療法。

Full－Spectrum Microbiota將健康捐贈(zèng)者群體按照規(guī)則進(jìn)行嚴(yán)格篩選，將捐贈(zèng)者體內(nèi)具備多樣性的微生物群體篩選并收集，以GMP標(biāo)準(zhǔn)制成藥物，保護(hù)了微生物群體的完整性，使其維持微生物多樣性和功能。Rationally－Selected Microbiota為可在純培養(yǎng)基中生長(zhǎng)繁殖的微生物菌群設(shè)計(jì)靶向機(jī)制，得到精選微生物菌株。

截止到目前，F(xiàn)inch Therapeutics完成融資總額達(dá)1．43億美元。

Finch Therapeutics融資歷程

Atomwise

Atomwise是一家利用超級(jí)計(jì)算機(jī)進(jìn)行藥品研發(fā)的公司，主要應(yīng)用場(chǎng)景為化合物篩選。

該公司旨在運(yùn)用超級(jí)計(jì)算機(jī)、AI和復(fù)雜的算法模擬制藥過(guò)程，來(lái)預(yù)測(cè)新藥品的效果，降低研發(fā)成本。

Atomwise 公司開發(fā)的 AtomNet 化合物篩選系統(tǒng)，是一款基于卷積神經(jīng)網(wǎng)絡(luò)的AI系統(tǒng)，旨在運(yùn)用超級(jí)計(jì)算能力和復(fù)雜的算法，對(duì)潛在藥物分子的多向藥理學(xué)、選擇性和療效等性質(zhì)進(jìn)行篩選，同時(shí)保證其低脫靶效應(yīng)。AtomNet可以自主地學(xué)習(xí)控制分子結(jié)合的特性，避免了傳統(tǒng)計(jì)算方法中典型的手工調(diào)整和參數(shù)化結(jié)合特性的過(guò)程。AtomNet將局部卷積濾波器應(yīng)用于蛋白質(zhì)結(jié)構(gòu)目標(biāo)信息，能夠成功預(yù)測(cè)目標(biāo)的新活性分子。

AtomNet將對(duì)新藥的發(fā)現(xiàn)和優(yōu)化從數(shù)年的時(shí)間縮短到數(shù)周，大大降低了時(shí)間和資源成本，為制藥公司、創(chuàng)業(yè)公司和研究機(jī)構(gòu)帶來(lái)更多的發(fā)展機(jī)會(huì)。目前AtomNet已經(jīng)將化合物發(fā)現(xiàn)效率提高1萬(wàn)倍，篩選結(jié)果輸出速率比超高通量篩選高出100倍，每天可篩選超過(guò)1億個(gè)化合物分子。

截止到目前，Atomwise完成融資總額達(dá)1．74億美元。

Atomwise融資歷程，來(lái)源：動(dòng)脈橙

Insitro

Insitro是一家以機(jī)器學(xué)習(xí)和高通量生物學(xué)為核心的藥物研發(fā)公司，主要應(yīng)用場(chǎng)景為靶點(diǎn)發(fā)現(xiàn)、化合物篩選、臨床試驗(yàn)設(shè)計(jì)。

Insitro不僅依靠有限的“已找到”數(shù)據(jù)，而且可以利用現(xiàn)代生物學(xué)工具來(lái)生成針對(duì)機(jī)器學(xué)習(xí)進(jìn)行了優(yōu)化的高質(zhì)量大數(shù)據(jù)集，通過(guò)生成與患者數(shù)據(jù)一致的高通量功能基因組數(shù)據(jù)集，并通過(guò)新穎的機(jī)器學(xué)習(xí)方法來(lái)解釋這些數(shù)據(jù)，從而建立用于加速靶點(diǎn)篩選和推動(dòng)治療方案設(shè)計(jì)的預(yù)測(cè)模型。

Insitro通過(guò)從遺傳、表型和臨床數(shù)據(jù)中獲取相關(guān)信息，利用機(jī)器算法來(lái)提高傳統(tǒng)遺傳分析的精準(zhǔn)度，使之更接近疾病的基本結(jié)構(gòu)和生物學(xué)，數(shù)據(jù)管道和自動(dòng)化設(shè)施可以快速生成大量高質(zhì)量的數(shù)據(jù)。同時(shí)，Insitro結(jié)合了來(lái)自患者的誘導(dǎo)多能干細(xì)胞（iPSCs）、基因組編輯、高含量細(xì)胞表型和機(jī)器學(xué)習(xí)等方式來(lái)構(gòu)建體外疾病模型，通過(guò)優(yōu)化遺傳、細(xì)胞類型、環(huán)境和多維數(shù)據(jù)收集，可以用更細(xì)的粒度區(qū)分細(xì)胞狀態(tài)，并預(yù)測(cè)與疾病相關(guān)的臨床特征，最大限度地預(yù)測(cè)藥物臨床結(jié)果。

Insitro疾病預(yù)測(cè)模型結(jié)合了體外細(xì)胞系統(tǒng)和計(jì)算機(jī)模擬機(jī)器學(xué)習(xí)，可以發(fā)現(xiàn)以前從未見過(guò)的疾病類型，并尋找其治療手段。通過(guò)預(yù)測(cè)模型，Insitro能夠識(shí)別疾病的突破性靶點(diǎn)，使藥物設(shè)計(jì)具有可行性，并推動(dòng)生物標(biāo)志物和臨床開發(fā)策略的發(fā)展。

截止到目前，Insitro完成融資總額達(dá)2．43億美元。

Insitro融資歷程，來(lái)源：動(dòng)脈橙

BenevolentAI

BenevolentAI是一家應(yīng)用人工智能開發(fā)治療疑難疾病新藥公司，它是第一家完全集成的AI公司，同時(shí)擁有藥物發(fā)現(xiàn)和臨床開發(fā)能力，主要的應(yīng)用場(chǎng)景是靶點(diǎn)發(fā)現(xiàn)、化合物篩選、藥物重定向。

BenevolentAI核心技術(shù)平臺(tái)為JACS（Judgment Augmented Cognition System），是一種判斷加強(qiáng)認(rèn)知系統(tǒng)，從散亂無(wú)章的海量信息中提取出能夠推動(dòng)藥物研發(fā)的知識(shí)，提出新的可以被驗(yàn)證的假設(shè)，從而加速藥物研發(fā)的過(guò)程。

為提高JACS運(yùn)算能力，公司從英偉達(dá)購(gòu)買了專門為深度學(xué)習(xí)設(shè)計(jì)的超級(jí)計(jì)算機(jī)DGX－1。這臺(tái)計(jì)算機(jī)可以模擬發(fā)生在大腦皮層中的識(shí)別和學(xué)習(xí)模式，加快在不同信息源之間建立新的關(guān)系，從而產(chǎn)生更快、更多的新藥創(chuàng)新。

一種疾病在多個(gè)患者群中的致病機(jī)制是不同的，但有效的治療需要將這些不同的機(jī)制逐一擊破。公司的目標(biāo)在于希望通過(guò)AI平臺(tái)來(lái)識(shí)別這些機(jī)制的藥物靶標(biāo)，并讓藥物作用于它們。

BenevolentAI公司推出的JACS系統(tǒng)，憑借其自然語(yǔ)言處理能力和深度學(xué)習(xí)能力，在短時(shí)間內(nèi)能夠集中處理大量的非結(jié)構(gòu)化數(shù)據(jù)，包括疾病數(shù)據(jù)、藥物數(shù)據(jù)、試驗(yàn)數(shù)據(jù)等等，并發(fā)現(xiàn)他們之間的新聯(lián)系，找到藥物的新適應(yīng)癥，實(shí)現(xiàn)藥物重定向，幫助科學(xué)家發(fā)現(xiàn)藥物更有價(jià)值的適應(yīng)癥。

2014年6月，BenevolentAI宣布與一家美國(guó)的制藥公司達(dá)成合作，并將兩款經(jīng)過(guò)新適應(yīng)癥（阿爾茨海默氏癥）驗(yàn)證的新藥賣給這家美國(guó)公司，這兩款藥物處于中標(biāo)候選化合物評(píng)估階段，此次交易高達(dá)8億美。2017年5月，BenevolentAI對(duì)一款名為bavisant的臨床試驗(yàn)失敗藥物進(jìn)行重定向分析，發(fā)現(xiàn)其對(duì)帕金森患者日間過(guò)渡嗜睡癥狀具有較好的治療效果。

截止到目前，BenevolentAI 完成融資總額達(dá)2．56億美元。

BenevolentAI融資歷程

Erasca

Erasca公司成立于2018年，是一家專注于消除癌癥的生物技術(shù)公司，主要應(yīng)用場(chǎng)景為靶點(diǎn)發(fā)現(xiàn)和藥物重定向。

Erasca有多個(gè)發(fā)現(xiàn)項(xiàng)目正在進(jìn)行中，針對(duì)的是未公開的靶點(diǎn)，這些靶點(diǎn)是癌癥的生物學(xué)驅(qū)動(dòng)因素。

OPRA（Oncology Pattern Recognition Algorithm）是Erasca的專有人工智能藥物發(fā)現(xiàn)平臺(tái)，利用機(jī)器學(xué)習(xí)等先進(jìn)的計(jì)算工具，開發(fā)創(chuàng)新的腫瘤治療策略。該平臺(tái)不依賴于某種特定的藥物或任何關(guān)于癌癥治療的單一方法，以單劑聯(lián)合方法關(guān)閉癌癥通路，從而加速藥物發(fā)現(xiàn)。OPRA通過(guò)分析國(guó)內(nèi)外大規(guī)模數(shù)據(jù)集，使Erasca的科學(xué)家能在龐大的癌癥生物學(xué)數(shù)據(jù)中處理基本致癌基因。

OPRA的數(shù)據(jù)醫(yī)療方法非常靈活，支持多個(gè)程序并行部署。OPRA還運(yùn)用Erasca的藥物發(fā)現(xiàn)流程，使科學(xué)家和人工智能在研發(fā)過(guò)程中加速開發(fā)具有最大效力的療法，以實(shí)現(xiàn)其治愈癌癥的最終目標(biāo)。

截止到目前，Erasca完成融資總額達(dá)3．00億美元。

Erasca融資歷程

Schrodinger

薛定諤公司是一家藥物發(fā)現(xiàn)與材料設(shè)計(jì)公司，致力于開發(fā)和應(yīng)用先進(jìn)的計(jì)算方法，改變科學(xué)家設(shè)計(jì)治療方法和材料的方式，主要應(yīng)用場(chǎng)景為化合物篩選。

FEP是薛定諤推出的藥物研發(fā)解決方案，它以“自由能擾動(dòng)”方法為基礎(chǔ)，持續(xù)高精度地評(píng)估所有環(huán)節(jié)的物理作用對(duì)藥物分子與蛋白質(zhì)結(jié)合的貢獻(xiàn)。其中，自由能擾動(dòng)是指將一個(gè)初始分子擾動(dòng)或轉(zhuǎn)化為另一個(gè)目標(biāo)分子，通過(guò)評(píng)估自由能擾動(dòng)帶來(lái)的結(jié)合親和力變動(dòng)，確定分子的蛋白質(zhì)結(jié)合親合力。

在FEP＋中，薛定諤公司在GPU上運(yùn)行具有計(jì)算效率的分子動(dòng)力學(xué)引擎，并整合經(jīng)典分子力學(xué)力場(chǎng)、自動(dòng)化工作流程，采用高效，增強(qiáng)的采樣方法，實(shí)現(xiàn)自動(dòng)原子映射和交互映射分配，以確保自由能量擾動(dòng)評(píng)估的準(zhǔn)確性。

利用其計(jì)算平臺(tái)，它每周都可以評(píng)估數(shù)十億種化合物分子。而利用常規(guī)的方法，普通的醫(yī)藥公司每年大約能在藥物發(fā)現(xiàn)項(xiàng)目中合成1000個(gè)候選化合物。

截止到目前，薛定諤完成融資總額達(dá)3．75億美元。薛定諤也是融資總額排名前十內(nèi)唯一一家上市公司，上市當(dāng)日募資逾2億美元，超過(guò)預(yù)期募資33％。

Schrodinger融資歷程

晶泰科技

晶泰科技成立于2015年09月11日，是一家以計(jì)算驅(qū)動(dòng)創(chuàng)新的藥物研發(fā)公司，主要應(yīng)用場(chǎng)景是化合物合成、化合物篩選、晶型預(yù)測(cè)及藥物重定向。

公司以計(jì)算驅(qū)動(dòng)創(chuàng)新，其ID4（Intelligent Digital Drug Discovery and Development）智能藥物研發(fā)平臺(tái)結(jié)合量子物理、人工智能與超大規(guī)模云計(jì)算技術(shù)，可以準(zhǔn)確預(yù)測(cè)小分子藥物的多種重要特性，加速藥物臨床前研究的效率與成功率。

晶泰科技突破性地實(shí)現(xiàn)對(duì)小分子藥物重要特性的快速、準(zhǔn)確預(yù)測(cè)，藥物晶型預(yù)測(cè)技術(shù)已達(dá)到世界領(lǐng)先水平，在體系復(fù)雜度、預(yù)測(cè)精確度與計(jì)算速度上遠(yuǎn)超同類預(yù)測(cè)方法。在藥物設(shè)計(jì)和藥物固相篩選等領(lǐng)域擁有多項(xiàng)行業(yè)領(lǐng)先的技術(shù)，目前，藥物晶型預(yù)測(cè)技術(shù)已被全球多家藥企采用，獲得業(yè)界專家的廣泛認(rèn)可。

截止到目前，晶泰科技完成融資總額達(dá)3．82億美元。

晶泰科技融資歷程

Recursion Pharmaceuticals

Recursion Pharmaceuticals是一家是一家集人工智能、實(shí)驗(yàn)生物學(xué)和自動(dòng)化于一體的臨床階段生物技術(shù)公司，主要應(yīng)用場(chǎng)景為靶點(diǎn)發(fā)現(xiàn)、化合物篩選、臨床試驗(yàn)設(shè)計(jì)。

Recursion將實(shí)驗(yàn)生物學(xué)和自動(dòng)化與人工智能結(jié)合在一個(gè)大規(guī)模并行系統(tǒng)中，有效地發(fā)現(xiàn)各種適應(yīng)癥的潛在藥物，包括遺傳病、炎癥、免疫學(xué)和傳染病等疾病。

Recursion的機(jī)器人平臺(tái)擁有豐富的、可關(guān)聯(lián)的數(shù)據(jù)庫(kù)，其中包含超過(guò)2PB的生物圖像，這使得該公司的機(jī)器學(xué)習(xí)方法能夠揭示候選藥物作用機(jī)制和潛在的毒性，解碼生物學(xué)，并推進(jìn)新的療法，從根本上改善人們的生活。

雖然Recursion計(jì)劃優(yōu)先發(fā)展其自身的罕見疾病治療業(yè)務(wù)，但它將繼續(xù)在多個(gè)疾病領(lǐng)域，包括免疫腫瘤學(xué)、腫瘤學(xué)、衰老和炎癥等，與業(yè)界領(lǐng)先的制藥公司建立合作關(guān)系。

截止到目前，Recursion Pharmaceuticals完成融資總額達(dá)5．46億美元，是目前獲得融資總額最高的AI＋新藥公司。

Recursion Pharmaceuticals融資歷程

作者：唐巧