动脉网知识库

登录动脉网

账号密码登录

忘记密码?

手机账号登录

获取验证码

忘记密码

获取验证码

新用户注册

获取验证码

绑定手机号

获取验证码

感谢您使用“动脉网”的产品和服务。 我们尊重并保护所有使用动脉网用户的个人隐私权。
第1条 协议内容及生效
1.1 本用户协议是用户与“动脉网”之间就相关事宜所订立的契约,即包括本用户协议所有正文及“动脉网”已经发布或将来可能发布的各类规则。用户在“动脉网”注册前,必须事先认真阅读本用户协议,特别是本协议中关于限制、减轻或者免除“动脉网”责任的全部协议内容以及含有限制用户权利的协议内容。
1.2 如果用户同意本用户协议,或者存在包括下载、注册和使用及连接“动脉网”服务的行为,将被视为完全接受并同意遵守本用户协议的所有内容,包括接受“动脉网”对用户协议随时所做的任何修改,本协议即构成对双方有约束力的法律文件。如不同意本用户协议,用户不得使用或应主动停止使用“动脉网”提供的服务。
1.3 用户应当为具有完全民事行为能力的自然人,或者是具有独立承担法律责任能力的其他合法主体。若用户属于无民事行为能力、限制民事行为能力人的,或是不具有独立承担法律责任能力的其他主体的,您应在监护人监护下或是得到有权主体授权后使用“动脉网”。
第2条 用户信息
2.1 用户个人信息。用户个人信息包括真实姓名、手机号码、微信号、所属行业、所在公司,现任职位、常驻城市、本人照片、身份证号、微信支付账号、电子邮箱、个人简介等。
2.2 非用户个人信息。用户在“动脉网”上,包括阅读、评价、操作状态、使用记录、使用习惯等在内的全部记录信息。除本条第1款所列用户个人信息范围外的所有信息,均为非用户个人信息。
2.3 第三方平台记录信息。用户通过腾讯微信等第三方平台账号注册、登录、使用“动脉网”服务的,将被视为用户完全理解、同意并接受“动脉网”已包括但不限于收集、统计、分析等方式使用其在腾讯微信等第三方平台填写、登记、公布、记录的全部信息。用户一旦使用第三方平台账号注册、登录、使用“动脉网”服务,“动脉网”对该第三方记录信息的任何使用,均被视为已经获得了用户本人的完全同意并接受。
2.4 用户自行向“动脉网”提供个人信息、教育经历、工作经历、课程主题和介绍以及其他信息,所提供的信息必须在合法基础上保证真实、准确、完整,并保证及时更新以上信息。如因提供的信息存在非法、抄袭、错误等问题,用户需承担因此引发的相应责任以及后果,且“动脉网”保留终止用户使用“动脉网”各项服务的权利。
2.5 用户应维护个人“动脉网”帐户和密码安全,并对此帐户在“动脉网”的所有行为负完全责任,不得将帐户借给他人使用,否则应承担由此产生的全部责任,并与实际使用人承担连带责任。当遇到账户或者密码未获授权使用,或者发生任何安全问题时,用户有责任及时有效地通知到“动脉网”并向公安机关报案。
2.6 用户信息使用,用户在使用过程中发现任何不妥或者不满意之处,有权向“动脉网”提出申请,要求进行相关信息删除等处理;“动脉网”不承担主动删除、销毁用户信息的责任。
2.7 为向用户提供服务,“动脉网”将在合理范围内使用用户个人信息、非用户个人信息以及第三方平台记录信息。用户一旦注册、登录、使用“动脉网”服务,将被视为“动脉网”已包括但不限于收集、统计、分析、商业用途等方式使用用户信息。“动脉网”对用户信息的使用无需其他意思表示,无需向用户支付任何费用。
第3条 服务条款的修改及终止
3.1 “动脉网”的服务范围非常广泛,因此有时还会适用一些附加条款或产品要求(包括行业要求)。附加条款将会与相关服务一同提供,并且在用户使用这些服务后,成为您与我们所达成的条款的一部分。
3.2 “动脉网”始终在不断更改和改进服务。一旦条款及服务内容产生变动,将会在重要页面上提示修改内容。如果不同意我们对条款内容所做的修改,用户可以主动、随时停止使用我们的服务,尽管我们对此表示非常遗憾。
3.3 “动脉网”也可能随时停止向您提供服务,或随时对我们的服务增加或设置新的限制。
3.4 “动脉网”认为用户拥有自己数据的所有权并保留对此类数据的访问权限,这一点非常重要。如果我们停止某项服务,在合理可能的情况下,“动脉网”会向用户发出合理的提前通知,并让用户有机会将信息从服务中汇出。
3.5 如果用户继续使用“动脉网”的服务,则视为接受服务条款的变动。我们保留随时修改或中断服务的权利。我们行使修改或中断服务的权利,不需对用户或第三方负责。
第4条 服务的中断和终止
4.1 在未向用户收取相关服务费用的情况下,“动脉网”可自行全权决定以任何理由 (包括但不限于“动脉网”认为用户已违反本条款的字面意义和精神等) 终止对用户的服务。同时“动脉网”可自行全权决定,在发出通知或不发出通知的情况下,随时停止提供全部或部分服务。服务终止后,“动脉网”没有义务为用户保留原用户资料或与之相关的任何信息,或转发任何未曾阅读或发送的信息给用户或第三方。
4.2 如存在下列情况,“动脉网”可以通过注销用户的方式终止服务: 在用户违反本条款相关规定时,“动脉网”有权终止向该用户提供服务。“动脉网”将在中断服务时通知用户。但如该用户在被“动脉网”终止提供服务后,再一次直接或间接或以他人名义注册为“动脉网”用户的,“动脉网”有权再次单方面终止为该用户提供服务; 一旦“动脉网”发现用户注册资料中主要内容是虚假的,“动脉网”有权随时终止为该用户提供服务; 用户出现作弊行为,网站可根据情况作出处理,甚至注销用户; 其它“动脉网”认为需终止服务的情况。第三方,但基于交易纠纷、技术原因等因素,“动脉网”保有复制、审查服务过程中录音内容的权利。
第5条 用户言行
5.1 用户同意在使用“动脉网”服务过程中,必须严格遵守以下规则: 1) 遵守中国法律法规、行政规章以及规范性文件; 2) 遵守“动脉网”的所有用户协议、通知、协议等文件; 3) 不得为违法、犯罪等目的使用“动脉网”网站及其移动客户端; 4) 不得在“动脉网”上传输及发布以下内容:煽动抗拒、破坏宪法及法律法规实施的言论;煽动颠覆国家政权、破坏国家统一的言论;违背社会风俗和社会道德的言论;煽动民族仇恨、民族歧视,破坏民族团结的言论; 5) 不得使用任何侮辱或毁谤他人,性骚扰,或对未成年人有不良影响的内容; 6) 不得散布淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪的行为; 7) 不得利用本站从事洗钱、窃取商业秘密、窃取其他用户个人信息等违法犯罪活动; 8) 不得侵入本站及国家计算机信息系统,不得传播病毒、特洛伊木马、定时炸弹等可能对“动脉网”造成伤害或影响其正常运转的恶意病毒或程序; 9) 不得在“动脉网”平台从事非经“动脉网”同意的所有牟利性经营活动; 10) 不得侵犯第三方权利,特别是他人著作权、商标权等知识产权或者合法权利。
5.2 若用户有发布违法信息、严重违背社会公德、以及其他违反法律禁止性规定的行为,“动脉网”保有删除各类不符合法律政策或者不真实信息内容而无须通知用户的权利。若用户未遵守以上约定,“动脉网”有权立即终止对用户提供服务,采取暂停或者关闭用户账户等措施。用户须对自己的言论和行为负法律责任。
第6条 知识产权协议
6.1 对于用户通过“动脉网”发布的任何公开信息,用户同意“动脉网”在全世界范围内具有将此等内容编入当前已知的或以后开发的其他任何形式的作品、媒体或技术中的权利。
6.2 除法律规定外,未经“动脉网”书面等任何形式明确许可,任何单位或个人不得以任何方式非法地全部或部分复制、转载、引用、链接、抓取或以其他方式使用“动脉网”的信息内容,否则,“动脉网”有权追究其法律责任。
6.3 用户在“动脉网”所发布的内容,必须保证已经拥有必要权利或授权以进行该内容的提供、发布、提交等行为。
6.4 本用户协议已经构成《中华人民共和国著作权法》及相关法律规定的著作财产权等权利转让书面协议,其效力及于用户在“动脉网”上发布的任何受著作权法保护的作品内容。
第7条 隐私声明
“动脉网”非常重视对用户个人隐私的保护。 “动脉网”在必要时候需要某些信息才能为您提供所请求的服务,本隐私声明针对这些情况下的数据收集和使用情况。作为“动脉网”用户,如果同意接受“动脉网”用户协议及隐私声明,表明您授权“动脉网”对任何您所提供的、或者“动脉网”所收集到的信息有权进行处理、传播、使用。 本隐私声明适用于“动脉网”的所有服务,随着服务的变化,“动脉网”有权对隐私条款不时进行修改更新,且不再另行通知。更新后的隐私声明一旦公布即有效代替原来的隐私声明,您在访问和使用“动脉网”时,即表示您已同意遵守并接受最新的隐私政策。建议您及时关注隐私条款的变更。
7.1 “动脉网”隐私信息范围,通常情况下,在“动脉网”注册、获取服务时所提交的个人信息,包括姓名、联系方式、通讯地址、第三方帐户信息等。
7.2 信息隐私的保护
“动脉网”严格保护您个人信息的安全。我们使用各种安全技术和程序来保护您的个人信息不被未经授权的访问、使用或泄露。 当用户对网站或者移动客户端的服务表示兴趣时,或者向用户提供服务出现问题或者困难时,我们使用这些信息来联系用户。 未经用户同意,“动脉网”不会向第三方提供用户信息,也不会在用户之间传递这些信息。未经用户同意,“动脉网”不会对用户之间的交流信息,包括评价、交流文本和图片内容进行编辑、筛选、篡改。
如果有明确证据表明您所提供的信息存在不符合法律政策或者不真实情况,我们有权无须通知您对信息进行删除、更改等处理。
第8条 免责说明
8.1 就下列相关事宜的发生,“动脉网”不承担任何法律责任: 1)用户应遵守国家的有关法律、法规和行政规章制度。如有用户违反国家法律法规或本用户协议,“动脉网”有权停止向用户提供任务而不需要承担任何责任,如导致“动脉网”遭受任何损害或者遭受任何来自第三方的纠纷、诉讼、索赔要求等,用户须向“动脉网”赔偿相应的损失,用户需对其违反用户协议所产生的一切后果承担全部法律责任。 2)由于您将用户密码告知他人或与他人共享注册帐户,由此导致的任何个人信息的泄露,或其他非因“动脉网”原因导致的个人信息的泄露; 3)根据法律规定或政府相关政策要求提供您的个人信息; 4)任何通过黑客攻击、电脑病毒侵入等非法截取、访问等方式从我们网站上获取的信息; 5)因台风、地震、海啸、洪水、停电、战争、恐怖袭击等不可抗力因素导致的任何后果;
8.2 本服务涉及到互联网及移动通讯等服务,可能受各个环节不稳定因素的影响,比如不可抗力、计算机病毒或者黑客攻击等造成的服务中断或不能满足用户要求的风险,用户须理解和认可,并承担以上风险。“动脉网”对服务的及时性、安全性、准确性不作担保,对因此导致用户不能接收信息,或者传递错误等问题不承担任何责任。
8.3 如“动脉网”的系统发生故障影响到本服务的正常运行,“动脉网”承诺第一时间内与相关单位配合,及时处理进行修复。但用户因此而产生的经济损失,“动脉网”不承担责任。此外,“动脉网”保留未经事先通知为维修保养、升级或其他目的暂停本服务任何部分的权利。
第9条 适用法律框架以及纠纷解决途径
9.1 本协议的订立、执行和解释及争议的解决均应适应中国法律。
9.2 如双方就本协议内容或其执行发生争议,双方应尽量友好协商解决;协商不成时应任何一方均可向有管辖权的中华人民共和国大陆地区法院提起诉讼。
第10条 其他
10.1 如果您在中国大陆以外的国家或地区访问或使用“动脉网”,您有责任遵守所在辖区内有关在线行为和可接受内容的法律。
10.2 本服务的所有权、运作权和一切解释权归“动脉网”所有。“动脉网”有权在必要时修改用户协议,并通过网站或者客户端发布修改变更,且不再另行通知。如果在更改生效后用户继续使用服务,则视为您接受用户协议的变动并遵守最新用户协议。
如果您对用户协议有任何疑问,请联系客服(微信同号):13627682184

AI+新药领域融资总额已超45亿美元,靶点发现和化合物筛选发展最快

作者:唐巧 2020-10-24 08:00

{{detail.short_name}} {{detail.main_page}}

{{detail.description}} {{detail.round_name}} {{detail.state_name}}

{{detail.province}}-{{detail.city}}
{{detail.setup_time}}
融资金额:{{detail.latest_event_amount}}{{detail.latest_amount_unit}}
投资方: · {{item.latest_event_tzf_name}}
企业数据由提供支持
查看

医药行业一直以来都是个相对封闭的行业复杂且与其他行业不共通的药学知识,让医药行业与外界之间始终隔着一道墙。如今这堵墙正在因为数字化技术的介入逐渐瓦解。越来越多人工智能企业,开始与药物研发者们合作,将人工智能技术应用于新药研发的各个环节中,加速新药研发流程


人工智能技术将如何改变新药研发行业?谁已经走到行业头部,谁又给出了全新的解决方案?


动脉网近期策划“AI新药研发”系列专题,厘清AI新药研发的行业格局与发展脉络,试图解码产业未来的发展方向。


近期,AI+新药市场频频传来捷报,多家企业在2020年完成了高额融资。

 

2020年9月,AI驱动药物研发公司晶泰科技宣布超额完成3.188亿美元C轮融资,创下全球AI药物研发领域融资额的最高纪录。同月,AI临床阶段药物研发公司Recursion Pharmaceuticals也完成了2.39亿美元D轮融资。将时间再往前推进一个月,2020年8月,又一AI驱动药物研发公司星药科技宣布完成1000万美元PreA轮融资。

 

医药研发是制药企业价值和生命力的核心所在,但新药研发周期长、成功率低和研发费用高一直是该领域内的三大困境。以深度学习为代表的人工智能技术,凭借其强大的发现关系能力和计算能力加速医药研发,掀起了AI+新药的热潮,不仅诞生了众多AI+新药企业,还有促进了传统制药巨头在AI+新药领域的探索。

 

2020年6月,Drug Discovery Today期刊发表了一篇短文综述《The upside of being a digital pharma player》,文章分析了2014年到2018年,全球21家制药巨头研发部门中AI应用的现状。结果表明,AI+新药领域尽管仍处于早期,但已经趋于成熟。该文章分析了各大制药巨头的收益和研究投入,发现仅赛诺菲和吉利德两家企业的投入大于收益,阿斯利康和诺华两家企业则是收益远远大于研究投入的代表。

 

动脉网据公开资料统计,截止到2020年10月16日,海内外共有56家AI+新药企业共获得融资,累计获得融资总额共计45.81亿美元。其中,国外有37家公司获得融资,累计总额共计31.65美元,国内有19家公司获得融资,累计融资总额14.16亿美元。

 

 image.png


image.png


AI+新药研发市场从2010年到2020年,获得融资金额逐年上升,二级市场活跃,动脉网对56家AI+新药研发企业进行梳理发现,目前仅有三家企业(BioXcel Therapeutics、IQVIA、Schrodinger)上市,AI+新药研发目前正处于成熟的起步阶段。

 

AI将为药企带来怎样的突破?AI+新药研发的应用场景发展现状如何?头部企业为何受到资本青睐?

 

AI突破新药研发困境,数字化医药时代已经到来

 

随着世界各国经济的发展以及人民生活水平的提高,全球医疗支出不断增加,制药工业的发展得到了极大地提升,医药行业市场规模日益扩大。


2017年全球医药市场销售额已经突破12000亿美元,预计到2021年销售总额可达到14750亿美元,2012~2021年的年均复合增长率为4.9%。

 

而同时期中国医药市场的销售额将从2012年的770亿美元增长到2021年的1780亿美元,年均复合增长率达到9.8%,是全球医药市场的2倍。这表明全球医药市场在稳步增长,而中国医药市场的增长更快,具备更好的发展潜力。

 

中国的医药市场位于世界第二大市场,在市场驱动力的高速增长下,我国医药市场在过去几年保持着超过全球医药市场的增速增长。数据显示,2019年中国医药市场规模为16330亿元,预计2020年将进一步扩大至17147亿元。医药市场稳步增长,药企更加需要加大新药研发力度来满足市场的需求。

 

新药研发主要包括药物发现、临床前研究、临床研究以及审批与上市四个阶段。

 

image.png

 

其中,药物发现阶段主要涉及疾病选择、靶点发现和化合物合成。而临床前研究阶段则以化合物筛选、晶型预测、化合物验证为主,包括药物的构效关系分析、稳定性分析、安全性评价和ADMET分析等。

 

药物发现阶段和临床前研究阶段是药企亟待攻关的两大难点,新药研发面临研发周期长、研发成功率低以及研发费用高等三大困境。

 

药物研发,越往后成本越高,但如毒性、溶解度等对药物成败起关键作用的性质要在相对后期才能进行实验研究。因此,传统方法,往往在投入了大量的时间、人力、金钱成本进行研发推进后才发现一个药物候选并不适合成药,这就造成很多资源和机会上的浪费。

 

各大传统药企在面临研发周期长、研发成功率低以及研发费用高的困境下,都在努力尝试通过技术创新来加快新药研发速度、提高成功率和降低成本,以能更好地满足日益增长的用药需求。这为AI技术在新药研发领域的应用带来了契机。

 

AI主要应用其强大的发现关系能力和计算能力助力新药研发。

 

在发现关系方面,AI具备自然语言处理、图像识别、机器学习和深度学习能力,可以快速发现药物和疾病、基因之间的链接关系。

 

在计算方面,AI具备的强大认知计算能力,可以对候选化合物进行虚拟筛选,更快的筛选出具有较高活性的化合物,为后期临床试验做准备。

 

AI+新药应用场景:靶点发现先行,化合物筛选紧跟其后

 

机器学习的算法可以被大致分为两类:监督学习和非监督学习。其中监督学习方法主要用于建立训练模型,借助数据回归分析方法和分类器方法,对数据类别或连续变量进行结果预测。而非监督学习则是用于建立一个开发模型,对含有相同特性的静态数据进行聚类。

 

将这两种方法应用到新药研发中,非监督学习主要针对的是将海量医学临床前和临床数据进行分类,例如单细胞RNA数据进行细胞类型和生物标志物分类、对生物标志物进行更深层次特征的筛选、低剂量CT数据分析等。

 

和非监督学习相比,监督学习方法算法更多,应用范围更加广泛。

 

分类器方法可以从海量文献中挖掘靶点-疾病-基因关系,从基因表达特征中寻找组织特异性的生物标志物。回归分析方法可以量化分析分子的构效关系,预测成功临床试验的基因表达特征和药物敏感性等。在监督学习方法里,将数据回归分析方法和分类器方法进行结合,可以进行虚拟的药物靶标筛查实验,从而输出待测化合物的生物活性和检测结果。

 

image.png

 监督学习和非监督学习算法总结及其应用,来源:Nature Review Drug Discovery

 

此前蛋壳研究院据公开资料整理,将AI在新药研发领域的主要应用分为以下七大场景:靶点发现、化合物合成、化合物筛选、晶型预测、患者招募、优化临床试验设计和药物重定向。


image.png

AI+新药应用七大场景

 

非监督学习在健康数据的聚类上有突出优势,更加贴近患者招募和优化临床试验设计等应用场景,但其目前的算法种类仅存在五种,与监督学习相比还有很大的进步空间。监督学习覆盖了靶点发现、化合物筛选、药物重定向等AI+新药应用场景,这也是为什么目前以靶点发现和化合物筛选为重点的AI+新药应用发展最快,并且在多家头部企业开展业务中均有体现。

 

动脉网将截止到2020年10月9日的AI+新药企业投融资事件进行分析发现,目前海内外融资总额排名前十的AI+新药企业在七大应用场景有自己涉猎的重点,其中化合物筛选是众多公司的优先选择,7家头部企业均开设相关研发管线。紧跟其后的则是靶点发现,共有6家企业有突破性进展。临床试验设计仅有一家TOP10企业开展相关业务。

 

image.png

AI+新药研发企业融资总额TOP10

 

1
靶点发现

 

新药发现中基于药物靶点的药效学评价已经成为当今国内外新药研究和开发的基本方针。当药物靶点确定之后,就要开展基于靶点的药效学评价,从而发现新药。传统的靶点研究依赖药学研究工作者对相关科研文献和个人知识经验积累去推测靶点,平均耗时在2~3年的时间,并且发现靶点的成功率极低。

 

药物靶点的发现核心是要从海量数据库中获得靶点和疾病之间的因果关系,机器学习可以提供一系列工具,通过使用大量的高质量生物数据和算法对计算机进行训练,使计算机能够学习如何执行任务,对指定问题进行发现和决策,由此诞生了目前最活跃的AI+新药研发应用场景。

 

生物学数据的不断丰富为靶点发现研究创造了资源积累。现代生物学数据,包含了大批量人群中的人类遗传信息、健康个体和患有特定疾病个体的转录组学信息、蛋白组学信息和代谢组学信息,以及大量的临床影像资料。这些多维度的高质量数据集在适当的分析方法下进行重新的组合,产生具有有效统计的模型,这样的模型就是靶点发现的核心所在,它可以对靶点识别作出预测,缩短靶点发现周期。

 

随着机器学习算法的不断发展和数据质量和范围的提高,目前机器学习已经能够从人类健康相关的图像、文本、生物识别信息和其他来自可穿戴设备、试验数据及高纬度的生物组学数据获取目标内容,并进行分析整理。

 

2
化合物筛选

 

当靶点大分子确定后,可以找到大量潜在分子和该靶点产生相互作用,药物研发的下一步就是对潜在药物分子的安全性进行有效判断,筛选得到低副作用的潜在药物分子,从而进行后续临床研究。

 

一种潜在的药物分子需要经过数年才能完成开发阶段和临床阶段试验,而且大多数化合物往往在进入市场之前就已经失败了。传统的新药研发,研究者利用高通量筛选从成千上万的候选化合物中识别出高潜力化合物,会消耗大量的时间和资源,而当候选分子的作用靶点极少时,消耗又会进一步加大。

 

为了解决这一问题,许多研究人员选择用虚拟筛查(Virtual Screening, VS)来辅助高通量筛查,通过更加快速和廉价的虚拟筛选方式,减少进入高通量筛选的先导化合物数量,从而大大提高高通量筛选的产率。

 

AI+新药融资总额TOP10企业梳理

 

为更加直观地体现头部企业在AI+新药研发相关环节的应用和业务,我们对这十家最受资本青睐的公司进行简单的梳理,主要涉及企业的概况介绍、主要产品以及企业的融资情况。

 

Exscientia

 

Exscientia搭建了人工智能平台进行自动化药物研发指导,主要应用场景为靶点发现和化合物筛选。

 

Exscientia利用组合算法对根据已有的药物研发数据自动设计出上百万种与特定靶标相关的小分子化合物(包括针对单靶点的小分子药物以及针对靶点组合的双特异性小分子药物),并根据药效、选择性、ADME(机体对外源化学物的吸收)等其他条件对化合物进行评估和筛选。而后筛选出来的化合物会被合成并且进行实验检测,然后实验数据会被反馈到AI系统中用于改善下一轮化合物的选择。Exscientia组合算法的优势可将药物研发时间从4.5年降低至1年,并且能够有效减少前期需要考虑的化合物数量。

 

Exscientia与制药巨头赛诺菲和住友制药展开合作,分别研发出两款双特异性小分子,充分验证了CENTAUR BIOLOGIST策略的可行性。截止到目前,Exscientia完成融资总额达1.03亿美元。

 

image.png

Exscientia融资

 

AbCellera

 

AbCellera是一家AI驱动的抗体研发公司,主要应用场景为靶点发现和化合物筛选。

 

公司拥有独家药物发现平台,该平台可以搜索和分析天然免疫系统,从而找到可用于预防和治疗疾病的抗体。AbCellera将高通量微流控、机器视图和人工智能相结合,从并行运算的高通量单个细胞分析中发现新的抗体分子疗法,加快抗体药物研发。

 

AbCellera的核心技术是高通量微流控平台,该平台通过使用微型化分析来自任何物种的单个B细胞,从而筛选出候选抗体药物。该平台可以根据疾病类型和应用目标进行个性化定制,在筛选出来的备选抗体中还可以进一步进行结构优化和来源优化。AbCellera的平台可以筛选一次运动中的数百万个细胞,诞生数百种治疗候药物。

 

image.png

AbCellera抗体筛选流程,来源:AbCellera官网

 

AbCellera利用其人工智能技术平台,借助真实世界研究的优势,仅在对患者血液样本进行第一次筛查的3个月之后,就帮助全球第一个COVID-19抗体候选药物成功进入人体临床试。AbCellera已经建立了一个完整的技术站来搜索、解码和分析天然免疫系统,找到最好的候选抗体并将其发展成药。

 

截止到目前,AbCellera完成融资总额达1.28亿美元。


image.png

AbCellera融资历程

 

Finch Therapeutics

 

Finch Therapeutics成立于2004年,是一家AI驱动的微生物疗法研发公司,主要应用场景为药物重定向。

 

公司采用创新的机器学习算法,基于高通量微生物分子数据,反向分析推导构建成功的临床微生物疗法,这类创新疗法是以粪便移植科学为基础的。Finch使用这种以人体为先的微生物学方法,来鉴定和开发具有临床收益的菌株,并将这些微生物群落输入给患者。

 

HUMAN-FIRST DISCOVERY®是Finch的核心平台,利用人类小型生物群移植临床研究数据和机器学习平台,找到成功应用在患者疾病治疗的微生物群体。Finch目前开设两大研发管线,Full-Spectrum Microbiota和Rationally-Selected Microbiota,分别应对广谱性和特异性的微生物疗法。

 

Full-Spectrum Microbiota将健康捐赠者群体按照规则进行严格筛选,将捐赠者体内具备多样性的微生物群体筛选并收集,以GMP标准制成药物,保护了微生物群体的完整性,使其维持微生物多样性和功能。Rationally-Selected Microbiota为可在纯培养基中生长繁殖的微生物菌群设计靶向机制,得到精选微生物菌株。

 

截止到目前,Finch Therapeutics完成融资总额达1.43亿美元。

 

image.png

Finch Therapeutics融资历程

 

Atomwise

 

Atomwise是一家利用超级计算机进行药品研发的公司,主要应用场景为化合物筛选。

 

该公司旨在运用超级计算机、AI和复杂的算法模拟制药过程,来预测新药品的效果,降低研发成本。

 

Atomwise 公司开发的 AtomNet 化合物筛选系统,是一款基于卷积神经网络的AI系统,旨在运用超级计算能力和复杂的算法,对潜在药物分子的多向药理学、选择性和疗效等性质进行筛选,同时保证其低脱靶效应。AtomNet可以自主地学习控制分子结合的特性,避免了传统计算方法中典型的手工调整和参数化结合特性的过程。AtomNet将局部卷积滤波器应用于蛋白质结构目标信息,能够成功预测目标的新活性分子。

 

AtomNet将对新药的发现和优化从数年的时间缩短到数周,大大降低了时间和资源成本,为制药公司、创业公司和研究机构带来更多的发展机会。目前AtomNet已经将化合物发现效率提高1万倍,筛选结果输出速率比超高通量筛选高出100倍,每天可筛选超过1亿个化合物分子。

 

截止到目前,Atomwise完成融资总额达1.74亿美元。

 

image.png

Atomwise融资历程,来源:动脉橙

 

Insitro

 

Insitro是一家以机器学习和高通量生物学为核心的药物研发公司,主要应用场景为靶点发现、化合物筛选、临床试验设计。

 

Insitro不仅依靠有限的“已找到”数据,而且可以利用现代生物学工具来生成针对机器学习进行了优化的高质量大数据集,通过生成与患者数据一致的高通量功能基因组数据集,并通过新颖的机器学习方法来解释这些数据,从而建立用于加速靶点筛选和推动治疗方案设计的预测模型。

 

Insitro通过从遗传、表型和临床数据中获取相关信息,利用机器算法来提高传统遗传分析的精准度,使之更接近疾病的基本结构和生物学,数据管道和自动化设施可以快速生成大量高质量的数据。同时,Insitro结合了来自患者的诱导多能干细胞(iPSCs)、基因组编辑、高含量细胞表型和机器学习等方式来构建体外疾病模型,通过优化遗传、细胞类型、环境和多维数据收集,可以用更细的粒度区分细胞状态,并预测与疾病相关的临床特征,最大限度地预测药物临床结果。

 

Insitro疾病预测模型结合了体外细胞系统和计算机模拟机器学习,可以发现以前从未见过的疾病类型,并寻找其治疗手段。通过预测模型,Insitro能够识别疾病的突破性靶点,使药物设计具有可行性,并推动生物标志物和临床开发策略的发展。

 

截止到目前,Insitro完成融资总额达2.43亿美元。

 

image.png

Insitro融资历程,来源:动脉橙


BenevolentAI

 

BenevolentAI是一家应用人工智能开发治疗疑难疾病新药公司,它是第一家完全集成的AI公司,同时拥有药物发现和临床开发能力,主要的应用场景是靶点发现、化合物筛选、药物重定向。

 

BenevolentAI核心技术平台为JACS(Judgment Augmented Cognition System),是一种判断加强认知系统,从散乱无章的海量信息中提取出能够推动药物研发的知识,提出新的可以被验证的假设,从而加速药物研发的过程。

 

为提高JACS运算能力,公司从英伟达购买了专门为深度学习设计的超级计算机DGX-1。这台计算机可以模拟发生在大脑皮层中的识别和学习模式,加快在不同信息源之间建立新的关系,从而产生更快、更多的新药创新。

 

一种疾病在多个患者群中的致病机制是不同的,但有效的治疗需要将这些不同的机制逐一击破。公司的目标在于希望通过AI平台来识别这些机制的药物靶标,并让药物作用于它们。

 

BenevolentAI公司推出的JACS系统,凭借其自然语言处理能力和深度学习能力,在短时间内能够集中处理大量的非结构化数据,包括疾病数据、药物数据、试验数据等等,并发现他们之间的新联系,找到药物的新适应症,实现药物重定向,帮助科学家发现药物更有价值的适应症。

 

2014年6月,BenevolentAI宣布与一家美国的制药公司达成合作,并将两款经过新适应症(阿尔茨海默氏症)验证的新药卖给这家美国公司,这两款药物处于中标候选化合物评估阶段,此次交易高达8亿美。2017年5月,BenevolentAI对一款名为bavisant的临床试验失败药物进行重定向分析,发现其对帕金森患者日间过渡嗜睡症状具有较好的治疗效果。

 

截止到目前,BenevolentAI 完成融资总额达2.56亿美元。

 

image.png

BenevolentAI融资历程

 

 

Erasca


Erasca公司成立于2018年,是一家专注于消除癌症的生物技术公司,主要应用场景为靶点发现和药物重定向。

 

Erasca有多个发现项目正在进行中,针对的是未公开的靶点,这些靶点是癌症的生物学驱动因素。

 

OPRA(Oncology Pattern Recognition Algorithm)是Erasca的专有人工智能药物发现平台,利用机器学习等先进的计算工具,开发创新的肿瘤治疗策略。该平台不依赖于某种特定的药物或任何关于癌症治疗的单一方法,以单剂联合方法关闭癌症通路,从而加速药物发现。OPRA通过分析国内外大规模数据集,使Erasca的科学家能在庞大的癌症生物学数据中处理基本致癌基因。

 

OPRA的数据医疗方法非常灵活,支持多个程序并行部署。OPRA还运用Erasca的药物发现流程,使科学家和人工智能在研发过程中加速开发具有最大效力的疗法,以实现其治愈癌症的最终目标。

 

截止到目前,Erasca完成融资总额达3.00亿美元。

 

image.png

Erasca融资历程

 

Schrodinger

 

薛定谔公司是一家药物发现与材料设计公司,致力于开发和应用先进的计算方法,改变科学家设计治疗方法和材料的方式,主要应用场景为化合物筛选。

 

FEP是薛定谔推出的药物研发解决方案,它以“自由能扰动”方法为基础,持续高精度地评估所有环节的物理作用对药物分子与蛋白质结合的贡献。其中,自由能扰动是指将一个初始分子扰动或转化为另一个目标分子,通过评估自由能扰动带来的结合亲和力变动,确定分子的蛋白质结合亲合力。

 

在FEP+中,薛定谔公司在GPU上运行具有计算效率的分子动力学引擎,并整合经典分子力学力场、自动化工作流程,采用高效,增强的采样方法,实现自动原子映射和交互映射分配,以确保自由能量扰动评估的准确性。

 

利用其计算平台,它每周都可以评估数十亿种化合物分子。而利用常规的方法,普通的医药公司每年大约能在药物发现项目中合成1000个候选化合物。

 

截止到目前,薛定谔完成融资总额达3.75亿美元。薛定谔也是融资总额排名前十内唯一一家上市公司,上市当日募资逾2亿美元,超过预期募资33%。

 

image.png

Schrodinger融资历程

 

晶泰科技

 

晶泰科技成立于2015年09月11日,是一家以计算驱动创新的药物研发公司,主要应用场景是化合物合成、化合物筛选、晶型预测及药物重定向。

 

公司以计算驱动创新,其ID4(Intelligent Digital Drug Discovery and Development)智能药物研发平台结合量子物理、人工智能与超大规模云计算技术,可以准确预测小分子药物的多种重要特性,加速药物临床前研究的效率与成功率。

 

晶泰科技突破性地实现对小分子药物重要特性的快速、准确预测,药物晶型预测技术已达到世界领先水平,在体系复杂度、预测精确度与计算速度上远超同类预测方法。在药物设计和药物固相筛选等领域拥有多项行业领先的技术,目前,药物晶型预测技术已被全球多家药企采用,获得业界专家的广泛认可。

 

截止到目前,晶泰科技完成融资总额达3.82亿美元。

 

image.png

晶泰科技融资历程

 

Recursion Pharmaceuticals

 

Recursion Pharmaceuticals是一家是一家集人工智能、实验生物学和自动化于一体的临床阶段生物技术公司,主要应用场景为靶点发现、化合物筛选、临床试验设计。

 

Recursion将实验生物学和自动化与人工智能结合在一个大规模并行系统中,有效地发现各种适应症的潜在药物,包括遗传病、炎症、免疫学和传染病等疾病。

 

Recursion的机器人平台拥有丰富的、可关联的数据库,其中包含超过2PB的生物图像,这使得该公司的机器学习方法能够揭示候选药物作用机制和潜在的毒性,解码生物学,并推进新的疗法,从根本上改善人们的生活。

 

虽然Recursion计划优先发展其自身的罕见疾病治疗业务,但它将继续在多个疾病领域,包括免疫肿瘤学、肿瘤学、衰老和炎症等,与业界领先的制药公司建立合作关系。

 

截止到目前,Recursion Pharmaceuticals完成融资总额达5.46亿美元,是目前获得融资总额最高的AI+新药公司。

 

image.png

Recursion Pharmaceuticals融资历程


注:文中如果涉及企业数据,均由受访者向分析师提供并确认。如果您有资源对接,联系报道项目,寻求合作等需求请填写需求表

声明:动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。转载请联系tg@vcbeat.net。

分享

微信扫描二维码分享文章