欢迎访问ic37.com |
会员登录 免费注册
发布采购

AI在药物研发领域具有足够的潜力和价值

日期:2021-4-13 类别: 阅读:279 (来源:互联网)

邓代国说:费米子是指天使粒子,意味着我们队能找到更有价值的药物分子、天使分子。邓代国这样描述费米子正在做的事情——从药物的目标选择到IND,甚至推进到临床I期的解决方案,包括开发开发平台、数据爬取、数据结构化、数据生成和筛选、理化数据预测、基于该平台的小分子药物开发。

随着人工智能制药领域融资的不断更新和人工智能技术发现的药物分子进入临床阶段,是否意味着人工智能制药处于成熟阶段?

近日,生辉采访了国内AI制药公司-广州费米子科技有限公司(以下简称费米子)创始人兼CEO邓代国博士,与他谈到了AI制药创业公司发展的基本逻辑和突破口。

在邓代国看来,整个人工智能制药行业仍处于早期发展阶段。目前,行业似乎没有独特的局面,人工智能制药公司都关注自己擅长的领域。

邓博士毕业于中山大学的计算机系统,BAT42W-7也是连续创业者。从2015年开始,他开始探索人工智能技术在许多行业的应用,建立了纺织行业首个基于深入学习的大型专业图像搜索引擎面料电子商务交易平台,获得了创新工厂等多个机构的投资。2018年,他决定将人工智能技术应用于药物开发领域,正式成立费米子-利用人工智能技术开发小分子药物。

费米子去年11月宣布完成近亿元的a回合融资。

邓代国说:费米子是指天使粒子,意味着我们队能找到更有价值的药物分子、天使分子。

从目标到IND

邓代国这样描述费米子正在做的事情——从药物的目标选择到IND,甚至推进到临床I期的解决方案,包括开发开发平台、数据爬取、数据结构化、数据生成和筛选、理化数据预测、基于该平台的小分子药物开发。

从目标到IND开发的核心是基础技术平台-FermiNet小分子开发平台。

该平台根据片段进行药物设计,可以满足研究者混合多个对某个目标已知活性化合物的片段,获得先导化合物。官方声称,基于这个平台,与传统药物开发相比,费米子可以节约1~2年,提高开发效率,部分优化环节比传统开发高10倍左右。

据邓代国介绍,目前费米子正在进行Beta测试,选择具有高组织和高蛋白亚型选择性的商业发展方向,测试专用平台的特殊筛选功能。例如,在筛选活性亚型时,可以提高亚型分子的安全性,控制代谢半衰期,评价特定的给药,分布给特定的组织。

具体流程是:在决定开发流水线时,首先由AI和不同学科人员组成的投资委员会围绕适应症方向选择目标;确定目标后,针对特定目标,使用优化的通用模型筛选最佳目标亚型;针对活性,根据这些数据和现有模型生成相关的结构化数据,在不同的商业目标下使用通用模型筛选特定的化合物。

在此基础上,费米子已经开发出了十几个处于不同阶段的小分子,适应症集中在炎症、镇痛、肿瘤等方面。目前,对炎症和镇痛适应症有2-3条管道已完成临床前候选化合物的数据采集和生成,预计IND批件将于今年10月至12月提交。

在药物发现过程中,首先要确定治疗药物的目标。费米子目前还没有明确选择的目标,邓代国明确了目标选择的基本原则是世界Top5的创新目标。

此外,费米子围绕三个适应症方向,根据所选目标的协同效应、产品科学调查和市场规模,以产品矩阵结构垄断战略为主,不断扩大产品管道。例如,在确定慢性痛目标后,选择相应补充急性镇痛目标的皮肤炎症目标后,继续补充特定器官的炎症目标。

邓代国表示,费米子的商业模式主要与药企合作开发,推进IND或临床I期后转让,保留部分药品权益。如今,费米子已与国内十几家上市制药公司合作。

这个平台需要完善

费米子专用的小分子平台还需要完善。首先,建立多种功能网络,不断优化,如选择性网络、半衰期网络、血脑屏障网络等,其次,需要不断积累具有临床价值的数据,掌握从目标到IND阶段的整体解决方案。

在这个阶段,费米子的数据主要有两个来源,一个是商业支付数据库,另一个是公开数据库,使用工具爬行成为结构数据,自动识别特性分子,规模化该属性标签,结构化集成到系统中。

人工智能的创新是整合分散的现有数据,生成结构化数据,深入学习分析数据规律,按照这些规律开发药物,提高开发效率和准确性。

目前,AI+制药领域不会出现独特的局面

新药的发现和开发过程非常漫长,价格昂贵,风险极高。据塔夫茨药物研发研究中心统计,新药物的研发成本约为26亿美元,平均需要10-15年。而且每个药品发现过程的平均成功率只有10%,药企的收益率从2008年的10%下降到2%左右。

对于药品研发公司来说,寻求药品研发的转型和升级似乎也是必选之路。人工智能通过不断深入学习优化模式识别和表达学习的熟练程度,结构分析和处理化合物结构、基础生理机制和基因等数据,可以更准确、更快地预测分子化合物。

人工智能似乎可以通过深入的学习、算法和强大的算力给出最佳解决方案,从而揭示疾病基因通道的复杂性,甚至生物学的复杂性。

德勤的研究报告显示,人工智能辅助药物是解决药物研发问题最有希望的解决方案。

人工智能在药物研发领域具有足够的潜力和价值。作为基本工具,越来越多的药企会选择使用AI工具,渗透率会越来越高,效率也会越来越高。随着人工智能设计的药物不断进入临床开发阶段,人工智能在制药领域的话语权也越来越强,越来越受到业界的认可。

Moderna公司Moderna公司正在使用亚马逊的AWS云,设计新的冠状病毒疫苗,开发肿瘤、罕见疾病、自身免疫病等领域的MRNA治疗BMS公司与AI科技公司ConcertohealthAI公司合作,利用后者的真实世界数据和AI平台eurekahealth加快了新药物的发现和开发,英国AI药物公司Exscientia公司与GSK、罗氏、赛诺菲、新基、拜耳等公司合作,2019年4月,Excithealth加快了新药物的发现和研发现。

人工智能制药公司越来越多地与生物制药公司牵手,这在一定程度上也表明制药行业开始打开人工智能的大门。药企越来越认可人工智能在新药研发中的作用。

人工智能制药正处于成熟阶段?

大环境越来越好,但人工智能制药是门槛高的领域,与传统制药方法有很大差距。我认为人工智能药物的开发还处于起步阶段,人工智能进入成熟期还有很长的路要走。

在他看来,未来会有更多的人工智能制药公司如雨后春笋般涌现,但他们将关注特定领域,不会出现独特或垄断的情况。

人工智能药物研发对生物模型和数据模型的要求很高,所以每个人工智能药企都有自己的边界,很难形成垄断局面。这些人工智能制药公司将专注于自己擅长的领域,充分发挥自己独特的优势,在特定领域积累差异化布局。

第一步是将几个管道推广到IND,选择几个管道推广到临床第一阶段,然后与特定领域的合作伙伴一起开发或转让;第二步是完善临床前平台,生成人工智能驱动的药物研发计划;第三步是继续开发下一个产品管道;第四步是希望未来在研究管道推广到临床第二阶段,在适当的时间选择上市。这是邓小平对费米子的下一个计划。