AI+新藥領(lǐng)域融資總額已超45億美元

醫(yī)藥行業(yè)一直以來都是個相對封閉的行業(yè)。復(fù)雜且與其他行業(yè)不共通的藥學(xué)知識，讓醫(yī)藥行業(yè)與外界之間始終隔著一道墻。如今這堵墻正在因為數(shù)字化技術(shù)的介入逐漸瓦解。越來越多人工智能企業(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)？誰已經(jīng)走到行業(yè)頭部，誰又給出了全新的解決方案？

動脈網(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)未來的發(fā)展方向。

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

2020年9月，AI驅(qū)動藥物研發(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。將時間再往前推進一個月，2020年8月，又一AI驅(qū)動藥物研發(fā)公司星藥科技宣布完成1000萬美元PreA輪融資。

醫(yī)藥研發(fā)是制藥企業(yè)價值和生命力的核心所在，但新藥研發(fā)周期長、成功率低和研發(fā)費用高一直是該領(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)，憑借其強大的發(fā)現(xiàn)關(guān)系能力和計算能力加速醫(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)則是收益遠遠大于研究投入的代表。

動脈網(wǎng)據(jù)公開資料統(tǒng)計，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，累計獲得融資總額共計45．81億美元。其中，國外有37家公司獲得融資，累計總額共計31．65美元，國內(nèi)有19家公司獲得融資，累計融資總額14．16億美元。

AI＋新藥研發(fā)市場從2010年到2020年，獲得融資金額逐年上升，二級市場活躍，動脈網(wǎng)對56家AI＋新藥研發(fā)企業(yè)進行梳理發(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將為藥企帶來怎樣的突破？AI＋新藥研發(fā)的應(yīng)用場景發(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)藥時代已經(jīng)到來

隨著世界各國經(jīng)濟的發(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)市場規(guī)模日益擴大。

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

而同時期中國醫(yī)藥市場的銷售額將從2012年的770億美元增長到2021年的1780億美元，年均復(fù)合增長率達到9．8％，是全球醫(yī)藥市場的2倍。這表明全球醫(yī)藥市場在穩(wěn)步增長，而中國醫(yī)藥市場的增長更快，具備更好的發(fā)展?jié)摿Α?/p>

中國的醫(yī)藥市場位于世界第二大市場，在市場驅(qū)動力的高速增長下，我國醫(yī)藥市場在過去幾年保持著超過全球醫(yī)藥市場的增速增長。數(shù)據(jù)顯示，2019年中國醫(yī)藥市場規(guī)模為16330億元，預(yù)計2020年將進一步擴大至17147億元。醫(yī)藥市場穩(wěn)步增長，藥企更加需要加大新藥研發(fā)力度來滿足市場的需求。

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階段。

其中，藥物發(fā)現(xiàn)階段主要涉及疾病選擇、靶點發(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、化合物驗證為主，包括藥物的構(gòu)效關(guān)系分析、穩(wěn)定性分析、安全性評價和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，新藥研發(fā)面臨研發(fā)周期長、研發(fā)成功率低以及研發(fā)費用高等三大困境。

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

各大傳統(tǒng)藥企在面臨研發(fā)周期長、研發(fā)成功率低以及研發(fā)費用高的困境下，都在努力嘗試通過技術(shù)創(chuàng)新來加快新藥研發(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)用帶來了契機。

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

在發(fā)現(xiàn)關(guān)系方面，AI具備自然語言處理、圖像識別、機器學(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。

在計算方面，AI具備的強大認知計算能力，可以對候選化合物進行虛擬篩選，更快的篩選出具有較高活性的化合物，為后期臨床試驗做準(zhǔn)備。

AI＋新藥應(yīng)用場景：靶點發(fā)現(xiàn)先行，化合物篩選緊跟其后

機器學(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，對數(shù)據(jù)類別或連續(xù)變量進行結(jié)果預(yù)測。而非監(jiān)督學(xué)習(xí)則是用于建立一個開發(fā)模型，對含有相同特性的靜態(tài)數(shù)據(jù)進行聚類。

將這兩種方法應(yīng)用到新藥研發(fā)中，非監(jiān)督學(xué)習(xí)主要針對的是將海量醫(yī)學(xué)臨床前和臨床數(shù)據(jù)進行分類，例如單細胞RNA數(shù)據(jù)進行細胞類型和生物標(biāo)志物分類、對生物標(biāo)志物進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中挖掘靶點－疾?。蜿P(guān)系，從基因表達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)測成功臨床試驗的基因表達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行結(jié)合，可以進行虛擬的藥物靶標(biāo)篩查實驗，從而輸出待測化合物的生物活性和檢測結(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)用分為以下七大場景：靶點發(fā)現(xiàn)、化合物合成、化合物篩選、晶型預(yù)測、患者招募、優(yōu)化臨床試驗設(shè)計和藥物重定向。

AI＋新藥應(yīng)用七大場景

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，更加貼近患者招募和優(yōu)化臨床試驗設(shè)計等應(yīng)用場景，但其目前的算法種類僅存在五種，與監(jiān)督學(xué)習(xí)相比還有很大的進步空間。監(jiān)督學(xué)習(xí)覆蓋了靶點發(fā)現(xiàn)、化合物篩選、藥物重定向等AI＋新藥應(yīng)用場景，這也是為什么目前以靶點發(fā)現(xiàn)和化合物篩選為重點的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)用場景有自己涉獵的重點，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發(fā)現(xiàn)，共有6家企業(yè)有突破性進展。臨床試驗設(shè)計僅有一家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

靶點發(fā)現(xiàn)

新藥發(fā)現(xiàn)中基于藥物靶點的藥效學(xué)評價已經(jīng)成為當(dāng)今國內(nèi)外新藥研究和開發(fā)的基本方針。當(dāng)藥物靶點確定之后，就要開展基于靶點的藥效學(xué)評價，從而發(fā)現(xiàn)新藥。傳統(tǒng)的靶點研究依賴藥學(xué)研究工作者對相關(guān)科研文獻和個人知識經(jīng)驗積累去推測靶點，平均耗時在2～3年的時間，并且發(fā)現(xiàn)靶點的成功率極低。

藥物靶點的發(fā)現(xiàn)核心是要從海量數(shù)據(jù)庫中獲得靶點和疾病之間的因果關(guān)系，機器學(xué)習(xí)可以提供一系列工具，通過使用大量的高質(zhì)量生物數(shù)據(jù)和算法對計算機進行訓(xùn)練，使計算機能夠?qū)W習(xí)如何執(zhí)行任務(wù)，對指定問題進行發(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)用場景。

生物學(xué)數(shù)據(jù)的不斷豐富為靶點發(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、健康個體和患有特定疾病個體的轉(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行重新的組合，產(chǎn)生具有有效統(tǒng)計的模型，這樣的模型就是靶點發(fā)現(xiàn)的核心所在，它可以對靶點識別作出預(yù)測，縮短靶點發(fā)現(xiàn)周期。

隨著機器學(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、生物識別信息和其他來自可穿戴設(shè)備、試驗數(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，并進行分析整理。

2

化合物篩選

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

一種潛在的藥物分子需要經(jīng)過數(shù)年才能完成開發(fā)階段和臨床階段試驗，而且大多數(shù)化合物往往在進入市場之前就已經(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的候選化合物中識別出高潛力化合物，會消耗大量的時間和資源，而當(dāng)候選分子的作用靶點極少時，消耗又會進一步加大。

為了解決這一問題，許多研究人員選擇用虛擬篩查（Virtual Screening， VS）來輔助高通量篩查，通過更加快速和廉價的虛擬篩選方式，減少進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)，我們對這十家最受資本青睞的公司進行簡單的梳理，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進行自動化藥物研發(fā)指導(dǎo)，主要應(yīng)用場景為靶點發(fā)現(xiàn)和化合物篩選。

Exscientia利用組合算法對根據(jù)已有的藥物研發(fā)數(shù)據(jù)自動設(shè)計出上百萬種與特定靶標(biāo)相關(guān)的小分子化合物（包括針對單靶點的小分子藥物以及針對靶點組合的雙特異性小分子藥物），并根據(jù)藥效、選擇性、ADME（機體對外源化學(xué)物的吸收）等其他條件對化合物進行評估和篩選。而后篩選出來的化合物會被合成并且進行實驗檢測，然后實驗數(shù)據(jù)會被反饋到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)勢可將藥物研發(fā)時間從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，充分驗證了CENTAUR BIOLOGIST策略的可行性。截止到目前，Exscientia完成融資總額達1．03億美元。

Exscientia融資

AbCellera

AbCellera是一家AI驅(qū)動的抗體研發(fā)公司，主要應(yīng)用場景為靶點發(fā)現(xiàn)和化合物篩選。

公司擁有獨家藥物發(fā)現(xiàn)平臺，該平臺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、機器視圖和人工智能相結(jié)合，從并行運算的高通量單個細胞分析中發(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，該平臺通過使用微型化分析來自任何物種的單個B細胞，從而篩選出候選抗體藥物。該平臺可以根據(jù)疾病類型和應(yīng)用目標(biāo)進行個性化定制，在篩選出來的備選抗體中還可以進一步進行結(jié)構(gòu)優(yōu)化和來源優(yōu)化。AbCellera的平臺可以篩選一次運動中的數(shù)百萬個細胞，誕生數(shù)百種治療候藥物。

AbCellera抗體篩選流程，來源：AbCellera官網(wǎng)

AbCellera利用其人工智能技術(shù)平臺，借助真實世界研究的優(yōu)勢，僅在對患者血液樣本進行第一次篩查的3個月之后，就幫助全球第一個COVID－19抗體候選藥物成功進入人體臨床試。AbCellera已經(jīng)建立了一個完整的技術(shù)站來搜索、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)動的微生物療法研發(fā)公司，主要應(yīng)用場景為藥物重定向。

公司采用創(chuàng)新的機器學(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，利用人類小型生物群移植臨床研究數(shù)據(jù)和機器學(xué)習(xí)平臺，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)對廣譜性和特異性的微生物療法。

Full－Spectrum Microbiota將健康捐贈者群體按照規(guī)則進行嚴格篩選，將捐贈者體內(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)基中生長繁殖的微生物菌群設(shè)計靶向機制，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1．43億美元。

Finch Therapeutics融資歷程

Atomwise

Atomwise是一家利用超級計算機進行藥品研發(fā)的公司，主要應(yīng)用場景為化合物篩選。

該公司旨在運用超級計算機、AI和復(fù)雜的算法模擬制藥過程，來預(yù)測新藥品的效果，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)，旨在運用超級計算能力和復(fù)雜的算法，對潛在藥物分子的多向藥理學(xué)、選擇性和療效等性質(zhì)進行篩選，同時保證其低脫靶效應(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)計算方法中典型的手工調(diào)整和參數(shù)化結(jié)合特性的過程。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)測目標(biāo)的新活性分子。

AtomNet將對新藥的發(fā)現(xiàn)和優(yōu)化從數(shù)年的時間縮短到數(shù)周，大大降低了時間和資源成本，為制藥公司、創(chuàng)業(yè)公司和研究機構(gòu)帶來更多的發(fā)展機會。目前AtomNet已經(jīng)將化合物發(fā)現(xiàn)效率提高1萬倍，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1億個化合物分子。

截止到目前，Atomwise完成融資總額達1．74億美元。

Atomwise融資歷程，來源：動脈橙

Insitro

Insitro是一家以機器學(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)用場景為靶點發(fā)現(xiàn)、化合物篩選、臨床試驗設(shè)計。

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)工具來生成針對機器學(xué)習(xí)進行了優(yōu)化的高質(zhì)量大數(shù)據(jù)集，通過生成與患者數(shù)據(jù)一致的高通量功能基因組數(shù)據(jù)集，并通過新穎的機器學(xué)習(xí)方法來解釋這些數(shù)據(jù)，從而建立用于加速靶點篩選和推動治療方案設(shè)計的預(yù)測模型。

Insitro通過從遺傳、表型和臨床數(shù)據(jù)中獲取相關(guān)信息，利用機器算法來提高傳統(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)管道和自動化設(shè)施可以快速生成大量高質(zhì)量的數(shù)據(jù)。同時，Insitro結(jié)合了來自患者的誘導(dǎo)多能干細胞（iPSCs）、基因組編輯、高含量細胞表型和機器學(xué)習(xí)等方式來構(gòu)建體外疾病模型，通過優(yōu)化遺傳、細胞類型、環(huán)境和多維數(shù)據(jù)收集，可以用更細的粒度區(qū)分細胞狀態(tài)，并預(yù)測與疾病相關(guān)的臨床特征，最大限度地預(yù)測藥物臨床結(jié)果。

Insitro疾病預(yù)測模型結(jié)合了體外細胞系統(tǒng)和計算機模擬機器學(xué)習(xí)，可以發(fā)現(xiàn)以前從未見過的疾病類型，并尋找其治療手段。通過預(yù)測模型，Insitro能夠識別疾病的突破性靶點，使藥物設(shè)計具有可行性，并推動生物標(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2．43億美元。

Insitro融資歷程，來源：動脈橙

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，同時擁有藥物發(fā)現(xiàn)和臨床開發(fā)能力，主要的應(yīng)用場景是靶點發(fā)現(xiàn)、化合物篩選、藥物重定向。

BenevolentAI核心技術(shù)平臺為JACS（Judgment Augmented Cognition System），是一種判斷加強認知系統(tǒng)，從散亂無章的海量信息中提取出能夠推動藥物研發(fā)的知識，提出新的可以被驗證的假設(shè)，從而加速藥物研發(fā)的過程。

為提高JACS運算能力，公司從英偉達購買了專門為深度學(xué)習(xí)設(shè)計的超級計算機DGX－1。這臺計算機可以模擬發(fā)生在大腦皮層中的識別和學(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。

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

BenevolentAI公司推出的JACS系統(tǒng)，憑借其自然語言處理能力和深度學(xué)習(xí)能力，在短時間內(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，實現(xiàn)藥物重定向，幫助科學(xué)家發(fā)現(xiàn)藥物更有價值的適應(yīng)癥。

2014年6月，BenevolentAI宣布與一家美國的制藥公司達成合作，并將兩款經(jīng)過新適應(yīng)癥（阿爾茨海默氏癥）驗證的新藥賣給這家美國公司，這兩款藥物處于中標(biāo)候選化合物評估階段，此次交易高達8億美。2017年5月，BenevolentAI對一款名為bavisant的臨床試驗失敗藥物進行重定向分析，發(fā)現(xiàn)其對帕金森患者日間過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)用場景為靶點發(fā)現(xiàn)和藥物重定向。

Erasca有多個發(fā)現(xiàn)項目正在進行中，針對的是未公開的靶點，這些靶點是癌癥的生物學(xué)驅(qū)動因素。

OPRA（Oncology Pattern Recognition Algorithm）是Erasca的專有人工智能藥物發(fā)現(xiàn)平臺，利用機器學(xué)習(xí)等先進的計算工具，開發(fā)創(chuàng)新的腫瘤治療策略。該平臺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通過分析國內(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，支持多個程序并行部署。OPRA還運用Erasca的藥物發(fā)現(xiàn)流程，使科學(xué)家和人工智能在研發(fā)過程中加速開發(fā)具有最大效力的療法，以實現(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)計公司，致力于開發(fā)和應(yīng)用先進的計算方法，改變科學(xué)家設(shè)計治療方法和材料的方式，主要應(yīng)用場景為化合物篩選。

FEP是薛定諤推出的藥物研發(fā)解決方案，它以“自由能擾動”方法為基礎(chǔ)，持續(xù)高精度地評估所有環(huán)節(jié)的物理作用對藥物分子與蛋白質(zhì)結(jié)合的貢獻。其中，自由能擾動是指將一個初始分子擾動或轉(zhuǎn)化為另一個目標(biāo)分子，通過評估自由能擾動帶來的結(jié)合親和力變動，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上運行具有計算效率的分子動力學(xué)引擎，并整合經(jīng)典分子力學(xué)力場、自動化工作流程，采用高效，增強的采樣方法，實現(xiàn)自動原子映射和交互映射分配，以確保自由能量擾動評估的準(zhǔn)確性。

利用其計算平臺，它每周都可以評估數(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)項目中合成1000個候選化合物。

截止到目前，薛定諤完成融資總額達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，是一家以計算驅(qū)動創(chuàng)新的藥物研發(fā)公司，主要應(yīng)用場景是化合物合成、化合物篩選、晶型預(yù)測及藥物重定向。

公司以計算驅(qū)動創(chuàng)新，其ID4（Intelligent Digital Drug Discovery and Development）智能藥物研發(fā)平臺結(jié)合量子物理、人工智能與超大規(guī)模云計算技術(shù)，可以準(zhǔn)確預(yù)測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現(xiàn)對小分子藥物重要特性的快速、準(zhǔn)確預(yù)測，藥物晶型預(yù)測技術(shù)已達到世界領(lǐng)先水平，在體系復(fù)雜度、預(yù)測精確度與計算速度上遠超同類預(yù)測方法。在藥物設(shè)計和藥物固相篩選等領(lǐng)域擁有多項行業(yè)領(lǐng)先的技術(shù)，目前，藥物晶型預(yù)測技術(shù)已被全球多家藥企采用，獲得業(yè)界專家的廣泛認可。

截止到目前，晶泰科技完成融資總額達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、實驗生物學(xué)和自動化于一體的臨床階段生物技術(shù)公司，主要應(yīng)用場景為靶點發(fā)現(xiàn)、化合物篩選、臨床試驗設(shè)計。

Recursion將實驗生物學(xué)和自動化與人工智能結(jié)合在一個大規(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的機器人平臺擁有豐富的、可關(guān)聯(lián)的數(shù)據(jù)庫，其中包含超過2PB的生物圖像，這使得該公司的機器學(xué)習(xí)方法能夠揭示候選藥物作用機制和潛在的毒性，解碼生物學(xué)，并推進新的療法，從根本上改善人們的生活。

雖然Recursion計劃優(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

責(zé)任編輯：PSY