当前位置:首页 > 前沿科技 > 正文

Insilico Medicine为人工智能开辟了新的目标,并在新的分子设计中发现了临床前药物突破

今天,著名的AI药物研发公司Insilico Medicine宣布,该团队首次在人工智能和新药开发方面取得了33,354 *的突破,将生物学与生殖化学*相结合,发现了一种新的治疗特发性肺纤维化(IPF)的临床候选药物*,并通过多项人体细胞和动物模型实验成功验证。IPF涉及许多疾病,影响许多器官(肺、肝和肾)。这种新药的出现有望解决全世界成千上万患者的医疗需求。

到目前为止,IPF的病因尚不清楚,其发病机制在医学界仍不清楚。而且该病多为散发,患者从出现症状到死亡的平均生存期不到5年。

广泛的肺纤维化容易并发肺癌,晚期还可能出现肺动脉高压。现在,治疗IPF的药物在临床上已经使用了30多年,只有10% ~ 30%的患者有疗效。患者在疾病晚期依靠氧疗提高生活质量,但情况不容乐观。

Insilico  Medicine为人工智能开辟了新的目标,并在新的分子设计中发现了临床前药物突破

Insilico Medicine的创始人兼首席执行官Alex Zhavoronkov博士说:“*将正确的药物靶点与正确的疾病联系起来是药物研发的最大挑战*”,“随着我们第一个人工智能发现和临床前候选药物(PCC)科学验证的里程碑,Insilico克服了药物发现的另一个主要障碍,突破了传统药物发现过程中的另一个瓶颈,这需要的成本和时间非常少。”

AI改写药物发现的历史

据了解,Insilico Medicine在生物技术和药物发现领域获得了许多行业的第一名,因为它在世界上首次利用人工智能发现了特发性肺纤维化药物的新机制:

* *通过多次人体细胞和动物模型实验的成功验证,证明了人工智能开发的新药靶点和分子的有效性和安全性。今天的突破标志着人工智能在行业中的首次科学验证及其在新药研发中的应用,直至候选化合物的临床前研究。*

* *第一次在新药研发过程中将生物和化学通过人工智能结合起来。历史上,通过临床前和临床研究发现新靶点、设计新化合物和验证其有效性的步骤是人工智能药物发现过程中的不同部分。*

* *Insilico Medicine在临床前候选药物的选择上取得突破,创造了速度和成本最低的新纪录——大大加快和促进了临床前开发,同时节省了数百万美元的药物开发成本。*

创新工场董事长兼CEO李开复博士表示,创新工场投资了Insilico Medicine,并看好该公司从早期就注重将尖端AI技术与新药研发相结合的创新能力。这一次,在AI技术平台的支持下,潜在的首个特发性肺纤维化药物分子得到了快速开发和推广,成功实现了临床前候选药物的里程碑。在一定程度上*验证了AI算法结合药物化学和生命科学能够更高效地开发出潜力巨大的候选药物,是世界*的里程碑。“Insilico Medicine创始人兼CEO Alex Zhavoronkov博士带领的团队,结合AI科学家和新药研发科学家,有着严谨的科学方法论和用AI造福人类的愿景。是用AI解决现实世界重大挑战的具体实践。”

从靶点发现到临床前候选药物的发明,Insilico Medicine在不到18个月的时间内实现了靶点发现、分子生成和传统实验验证、IPF疗效确认和动物体内安全性评价,总成本约* 180万美元*,其他纤维化疾病疗效研究总成本约* 80万美元*,合成和测试的小分子化合物不超过80种。

传统的药物发现是从测试筛选*几万*小分子开始,再进一步合成测试几百个分子,从而获得少数适合临床前研究的候选药物,其中只有* 1/10 *左右的候选药物最终能通过h

进一步阻碍新药进入市场的另一个障碍是,整个R&D进程中涉及的大量R&D步骤——每个阶段花费数亿至数千万美元——往往分散在R&D药品行业的不同公司或不同业务部门。

扎沃龙科夫博士说:“我们正在改写药物发现的历史,成为由人工智能驱动的药物发现综合系统的第一个也是唯一的先驱和领导者。”“通过创建第一个通用系统,药物开发的所有领域都从目标发现、小分子化合物的设计和未来临床试验结果的预测联系在一起,Insilico Medicine的人工智能平台将能够*支持药物研发每个阶段的发展。”

AI如何发现新机制特发性肺纤维化药物

目前AI广泛应用于化学药物研究,主要用于药物靶点发现、药物筛选、结构优化和合成分析:

*寻找药物目标*。AI可以从浩如烟海的文献中搜索隐藏的靶标信息,比较不同靶标信息的潜力,为药物研发选择潜在靶标。

*药物筛选和结构优化*。AI针对选定的靶标,充分利用已有的信息,评价每个候选分子与靶标的直接相互作用能力,筛选优化最合适的分子。

*确定合成路线*。与传统的逆合成分析不同,AI可以在很短的时间内预测出与药物化学家完美匹配的合成路线。

在这项研究中,Insilico Medicine从人工智能发现的20个与纤维化相关的新潜在靶点开始研究,并逐步将适应症范围缩小到专门针对IPF的新靶点。

目标确定后,Insilico Medicine设计了一组新的化合物,通过人工智能生成化学系统选择性抑制这一新目标。这些分子必须具有良好的选择性、生物利用度、代谢稳定性、口服性质、安全性以及许多独特的高质量药物性质。这些分子最初是由该公司的生殖化学人工智能系统*Chemistry42*中基于结构的分子设计算法产生的,并在细胞实验和动物模型实验中显示了它们的有效性。

然后将这些实验数据反馈给人工智能系统,人工智能设计一批新的化合物来优化其活性和药物性质,并再次进行验证。

经过几轮设计-合成-评估-优化-再设计,临床前候选化合物已经确定。Insilico Medicine的临床前候选化合物已通过公司内外纤维化疾病领域专家的严格评估,已进入临床前研究阶段。

此外,公司还通过人工智能预测了IPF这一新靶点、新分子的二期临床试验的成功率。Insilico Medicine目前正在进行IND申报实验,目标是在2022年初进行临床研究。

开创历史的Insilico Medicine

据介绍,Insilico Medicine开发的软件利用生成模型(GAN)、强化学习(RL)等现代机器学习技术生成具有特定特征的新分子结构。Insilico Medicine还开发了用于生成分子、目标识别和预测临床试验结果的软件。自2014年成立以来,Insilico Medicine已筹集了超过* 5200万美元*的资金,并获得了多个行业奖项。Insilico Medicine还发表了100多篇同行评议论文,申请了25多项专利。

2019年,Insilico Medicine发明并推出了一种新的用于药物发现的人工智能系统,该系统可以在*21天*内从头到尾创建全新的分子,成本仅为* 15万美元*。因为靶点发现失败率在95%左右,Insilico Medicine解决了这个行业药物发现的最大瓶颈之一。Insilico的人工智能软件,由创生化学利用现代人工智能技术驱动,可以快速生成具有特定性质的新分子结构。

作为第一家探索将*生殖对抗网络(GAN)和生殖强化学习(RL)人工智能技术*用于药物发现的公司,Insilico Medicine的人工智能软件的成功是第一次向行业展示成功发现和创新的科学验证

深度学习革命的巅峰可以追溯到2014年,一代对抗网络出现,深度学习系统在图像识别领域开始超越人类。同年,公司成立。2016年,我们通过实验验证了深度学习系统可以从组学数据中识别新的生物目标。从2017年到2019年,我们不断证明,生殖人工智能可以发明和设计出在人类细胞和动物体内活跃的新分子。

但还是有一个很大的问题:*人工智能能否为一个没有已知抑制剂且尚未在疾病中得到验证的新靶点设计出新的分子*?现在,我们已经成功地将生物学和化学结合起来,获得了一个可以作用于新靶点的临床前候选药物提名,目的是将其应用于人类临床试验,这是一个亟待解决的难题,更加复杂,风险更大。

据我所知,这是人工智能第一次成功地发现了一个新的靶点,并设计了一种临床前候选药物,可以大规模地作用于疾病的适应症。这对我们来说是一个重要的里程碑。我们最终的‘登月计划’是为了解决人类衰老的问题,这就要求我们拥有越来越可靠的人工智能技术来帮助我们了解和调节人类生物学中的其他慢性病。"

据介绍,该公司整合了*两种商业模式*:通过自主开发的*PhARMa提供人工智能驱动的药物发现服务和软件。AI*平台,并独立开发临床前和临床项目。临床前项目是通过我们自己的平台寻找新的药物靶点和新的分子来实现的。

Insilico Medicine表示,将获得巨额资金支持,用于多种新药靶点的药物发现和开发。该公司使用了自己开发的*制药。人工智能软件*为制药和生物技术公司提供目标发现和化学系统生成服务和支持。*PandaOmics* target discovery AI系统可作为软件服务提供,* Chemistry42小分子生成化学平台*自2020年9月起在制药用户现场安装部署。到目前为止,世界上最先进的制药公司已经开始采用我们的Chemistry42分子产生和设计平台,而PandaOmics已经被多家著名学术机构和制药公司的药物靶点发现部门采用。

同时,Insilico Medicine宣布公司将继续扩大科研团队,并在上海成立了由首席科学官(CSO)任峰博士带领的20多名资深药物研发人员团队,于今年2月加入Insilico Medicine。此前曾担任麦德西生物医药公司生物系、化学系高级副总裁,葛兰素史克公司化学总监。该团队负责将人工智能发现的新药项目推向临床试验,并创建广泛的临床前/临床药物产品组合。

官方论文代码放出,OpenAI是如何实现图像版GPT-3的?

OpenAI 放出 DALL-E 的部分论文与实现代码。 今年年初,OpenAI 图像版 GPT-3、120 亿参数的 DALL-E 刷屏社区,这个大型模�

0

发表评论