近期,AI+創(chuàng)新生物醫(yī)藥研發(fā)平臺南京燧坤智能科技有限公司(以下簡稱“燧坤智能”,Silexon AI)宣布完成超億元人民幣A輪融資,由斯道資本和紅杉中國聯(lián)合領投,泉創(chuàng)資本跟投,老股東和玉資本再度加碼。這是燧坤智能自2018年成立后獲得的第3輪融資,3年累計融資數(shù)億元。

AI新藥公司獲得資本追捧的背后,反映了人們迫切提升新藥研發(fā)效率的愿望。

盡管制藥公司幾十年來不斷地增加投資,但投資10億美元所得到的上市新藥數(shù)目每 9 年就減少一半,這一現(xiàn)象被稱作“Eroom定律”(也稱“反摩爾定律”)�！癊room”是“Moore”單詞的反拼,意思是與摩爾定律相反。后者的意思是價格不變時,集成電路上可容納的元器件的數(shù)目,約每隔18～24個月便會增加一倍,性能也將提升一倍。

2019年7月17日,《藥理科學趨勢》雜志(Trends in Pharmacological Sciences)發(fā)表來自 IBM Watson Health 人工智能團隊的綜述文章《臨床試驗設計中的人工智能》指出,AI可以加快藥物臨床試驗的成功,從而助力破解“Eroom”難題。

那么,在推動AI破解“Eroom”難題的路上,燧坤智能是如何做的?頻頻奪得資本青睞的它,究竟有何魅力?該公司如何將藥物研發(fā)與人工智能這兩門同樣晦澀艱深的技術聯(lián)結在一起、從而加速新藥研發(fā)進程?

行業(yè)面臨的共性問題和挑戰(zhàn):數(shù)據(jù)、算法以及驗證

燧坤智能CEO曾亥年表示,目前在AI制藥領域中,行業(yè)面臨的共性問題和挑戰(zhàn)就是數(shù)據(jù)、算法以及驗證。

數(shù)據(jù)的問題,是如何獲得針對特定問題相關的高質量、重復性好、批間差小的大量正負樣本數(shù)據(jù);

算法的問題,是選擇哪個框架或算法能高效準確提取特定問題的潛在特征或模式,并能從中學習到規(guī)律用于全新預測,且能揭示相應的機制(模型預測結果的可解釋性)為最佳;

驗證的問題,是使用什么測試數(shù)據(jù)集以及實驗快速驗證算法模型的穩(wěn)定性、準確度以及效率。

如何圍繞以上問題提供切實可行的解決方案,對應的便是燧坤智能的核心競爭優(yōu)勢及商業(yè)模式。

以優(yōu)質合作沉淀優(yōu)質數(shù)據(jù),構建私域獨家數(shù)據(jù)庫

自成立以來,燧坤智能不斷推進生物制藥領域的合作開發(fā)及技術落地,促使公司的AI技術與產業(yè)深度融合,賦能新藥研發(fā)。

截至目前,燧坤智能已與超過20家國內外知名藥企/CRO/機構簽署&達成合作意向。這些合作伙伴包括最早專注于慢性病創(chuàng)新藥研發(fā)的君圣泰,國內核酸藥物研發(fā)明星企業(yè)蘇州艾博,知名CRO公司維亞生物、保諾科技,以及其他上市藥企、跨國制藥巨頭……每一個都是在自身領域里對合作伙伴有著極高要求的明星公司。

這些合作為燧坤智能帶來了優(yōu)質的數(shù)據(jù)和驗證結果。在雙方深度合作的過程中,燧坤在不斷優(yōu)化模型,以協(xié)助合作方更加高效地獲得更優(yōu)的候選分子。

AI交叉領域的頂尖人才,保證構建強大算法模型

2018年9月,燧坤智能在圖靈人工智能研究院的孵化下成立。圖靈人工智能研究院于2018年4月成立,致力于通過產學研合作提供公共技術服務,集聚和培養(yǎng)具備交叉學科能力的人工智能人才,推動科技成果轉化和產業(yè)化發(fā)展。

燧坤智能成立伊始,圖靈人工智能研究院為其提供了大量的包括人才、技術、辦公場地、政策引導等多方面的配套支持。

燧坤智能創(chuàng)始團隊是國內外最早一批把深度學習應用于基因組學研究的團隊之一,具有多年AI應用于藥物研發(fā)的經驗,曾在《自然》、自然子刊、細胞子刊等國際核心期刊和會議上發(fā)表論文共計70余篇。

團隊成員均是來自于包括清華大學等一眾國內外頂尖學府的優(yōu)秀人才,深厚的專業(yè)技術能力使得燧坤智能源源不斷吸引AI交叉領域的頂尖人才。而這些頂尖人才的加入,則構成了燧坤團隊開發(fā)強大算法模型的基礎。

及時高頻更新,多個模型驗證以提升任務預測準確率

在不斷開發(fā)新模型的過程中,燧坤智能的算法研發(fā)團隊會始終保持模型更新的及時性。曾亥年告訴動脈網,“我們基本每周會對訓練數(shù)據(jù)和已有模型進行更新和優(yōu)化,確保AI模型處于‘終身學習’、‘持續(xù)迭代優(yōu)化’的狀態(tài)。此外,不同于許多單純從算法角度出發(fā)的技術平臺,燧坤智能在模型建立的初期,就將模型的可解釋性作為重要的工作內容之一�！�

為了提升任務的預測準確率,燧坤會使用多個模型對同一個任務開展交叉驗證工作。

此外,燧坤團隊有著極強的生物醫(yī)藥領域背景,該團隊在RNA、DNA、蛋白質折疊、計算化學及藥物靶點互相作用上已經開展了大量的前沿探索并積累了豐富的研究經驗,發(fā)表了數(shù)十篇高引用高影響力同行評議的文章。

在日常的研發(fā)工作中,團隊會按照生物制藥公司標準進行立項,保證燧坤在設計開發(fā)AI新藥模型時能夠深挖新藥開發(fā)的痛點及難點,深度介入開展AI新藥研發(fā)工作。立項委員會從AI、藥化、生物、商務幾個方向判斷,確保公司的工作開展在一開始就有充足論證。

在項目開展過程中,交叉背景的成員在相互交流的過程中實現(xiàn)相互促進,相互提升,在依據(jù)各自背景承擔相應任務和同時,憑借協(xié)作研發(fā)的過程實現(xiàn)專業(yè)互補。

兩大平臺高效加速新藥研發(fā),BIC/FIC模型全覆蓋

實力強勁、配合默契、專業(yè)互補的的交叉背景研發(fā)團隊,目前已經交出了一份令人驚喜的答卷。

由燧坤智能自主研發(fā)的AI4D?/ AI4Pat?能以傳統(tǒng)藥物研發(fā)手段約1/3-1/10時間/成本獲得臨床前活性分子,極大提升新藥研發(fā)效率,縮短研發(fā)時間并降低研發(fā)成本。

其中,AI4D?藥物研發(fā)平臺主要賦能一類新藥、難成藥靶點及老藥新用的臨床前階段藥物研發(fā)環(huán)節(jié),覆蓋了靶點開發(fā),苗頭化合物發(fā)現(xiàn)、先導化合物篩選、先導化合物優(yōu)化,PKPD評估等一系列必要環(huán)節(jié),旨在以高效、高成功率的方式獲得“First in class”候選分子。

人工智能輔助平臺Silexon™AI4Pat™的研發(fā)主要用于快速跟進藥物的研發(fā)工作,以高效、快速、低成本獲得臨床前候選分子,助力藥企實現(xiàn)“Fast follow”到“Best in class”的彎道超車。

當然,除了技術研發(fā)團隊自身實力過硬之外,能夠讓燧坤智能發(fā)展火速,保持強執(zhí)行力使得公司高效運轉,還離不開背后運籌帷幄的優(yōu)秀掌舵人。燧坤智能CEO曾亥年在醫(yī)藥行業(yè)摸爬滾打10余年,產業(yè)經歷十分豐富。

復旦大學生科院本科以及美國約翰霍普金斯大學(JOHNS HOPKINS UNIVERSITY)生物科學法規(guī)監(jiān)管碩士/北卡羅來納州立大學(NORTH CAROLINA STATE UNIVERSITY)植物生物學雙學位碩士的教育經歷使得他有較強的FDA注冊監(jiān)管、生命科學及化學基礎;國藥控股負責BD、戰(zhàn)略制定以及科研管理,上海藥監(jiān)局近一年的評審工作等產業(yè)一線經歷,使得他積累了深厚的行業(yè)人脈及業(yè)界經驗;在平安創(chuàng)投就職負責創(chuàng)新生物醫(yī)藥領域的一二級投資,則讓他迅速熟悉生物醫(yī)藥前沿創(chuàng)新,更加懂得融資及資本運作。豐富的產業(yè)經歷讓曾亥年能以更為開放、長遠的視角去實施公司的決策運營,廣闊的人脈圈則助力燧坤能更容易地實現(xiàn)優(yōu)質人才聚攏。

頻頻獲得資本的青睞,使得燧坤在資金流水上似乎從未出現(xiàn)過類似“拮據(jù)”這樣的問題,但難的是,如何花好這每一分錢,實現(xiàn)價值效益的最大化。曾亥年告訴動脈網,在未來的短時間內,燧坤將繼續(xù)注重平臺建設,不斷完善已有模型工具的效果,同時不斷突破開發(fā)新的“殺手锏”模型。

此后,燧坤智能希望能夠憑借完善的人工智能賦能藥物研發(fā)平臺,與越來越多的藥企建立起深度合作,重構新藥研發(fā)全流程,增加新型藥物研發(fā)的成功率,減少藥物研發(fā)的成本和周期,最終實現(xiàn)更好的藥物可及性,為社會造福。

作者:陳宣合