Mesterséges intelligencia a kábítószer-felfedezésben: 2018 év áttekintésben

Az a gondolat, hogy a mesterséges intelligencia (AI) felhasználása felgyorsítja a gyógyszerek felfedezésének folyamatát, és fokozza a gyógyszerészeti kutatási programok sikerességi rátáját, az utóbbi néhány évben ezen a területen fokozódott az aktivitás. 2018-ban a dolgok még melegebbek lesznek a partnerségek, beruházások és egyéb fontos események számának növekedésével, amelyeket az alábbiakban foglalnak össze és csoportosítanak „mini-trendek” -re.

1. A kockázati tőke indul az AI-vezérelt drogfedezetű induló vállalkozásokba

Ezt az évet lenyűgöző számú adománygyűjtő ügylet jellemezte az AI által vezérelt drogfedezetekkel foglalkozó induló vállalkozók körében - ez egyértelmű jele annak, hogy az „AI a drogfedezetek felfedezéséhez” hely egyre komoly vonzóbbá vált a kockázatitőke-befektetők számára.

BenevolentAI

Eddig egy londoni székhelyű BenevolentAI az év vezető szerepet tölt be az adománygyűjtés terén - áprilisban egy 115 millió dolláros fordulót zártak le, és elképesztő 2 milliárd dolláros értékelési pontot értek el. Noha bizonyos fokú szkepticizmussal találkoztak, ez a hír és a vállalat kutatási tevékenységének jelenlegi üteme kétségtelenül nagyon erős pozícióba helyezi a BenevolentAI-t a versenytársak körében.

Atomwise

Az Atomwise, amelyet 2012-ben alapítottak és mély ideghálózatok használatát kezdeményezte a szerkezet-alapú gyógyszer-tervezés során, 45 millió dolláros beruházást gyűjtött össze, hogy fejlessze az AI-vezérelt drogfedezési technológiáját, az AtomNet-et. A társaság szerint napi 10 millió kicsi molekulát szkrínel, és az AtomNet-et használja, amely mély tanulási algoritmusokat használ, hogy elemezze a molekulákat, és megjósolja azok hatékonyságát gyógyszerekként, toxicitásként és mellékhatásokként.

Insilico Medicine

A listán egy nagyon egyedülálló vállalat - egy amerikai székhelyű Insilico Medicine, amely a legközelebbi versenytársak közül az egyetlen induló vállalkozás, és egy „teljes veremű” mesterséges intelligencia rendszert fejlesztett ki, amely generációs párhuzamos hálózatokon (GAN) alapul, és lehetővé teszi a „véget”. végső ”gyógyszer-felfedezési folyamat - az alapvető biológiai modellezéstől és a biomarkerek fejlesztésétől kezdve a hitmolekulák generálásáig, az ólom optimalizálásáig és a gyógyszerjelöltek preklinikai validálásához. Júniusban az Insilico Medicine nyilvánosságra nem hozott stratégiai beruházást kapott a WuXi AppTec-től, a teljes tőke 20 millió dollárra növelve (a Crunchbase szerint).

Verge Genomics

Nevezetesen, csak egy hónappal később, a WuXi AppTec részt vett egy 32 millió dolláros befektetési fordulóban egy másik AI-vezérelt indításhoz - a Verge Genomics-hoz. Ez utóbbi gépi tanulást és az AI-t használ az Alzheimer- és Parkinson-kór elleni gyógyszerek fejlesztésére. A Verge emellett aktívan növeli a betegek genomikai adatait is - állítólag a cég rendelkezik az iparág egyik legnagyobb erőforrásával ezen a terápiás területen.

Owkin

A New York-i párizsi székhelyű Owkin, amelyet 2016-ban alapítottak, hogy gépi tanulást alkalmazzanak a gyógyszerek felfedezésének optimalizálására a túlterhelt biológiai adatok jobb megértése révén, januárban emelték a 11 millió dolláros A fordulóját az Owkin Socrates technológiai platformjának méretezésére. A platform integrálhatja a molekuláris és képalkotó könyvtárakat a betegek adataival, hogy felfedje a betegséget okozó biomarkerek mintáit, és a vállalat átadási tanulást alkalmaz a modell teljesítményének javítása érdekében, ahol a megfelelően megjelölt adatok kevés.

XtalPi

A 2014-ben az MIT-ben egy kvantifizikusok által alapított XtalPi egy egyesült államokbeli kínai biotechnológiai cég, amely januárban több millió befektető, köztük a Google és a Sequoia China között 15 millió dolláros B sorozatot gyűjtött be. A társaság azt állítja, hogy a mesterséges intelligencia, a kvantumfizika és a nagy teljesítményű felhőalapú számítástechnika kombinálásával gyorsan és pontosan meg tudja mondani a kis molekulatömegű gyógyszerek és a szilárd formák számos fontos tulajdonságát. A technológiák ezt a kifinomult kölcsönhatását felhasználva a vállalat képes „időmegtakarító betekintést nyújtani a gyógyszerjelöltek biztonságába, stabilitásába és hatékonyságába”.

BenchSci

Idén később a Google a BenchSci-be is befektetett. Ez egy intelligens platform az AI-alapú biológiai termékek kereséséhez. A forduló több befektetőtől 8 millió dollárt tett ki.

Motorbiológiai tudományok

A Engine Biosciences egy San Francisco-ban és Szingapúrban működő biotechnológiai cég, amely 10 millió dolláros finanszírozást jelentett be az AI-alapú gyógyszer-felfedezés, a kombinált gyógymódok fejlesztése és a sejtprogramozás előmozdítása érdekében. A cég technológiája lehetővé teszi a kutatóknak és a gyógyszerfejlesztőknek, hogy felfedjék a génkölcsönhatásokat és a biológiai hálózatokat, és tesztterápiákat biztosítsanak, amelyek kifejezetten a genetikai interakciókra irányulnak. A vállalat AI platformja segítséget nyújthat a cél felfedezésében, a gyógyszerek újbóli elterjesztésében és az elemzésben a precíziós gyógyszerek alkalmazásában.

Egyéb figyelemre méltó befektetések 2018-ban: TwoXAR (10 millió dollár), ReviveMed (1,5 millió dollár), GTN (2,8 millió dollár) stb.

(Az „AI a gyógyszer-felfedezésben” foglalkozó ipar összesített statisztikájának áttekintéséhez olvassa el a „Mesterséges intelligencia tájképe (AI) a gyógyszerészeti kutatásban és fejlesztésben” jelentést).

2. A droggyártók folytatják a külső AI-partnerségek vadászatát…

2018-ban a gyógyszergyártók folyamatos érdeklődést mutatnak a feltörekvő AI-alapú startupokkal való partnerség iránt - az algoritmusok erejének kiaknázása érdekében a saját gyógyszer-felfedező programok fellendítéséhez. Az alábbiakban felsorolunk néhány ilyen figyelemre méltó kábítószer-fejlesztési együttműködést:

Merck

Ennek a gyümölcsöző évnek az utolsó hónapját egy új kutatási együttműködés jellemezte a német gyógyszeripari óriás, a Merck és a kanadai AI-vezérelt Cyclica vállalat között. A felek megállapodtak abban, hogy a Merck a Cyclica szabadalmaztatott, AI-vezérelt felhőjét használja a Ligand Express® silico proteome szűrőplatformján, hogy tisztázza a Merck számos kis molekula jelöltjének hatásmechanizmusát, értékelje biztonságossági profilját, és feltárja a további terápiás alkalmazásokat.

Bayer

Novemberben a Bayer többfázisú kutatási együttműködést indított a torontói Cyclica gyógyszer-felfedező társasággal, hogy a sokoldalú AI-vezérelt felfedezési platformját kutatási feladatok széles skálájára használja fel. Ennek az együttműködésnek a keretén belül a Cyclica biztosítja felhőalapú proteom-szűrőplatformját, a Ligand Express®-t, hogy megvizsgálja a kis molekulák célpont nélküli profiljait, és az első osztályú differenciális gyógyszer-tervezési (DDD) technológiát alkalmazza a többcélú célokra. gyógyszer tervezés. Ezenkívül alkalmazza az AI technológiáját a farmakokinetikai tulajdonságok korszerű prediktív modelljeinek felépítésére.

Pfizer

Szeptemberben a Pfizer értékelési megállapodást kötött az Atomwise-vel - az AI-t fejlesztő startupnak most a Pfizer által választott legfeljebb három fehérje számára ígéretes gyógyszerjelölteket kell azonosítania.

Pár hónappal korábban a Pfizer együttműködött egy másik AI-vezérelt indítóval, a XtalPi-vel, hogy kifejlesszen egy gyógyszer-felfedező szoftvert, amely felhasználná az XtalPi számítástechnikai és mesterséges intelligencia szakértelmét. A platformot a gyógyszerszerű kis molekulák pontos molekuláris modellezésére kell alkalmazni.

Bristol-Myers Squibb

A Bristol-Myers Squibb többcélú kutatási együttműködési megállapodást kötött a Sirenas-szal, egy biotechnológiai társasággal, amely gépi tanuláson alapuló számítási megközelítéseket alkalmaz a globális mikrobiómából származó gyógyszerek felfedezéséhez, hogy saját gyógyszer-felfedezési platformját a nyilvánosságra nem hozott, de kihívást jelentő terápiás célok egy sorához alkalmazza. . A kutatási együttműködés kihasználja a Sirenas tapasztalatait az általa védett adatbányászati ​​technológiának az ATLANTIS ™ alkalmazásában, hogy azonosítsa a potenciális drogjelölteket a Sirenas szabadalmaztatott kémiai könyvtárában, amely a globális mikrobióm gyűjteményekből áll. Fontos megemlíteni a Sirenas szakterületének egy másik területét - a legkorszerűbb szerves szintézist, amely lehetővé teszi a vállalat számára, hogy nem csak számítási előrejelzéseket, hanem kémiai vegyületeket is tartalmaz szokatlan természet-ihlette állványokkal.

Boehringer Ingelheim

2018 májusában a Boehringer Ingelheim a Bactevóval együttműködött, hogy alkalmazzák „Teljesen integrált gyógyszermotorjukat” új, kis molekulasúlyú gyógyszerjelöltek azonosításakor.

GlaxoSmithKline

Májusban a GlaxoSmithKline (GSK) gyógyszer-tervezési együttműködést alakított ki a Cloud Pharmaceuticals-szal, egy AI-meghajtó gyógyszer-felfedező céggel, hogy egy kis molekula sorozatot fejlesszen ki a GSK által meghatározott biológiai célok ellen.

(Olvassa el, hogy a Big Pharma miként fogad el AI-t a drogfedezés fokozása érdekében, és megtudhatja több ilyen típusú együttműködést és az AI alkalmazásának tipikus felhasználási eseteit a gyógyszerek felfedezésében)

3.… de bővítse a belső AI képességeket is

Egyrészt a gyógyszergyárak egyre inkább felvesznek indulási induló vállalkozásokat a lehetőségek felkutatására, másrészt ugyanolyan aktívak a belső AI szaktudás bővítésében és a digitális infrastruktúrák kialakításában a hatékonyabb adatfelhasználás érdekében.

A közelmúltban a Novartis bejelentette, hogy befejezi a vállalat digitális átalakítási stratégiájának első szakaszát, amely a nagy adatokra, a digitális infrastruktúrára és a mesterséges intelligenciára összpontosít. Az első szakasz a STRIDE nevű belső program volt, amely számos fontos IT-infrastruktúra-rendszer elindítását jelentette a dokumentumkezelés, a belső vizsgálat, a nagyteljesítményű számítástechnika, a klinikai vizsgálatok kezelése és egyéb feladatok elvégzésére.

A Novartis digitális átalakításának következő szakasza egy prediktív elemzési platform megvalósítása, amelyet gépi tanulási algoritmusok vezetnek a klinikai vizsgálatok támogatására. Erre a Nerve Live kezdeményezés keretében kerül sor, és együttműködésben az amerikai gépi tanulási társasággal, a QuantumBlack-tal.

Végül, a harmadik nagy jövőbeli projekt - Data 42 - tervét tervezi, amely összehozza a Novartis összes adatkészletét, hogy bármilyen adatot lekérdezzen egy centralizált mannárban. Ez természetesen a társaságnál az AI-alapú átalakulás egyik fő előfeltétele.

Hasonlóképpen, szinte minden globális gyógyszergyártó - a Pfizer, az AstraZeneca, az Eli Lilly, a Merck, a GSK és mások - belső szerkezetátalakítási intézkedéseket tesz annak érdekében, hogy felkészüljenek a gyógyszerészeti kutatások digitális átalakítására, valamint a mesterséges intelligencia alkalmazására a gyógyszerek felfedezéséhez és fejlesztéséhez.

4. Vadászat a „nagy adatokra”

Nyilvánvalóvá válik, hogy a gyógyszerészeti kutatásban a jövőben az AI-vezérelt forradalom kulcsfontosságú tényezője az adatok. A változatos, interdiszciplináris, minőségi és megfelelően kidolgozott nagy adatokhoz való hozzáférés nélkül az AI-technológia transzformációs hatása nem valósítható meg teljes mértékben. Ebben az összefüggésben fontos megfigyelni, hogy a vállalatok miként mozognak az adatközpontú kutatási paradigma felé.

GSK és 23andMe

Júliusban a GSK 300 millió dollárt fektetett a 23andMe-be, a Szilícium-völgy géntesztelő vállalatba, amelyet a Google támogat. Ez az üzlet nyitott a GSK számára egy hatalmas DNS-adatbázishoz való hozzáféréshez, amely információkat szolgáltat a gének és a betegségek közötti kapcsolatokról. A 23andMe-nek több mint 5 millió ügyfele van, akiknek többsége engedélyezte adatainak a kutatási programokba való bevonását.

Datavant és Verge Genomics

A Datavant, egy fiatal, amerikai székhelyű, AI-vezérelt induló vállalkozás az egészségügyi adatok megszervezésére és strukturálására összpontosít, hogy gyakorlati betekintést nyerjen a klinikai vizsgálatok megtervezéséhez és értelmezéséhez. Január elején bejelentette stratégiai szövetségét a Verge Genomics céggel, amely mesterséges intelligenciát alkalmaz új gyógyszerek felfedezésére és fejlesztésére. Az újonnan alakult partnerség célja a Datavant birtokában lévő gyógyszerészeti adatkészletek - a klinikai vizsgálati adatok, igények, a gyógyszertári előzmények, az elektronikus egészségügyi nyilvántartások és a betegek genomikai adatainak - felszabadítása. - az új gyógyszerek felfedezésének és fejlesztésének felgyorsítása.

A Datavant eddig a Verge mellett két további partnerséggel rendelkezik - a Duke Klinikai Kutató Intézettel (DCRI), a Globális Genomika Csoporttal (G3) -, amelyek mindegyikének célja a gyógyszer-felfedezési szakértelem, a biológiai nagy adatok és az újszerű analitikai technológiák, például az AI kombinálása. fokozzák az innovációt a gyógyszerészeti kutatás területén.

5. Haladás az integrált kutatási platformok felé

A fenti tendenciák fényében (az AI-re és a nagy adatokra összpontosítva) logikus következmény az, hogy a gyógyszerészeti kutatóipar az együttműködés és a kutatás alapjául szolgáló platform-modellek felé halad. A platformok digitális infrastruktúrák, amelyek összekötik a pontokat a különféle tevékenységek, kutatási területek, működési módok és adatfolyamok között. A platformok vagy „szuperplatformok” széles körben elterjedtek a pénzügyekben, a fogyasztói e-kereskedelemben és más iparágakban, ám ez még mindig új jelenség a gyógyszerészeti kutatásban. A 2018-ban számos esemény meglehetősen szemlélteti itt:

Merck, Accenture és AWS

Bejelentették, hogy a Merck és az Accenture együtt dolgozik az Amazon Web Services-vel, hogy létrehozzon egy felhőalapú platformot, amely az élettudományok iparának különböző ágazataiba bevonja az együttműködőket. Ezt az elemzési platformot nyílt alkalmazásprogramozási felületek (API-k) segítségével fogják felépíteni, és elősegítik az együttműködési környezetet a korai gyógyszer-felfedezési erőfeszítések felgyorsítása érdekében. Ez nemcsak megkönnyíti a kutatók számára az interdiszciplináris adatok összegyűjtését, elérhetőségét és elemzését, hanem csökkenti az új értéket szolgáltatók - alkalmazásfejlesztők, adattudósok, tartalom- és adatszolgáltatók - piacra lépésének akadályait is.

Google és WuXi NextCODE

Márciusban a WuXi NextCODE bejelentette partnerségét a Google-lal annak érdekében, hogy erőteljesen skálázható genomikai adatbázis-kezelő rendszert és kutatási alkalmazásokat integrálja a Google Cloud Platformba. Az ilyen eszközök, mint például a Google Cloud BigQuery és a DeepVariant, beépülnek a WuXi NextCODE képességeibe. A két társaság további eszközökkel és API-kkal is dolgozik a globális genomika közösség felhatalmazása érdekében.

(Olvassa el még: „Készüljön fel az egészségügyi és gyógyszerészeti kutatások„ szuperplatformjaira ”)

6. A szervezetek összefogják az AI-t a drogfedezetek felkutatására

Az érett ipari ökoszisztéma egyik fontos eleme - speciális konzorciumok és egyesületek jelenléte, amelyek célja a közösség tagjai közötti interakció megkönnyítése, az ipari szabványok meghatározása és a bevált gyakorlatok feltárása, a nyilvánosság oktatása a témában és a fontos változások lobbizása. a kormányzati rendeletekhez.

A gyógyszerészeti kutatóipar a mesterséges intelligencia széles körű bevezetésének korai napjaiban a gyógyszerek felfedezésére szolgál, így az AI-szakemberek e téren kialakuló ökoszisztémája csak növekedni kezd. A közelmúltban azonban már számos fontos lépést megtett az ipari szövetségek létrehozása felé:

MLPDS konzorcium

2018. májusában az MIT megalapította az ipari és tudományos körökben működő hatalmas konzorciumot, a Machine Learning for Pharmaceutical Discovery and Synthesis (MLPDS) programot, amelybe már beletartoznak a gyógyszeripar néhány vezető szereplője: Amgen, BASF, Bayer, Eli Lilly, Novartis, Pfizer, Sunovion és WuXi. Az újonnan alakult konzorcium székhelye a mabridge-i Cambridge-ben található, amely a biofarmakon innováció egyik globális központja. Ez lehetővé teszi a partnerek közötti szoros együttműködést (sokuk jelen van Cambridge-ben), valamint a mesterséges intelligencia (AI) központ létrehozását. gyógyszerészeti kutatásban.

ATOM Konzorcium

Egy másik fontos konzorciumot, az orvostudományi lehetőségek gyorsító terápiáját (ATOM) az alapító partnerek - a GSK, a Lawrence Livermore Nemzeti Laboratórium, a Frederick Nemzeti Rákkutatási Laboratórium és a Kaliforniai Egyetem - alapították az elmúlt év végén, San Francisco - a 21. századi gyógykezelési törvény alapján nyújtott támogatással. Míg az ATOM küldetése tevékenységek széles körét foglalja magában, hogy megkönnyítse a hatékony gyógyszer-felfedezést az onkológia területén, néhány központi feladat a mesterséges intelligencia gyógyszerészek általi elfogadásának elősegítésére és a kutatási nagy adatokhoz való hozzáférés demokratizálására összpontosít. 2018 áprilisában a Numerate, a kábítószer-felfedezés egyik vezető AI-fejlesztője, kifejezte azon szándékát, hogy csatlakozik a konzorciumhoz.

AAIH Szövetség

Végül, szeptemberét egy fontos mérföldkő jelölte meg - bejelentette az Egészségügyi Mesterséges Intelligencia Globális Szövetségének (AAIH) küldetését és elindítását, amely vezető nemzetközi szervezet lesz a mesterséges intelligencia innovációinak előmozdításában a drogfedezés, a klinikai kutatás, Diagnosztika, precíziós orvoslás és a gyógyszerészeti kutatás és az egészségügy egyéb kulcsfontosságú területei.

7. Ipari referenciaérték létrehozása a gépi tanulási modellek összehasonlításához

Az ipari bevált gyakorlatok megteremtése és fenntartása szempontjából elengedhetetlen, hogy a rendelkezésre álló és újszerű gépi tanulási modellek széles skálájának kiértékelésére és összehasonlítására szabványosított mutatókészlettel és adatkészletekkel rendelkezzen.

MOSES (molekuláris készletek)

Az AI-vezérelt gyógyszer-felfedező társaság, az Insilico Medicine kutatói egy közelmúltbeli lépést hajtottak végre ebbe az irányba, a mély tanulás elosztott szintetikus adatplatformjával - a Neuromation - és az Alán Aspuru-Guzik kutatócsoportjával együtt a torontói egyetemen. , aki elindította a MOSES (Molecular Sets) nyílt kutatási platformját, amelyet a „Molecular Sets (MOSES): Benchmarking Platform a molekuláris generációs modellek” című cikkben írt le. A platform forráskódja és adatkészlete mind elérhető a GitHub-on.

Feltételezhető, hogy a platform hasonló szerepet játszik az AI-alapú kábítószer-felfedezés fellendítésében, mint az ImageNet a képalkotási adatok elsajátításának elősegítésében. A MOSES nyitott a kutatók és a szervezetek számára, hogy hozzájáruljanak adatkészleteikhez és modelljeikhez a benchmarking platform kibővítéséhez.

***

A fenti bejegyzés nagyon röviden összefoglalja néhány szempontot, hogy a mesterséges intelligencia technológiái és a nagy adatok miként kezdik játszani a központi szerepet a gyógyszerészeti kutatásban. Ha átfogóbb képet szeretne kapni a témáról, kérjük, iratkozzon fel a BiopharmaTrend hírlevelére, hogy friss piaci elemzési betekintést kapjon közvetlenül a postafiókjába - havonta csak egyszer fogunk zavarni.