Dirbtinis intelektas nustatant narkotikus: 2018 metų apžvalga

Idėja naudoti dirbtinį intelektą (AI) paspartinti vaistų atradimo procesą ir padidinti farmacijos tyrimų programų sėkmės procentą pastaruosius kelerius metus paskatino suaktyvėti šioje srityje. 2018 m. Viskas dar labiau įkaista, kai daugėja partnerysčių, investicijų ir kitų svarbių įvykių, apibendrinant ir suskirstant į „mini tendencijas“.

1. Rizikos kapitalas pilamas į AI nukreiptus narkotikų atradimus pradedančioms įmonėms

Šie metai pasižymėjo įspūdingu skaičiumi lėšų rinkimo sandorių tarp AI skatinamų narkotikų atradimų pradedančių įmonių - tai akivaizdus požymis „AI narkotikų atradimui“ įgyja rimto patrauklumo rizikos kapitalistams.

BenevolentAI

Iki šiol Londone įsikūrusi „BenevolentAI“ yra metų lyderė lėšų rinkimo srityje - balandį jie uždarė 115 mln. USD turą ir pasiekė stulbinantį 2 mlrd. USD vertės ženklą. Nors ši naujiena ir dabartinis bendrovės vykdomos tyrimų veiklos tempas buvo susidūrę su tam tikru skepticizmu, neabejotinai užleido „BenevolentAI“ labai stiprią konkurenčių poziciją.

Atomviškai

„Atomwise“, įkurta 2012 m. Ir pradėjusi giliųjų neuroninių tinklų naudojimą kuriant struktūrą pagrįstą vaistą, surinko 45 mln. USD A investiciją, skirtą AI paremtai vaistų atradimo technologijai „AtomNet“ tobulinti. Kompanija sako, kad kiekvieną dieną tikrina 10 milijonų mažų molekulių ir naudoja „AtomNet“, kuris naudoja giluminius mokymosi algoritmus, kad išanalizuotų molekules ir nuspėtų jų kaip vaistų veiksmingumą, toksiškumą ir šalutinį poveikį.

„Insilico“ medicina

Gana unikali įmonė sąraše - JAV įsikūrusi „Insilico Medicine“, vienintelė pradedanti veiklą tarp artimiausių konkurentų, kurianti „pilnos kamino“ dirbtinio intelekto sistemą, pagrįstą generatyviniais konkurencijos tinklais (GAN), leidžiančiomis „pabaigą“. iki pabaigos “vaisto atradimo procesas - pradedant pagrindiniu biologiniu modeliavimu ir biomarkerių kūrimu, baigiant molekulių generavimu, švino optimizavimu ir ikiklinikiniu kandidatų įteisinimu. Birželį „Insilico Medicine“ iš „WuXi AppTec“ gavo neatskleistą strateginių investicijų sumą, iš kurios visiškai pritrauktas kapitalas padidėjo iki 20 mln. USD („Crunchbase“ duomenimis).

Verge genomika

Pažymėtina, kad tik po mėnesio „WuXi AppTec“ dalyvavo 32 milijonų dolerių vertės investiciniame ture, skirtoje kitam AI valdomam startuoliui - „Verge Genomics“. Pastaroji pasitelkia mašininį mokymąsi ir AI, kad sukurtų terapiją nuo Alzheimerio ir Parkinsono ligų. „Verge“ taip pat aktyviai plečia savo pacientų genomo duomenų duomenų bazę - tariamai, įmonė turi vieną didžiausių pramonės išteklių šioje terapijos srityje.

Owkinas

Niujorkas - Paryžiuje įsikūręs „Owkin“, įkurtas 2016 m., Siekiant pritaikyti mašinų mokymąsi siekiant optimizuoti narkotikų atradimo procesą, geriau suprantant perteklinius biologinius duomenis, sausį iškėlė A turo 11 mln. Platforma gali integruoti molekulines ir vaizdines bibliotekas su pacientų duomenimis, kad būtų atskleisti ligas sukeliantys biomarkeriai, o bendrovė taiko perkėlimo mokymąsi, kad pagerintų modelio veikimą ten, kur trūksta tinkamai paženklintų duomenų.

„XtalPi“

2014 m. MIT įkūrusi kvantinių fizikų grupę, „XtalPi“ yra JAV ir Kinijos biotechnologijų įmonė, sausio mėn. Iš kelių investuotojų, įskaitant „Google“ ir Kinijos „Sequoia China“, iškėlusi 15 mln. USD vertės B serijos turą. Bendrovė teigia, kad ji gali greitai ir tiksliai numatyti daugybę svarbių mažų molekulių vaistų ir kietų formų savybių, derindama dirbtinį intelektą, kvantinę fiziką ir didelio našumo debesų kompiuteriją. Naudodamasi šia sudėtinga technologijų sąveika, įmonė galės pateikti „laiką taupančias įžvalgas apie kandidatų saugumą, stabilumą ir veiksmingumą“.

„BenchSci“

Vėliau šiais metais „Google“ taip pat bendrai investavo į „BenchSci“ - intelektualią platformą, skirtą biologinių produktų paieškai AI pagrindu. Iš kelių investuotojų turo iš viso buvo 8 mln. USD.

Variklio biologiniai mokslai

„Engine Biosciences“ yra San Fransisko ir Singapūro biotechnologijų įmonė, paskelbusi apie 10 mln. USD finansavimą, kad paspartintų savo AI pagrįstą narkotikų atradimo, kombinuotų terapinių vaistų kūrimo ir ląstelių perprogramavimo platformą. Kompanijos technologija leidžia tyrėjams ir vaistų kūrėjams atskleisti genų sąveiką ir biologinius tinklus bei pateikti bandymų terapiją, skirtą būtent genetinei sąveikai. Bendrovės AI platforma gali padėti aptikti taikinius, persodinti vaistus ir analizuoti tiksliosios medicinos programas.

Kitos reikšmingos investicijos 2018 m .: „TwoXAR“ (10 mln. USD), „ReviveMed“ (1,5 mln. USD), GTN (2,8 mln. USD) ir kt.

(Norėdami peržiūrėti bendrą „PG narkotikų atradimų pramonėje“ statistiką, skaitykite „Dirbtinio intelekto (AI) farmacijos mokslinių tyrimų ir plėtros srityje“).

2. Narkotikų gamintojai tęsia išorės PG partnerystės medžioklę ...

2018 m. Farmacijos kompanijos demonstruoja nuolatinį susidomėjimą partneriais su besiformuojančiomis AI vadovaujančiomis naujosiomis įmonėmis - pasitelkti algoritmų galią, kad būtų galima padidinti savo vaistų atradimo programas. Žemiau pateikiamas keletas pastebimų šio pobūdžio bendradarbiavimo vaistų kūrimo srityje sąrašas:

Merck

Paskutinis šių derlingų metų mėnuo pasižymėjo nauju moksliniu bendradarbiavimu tarp Vokietijos farmacijos milžinės „Merck“ ir Kanados AI vadovaujamos bendrovės „Cyclica“. Šalys susitarė, kad „Merck“ naudos patentuotą „Cyclica“ AI pagrįstą debesį, pagamintą silikono proteomų atrankos platformoje „Ligand Express®“, kad išsiaiškintų daugelio „Merck“ mažų molekulių kandidatų veikimo mechanizmus, įvertintų jų saugos profilį ir atskleistų papildomą terapinį pritaikymą.

„Bayer“

Lapkritį „Bayer“ užmezgė daugiafazį mokslinį bendradarbiavimą su Toronte įsikūrusia vaistų atradimų kompanija „Cyclica“, kad galėtų panaudoti savo daugialypę AI pagrįstą atradimų platformą įvairiausioms tyrimų užduotims atlikti. Vykdydama šį bendradarbiavimą, „Cyclica“ pateiks savo debesų pagrindu sukurtą proteomų atrankos platformą „Ligand Express®“, kad ištirtų mažų molekulių išorinius profilius ir pritaikytų savo pirmąją klasę diferencinio narkotikų projektavimo (DDD) technologiją daugialypėms tikslinėms medžiagoms. vaistų dizainas. Be to, ji taikys savo PG technologiją, kad sukurtų naujausius farmakokinetinių savybių numatymo modelius.

Pfizeris

Rugsėjį „Pfizer“ sudarė vertinimo susitarimą su „Atomwise“ - dabar AI kuriantis startuolis turės nustatyti perspektyvius vaistus kandidatams į tris „Pfizer“ pasirinktus baltymus.

Vos pora mėnesių anksčiau „Pfizer“ bendradarbiavo su kitu AI vadovaujamu startuoliu „XtalPi“, kad sukurtų narkotikų atradimo programinės įrangos platformą, kurioje būtų panaudotos XtalPi kompiuterinės ir dirbtinio intelekto žinios. Platforma bus taikoma tiksliam į vaistą panašių mažų molekulių molekuliniam modeliavimui.

„Bristol-Myers Squibb“

„Bristol-Myers Squibb“ sudarė daugiašalio bendradarbiavimo mokslinių tyrimų srityje susitarimą su „Sirenas“ - biotechnologijų įmone, taikančia kompiuteriniu mokymu pagrįstus skaičiavimo metodus, kad atrastų terapiją, gautą iš pasaulinio mikrobiomo, kad savo patentuotą vaistų atradimo platformą pritaikytų prie neatskleistų, bet sunkumų keliančių terapinių tikslų. . Bendradarbiaujant tyrimais, „Sirenos“ patirtis pritaikoma patentuota duomenų gavybos technologija „ATLANTIS ™“, siekiant nustatyti potencialius narkotikų kandidatus tarp „Sirenos“ patentuotų cheminių medžiagų bibliotekos, išskirtos iš pasaulinių mikrobiomų kolekcijų. Svarbu atkreipti dėmesį į dar vieną „Sirenos“ kompetencijos sritį - moderniausią organinę sintezę, leidžiančią įmonei pateikti ne tik skaičiavimo prognozes, bet ir cheminius junginius su neįprastais gamtos įkvėptais pastoliais.

„Boehringer Ingelheim“

2018 m. Gegužės mėn. „Boehringer Ingelheim“ kartu su „Bactevo“ pritaikė jų „visiškai integruotą vaistų variklį“ naujų mažų molekulių vaistų kandidatams nustatyti.

„GlaxoSmithKline“

Gegužės mėn. „GlaxoSmithKline“ (GSK) užmezgė bendradarbiavimą su vaistais su „Cloud Pharmaceuticals“, AI disponuojančia vaistų atradimų bendrove, kad sukurtų mažų molekulių seriją prieš GSK nurodytus biologinius taikinius.

(Perskaitykite „Kaip„ Big Pharma “priima AI, kad paskatintų narkotikų atradimą, kad sužinotumėte apie daugiau tokio pobūdžio bendradarbiavimo atvejų ir tipinius AI naudojimo atvejus atradus vaistus)

3.… bet taip pat išplėskite vidines AI galimybes

Viena vertus, farmacijos kompanijos vis labiau samdo pradedančiuosius intelektinės nuosavybės srityje besikuriančius verslininkus, kad jie tyrinėtų galimybes, tačiau, kita vertus, jie yra vienodai aktyvūs didindami vidinę kompetenciją intelekto srityje ir formuodami skaitmeninę infrastruktūrą efektyvesniam duomenų naudojimui.

Neseniai „Novartis“ paskelbė, kad baigtas pirmasis bendrovės skaitmeninės pertvarkos strategijos etapas, sutelkiant dėmesį į didelius duomenis, skaitmeninę infrastruktūrą ir dirbtinį intelektą. Pirmasis etapas buvo vidinė programa, vadinama STRIDE, ir ji apėmė kelių svarbių IT infrastruktūros sistemų, skirtų dokumentų valdymui, vidaus tyrimams, didelio našumo skaičiavimui, klinikinių tyrimų valdymui ir kitoms užduotims, paleidimą.

Kitas skaitmeninio „Novartis“ skaitmeninio transformavimo etapas yra įdiegti numatomosios analizės platformą, kurią skatina mašininio mokymosi algoritmai, kad būtų palaikomos klinikinio tyrimo operacijos. Tai bus daroma įgyvendinant „Nerve Live“ iniciatyvą ir bendradarbiaujant su JAV kompiuterių mokymosi bendrove „QuantumBlack“.

Galiausiai yra planai trečiajam dideliam būsimam projektui - „Data 42“ - projektui, kuris sujungs visus „Novartis“ duomenų rinkinius, kad būtų galima užklausti apie bet kokius duomenis centralizuotai. Tai, be abejo, yra pagrindinė sąlyga, kad įmonėje vyktų AI paskatinta pertvarka.

Panašiai beveik visi pasauliniai vaistų gamintojai - „Pfizer“, „AstraZeneca“, „Eli Lilly“, „Merck“, GSK ir kiti - imasi vidinių restruktūrizavimo priemonių, kad pasiruoštų skaitmeniniams farmacijos tyrimų pertvarkymams ir dirbtinio intelekto pritaikymui narkotikų atradimui ir plėtrai.

4. „didelių duomenų“ medžioklė

Jau tampa akivaizdu, kad pagrindinis būsimos „AI skatinamos revoliucijos“ įgalinimo veiksnys farmacijos tyrimuose yra duomenys. Be prieigos prie įvairių, tarpdisciplininių, kokybiškų ir tinkamai paruoštų didelių duomenų, AI technologijos transformacinis poveikis negali būti visiškai realizuotas. Šiame kontekste svarbu pamatyti, kaip įmonės juda į duomenis orientuoto tyrimų paradigmos linkme.

GSK ir 23andMe

Liepos mėnesį GSK investavo 300 milijonų dolerių į „Silicio slėnio“ genų testavimo įmonę „23andMe“, remiamą „Google“. Šis susitarimas atveria duris GSK prieigai prie plačios DNR duomenų bazės, kurioje pateikiama informacija apie genų ir ligų ryšį. „23andMe“ turi daugiau nei 5 milijonus klientų, iš kurių dauguma pasirinko leisti jų duomenis įtraukti į tyrimų programas.

Datavantas ir Verge genomika

„Datavant“, jaunas, JAV įkurtas AI pagrindu veikiantis startuolis, yra sutelktas į sveikatos priežiūros duomenų tvarkymą ir struktūrizavimą, kad gautų veiksmingų įžvalgų planuojant ir aiškinant klinikinius tyrimus. Sausio pradžioje ji paskelbė strateginį aljansą su „Verge Genomics“ - įmone, naudojančia dirbtinį intelektą naujų terapijų atradimui ir plėtrai. Naujai suformuotos partnerystės tikslas - atskleisti „Datavant“ turimų vaistų duomenų rinkinių vertę - klinikinių tyrimų duomenis, teiginius, vaistinės istoriją, elektroninius sveikatos įrašus ir pacientų genomikos duomenis. - paspartinti naujų vaistų atradimą ir kūrimą.

Iki šiol „Datavant“, be „Verge“, turi dar dvi partnerystes - su „Duke“ klinikinių tyrimų institutu (DCRI), „Global Genomics Group“ (G3) - visų jų tikslas yra derinti narkotikų atradimo patirtį, biologinius stambius duomenis ir naujas duomenų analitines technologijas, tokias kaip AI. skatinti naujoves farmacijos tyrimų srityje.

5. Pereiti prie integruotų tyrimų platformų

Atsižvelgiant į aukščiau išvardytas tendencijas (daugiausia dėmesio skiriant PG ir dideliems duomenims), logiška pasekmė yra tai, kad farmacijos tyrimų pramonė pereina prie platformos pagrindu sukurtų bendradarbiavimo modelių ir atlieka tyrimus. Platformos yra skaitmeninė infrastruktūra, jungianti taškus tarp skirtingų veiklos rūšių, tyrimų sričių, darbo režimų ir duomenų srautų. Platformos arba „superplatformos“ yra plačiai paplitusios finansų, vartotojų elektroninės komercijos ir kitose pramonės šakose, tačiau tai vis dar yra naujas reiškinys farmacijos tyrimams. Keli 2018 m. Įvykiai čia yra gana iliustruojantys:

„Merck“, „Accenture“ ir „AWS“

Buvo paskelbta, kad „Merck“ ir „Accenture“ bendradarbiauja su „Amazon Web Services“, kad sukurtų debesimis pagrįstą platformą, kuri apimtų bendradarbius įvairiuose gyvybės mokslų pramonės sektoriuose. Ši analizės platforma bus sukurta naudojant atvirąsias programų programavimo sąsajas (API) ir palengvins bendradarbiavimo aplinką, kad paspartintų ankstyvą narkotikų atradimą. Tai ne tik palengvins tyrėjams kaupimą, prieigą prie jų ir analizuoti tarpdisciplininius duomenis, bet ir sumažins kliūtis patekti į rinką naujosios vertės tiekėjams - programų kūrėjams, duomenų mokslininkams, turinio ir duomenų tiekėjams ir kt.

„Google“ ir „WuXi NextCODE“

Kovo mėnesį „WuXi NextCODE“ paskelbė partnerystę su „Google“ integruoti masiškai keičiamą genomikos duomenų bazių valdymo sistemą ir tyrimų programas į „Google Cloud Platform“. Savo ruožtu tokie įrankiai kaip „Google Cloud BigQuery“ ir „DeepVariant“ bus integruoti su „WuXi NextCODE“ galimybėmis. Abi įmonės taip pat dirbs prie papildomų priemonių ir API, kad įgalintų pasaulinę genomikos bendruomenę.

(Taip pat skaitykite: „Pasiruoškite sveikatos priežiūros ir farmacijos tyrimų„ super platformoms “)

6. Organizacijos suvienija jėgas, kad priimtumėte PG narkotikų atradimui

Vienas iš svarbių brandžios pramoninės ekosistemos elementų - specializuotų konsorciumų ir asociacijų, kurių tikslas yra palengvinti bendruomenės narių sąveiką, nustatyti pramonės standartus ir atskleisti geriausią praktiką, šviesti plačiąją visuomenę šia tema ir domėtis svarbiais pokyčiais, buvimas. į vyriausybės nuostatus.

Farmacijos tyrimų pramonė yra pradėjusi plačiai taikyti dirbtinį intelektą narkotikų atradimui, todėl šioje srityje besiformuojanti AI praktikų ekosistema tik pradeda augti. Tačiau pastaruoju metu jau žengta keletas svarbių žingsnių kuriant pramonės aljansus:

MLPDS konsorciumas

2018 m. Gegužės mėn. MIT sudarė galingą pramonės ir akademinės bendruomenės konsorciumą „Machine Learning for Pharmaceutical Discovery and Synthesis“ (MLPDS), kuriame jau yra keletas pirmaujančių žaidėjų farmacijos srityje: „Amgen“, BASF, „Bayer“, Eli Lilly, „Novartis“, „Pfizer“, „Sunovion“ ir „WuXi“. Būdamas būstine Kembridže, MA, viename iš pasaulinių biofarmacijos inovacijų centrų, naujai suformuotas konsorciumas leidžia glaudžiai bendradarbiauti tarp partnerių (nemaža jų dalis yra Kembridže) ir sukurti dirbtinio intelekto (AI) naudojimo centrą. farmacijos tyrimuose.

ATOM konsorciumas

Dar vieną svarbų konsorciumą - greitinamąją terapiją medicinos galimybėms (ATOM) praėjusių metų pabaigoje suformavo jos steigėjai - GSK, Lawrence Livermore nacionalinė laboratorija, Fredericko nacionalinė vėžio tyrimų laboratorija ir Kalifornijos universitetas, San Franciskas - gavus finansavimo paramą pagal XXI amžiaus vaistų išgijimo įstatymą. Nors ATOM misija apima platų spektrą veiklos, palengvinančios efektyvų narkotikų atradimą onkologijos srityje, kai kurios svarbiausios užduotys yra skirtos skatinti dirbtinio intelekto pritaikymą farmacijos žaidėjų veikloje ir demokratizuoti prieigą prie svarbių tyrimų duomenų. 2018 m. Balandžio mėn. Numerate, viena iš pirmaujančių AI kūrėjų, atradusių narkotikus, išreiškė ketinimus prisijungti prie konsorciumo.

AAIH aljansas

Galiausiai rugsėjis buvo pažymėtas svarbiu etapu - paskelbta misija ir pradėta visuotinio sveikatos priežiūros dirbtinio intelekto aljanso (AAIH) misija, kuri taps pirmaujančia tarptautine organizacija, skatinančia dirbtinio intelekto naujoves narkotikų atradimo srityje, klinikinius tyrimus, Diagnostika, tikslioji medicina ir kitos pagrindinės farmacijos tyrimų ir sveikatos priežiūros sritys.

7. Pramonės etalono, skirto mašininio mokymosi modeliams palyginti, sukūrimas

Kuriant ir palaikant geriausią pramonės patirtį, labai svarbu turėti standartizuotą metrikos ir duomenų rinkinių rinkinį, skirtą įvertinti ir palyginti daugybę galimų ir naujų mašininio mokymosi modelių.

MOSES (molekuliniai rinkiniai)

Neseniai šia linkme ėmėsi mokslininkų grupė iš AI vadovaujamos vaistų atradimų kompanijos „Insilico Medicine“, bendradarbiaudama su paskirstyta sintetinių duomenų platforma giliam mokymuisi - Neuromation ir Alán Aspuru-Guzik tyrimų grupei Toronto universitete. , kuris atidarė atvirą tyrimų platformą MOSES (Molecular Sets), aprašytą darbe „Molecular Sets (MOSES): Benchmarking Platform for Molecular Generation Models“. Šaltinį kodą ir platformos duomenų rinkinius galite rasti „GitHub“.

Manoma, kad platforma atliks panašų vaidmenį skatinant AI pagrįstų narkotikų atradimą, kaip „ImageNet“ suvaidino tobulindama gilų vaizdinių duomenų mokymąsi. „MOSES“ yra atvira tyrėjams ir organizacijoms, kad jie galėtų papildyti savo duomenų rinkinius ir modelius, kad išplėstų lyginamosios analizės platformą.

***

Anksčiau pateiktame pranešime labai trumpai apibendrinami kai kurie aspektai, kaip dirbtinio intelekto technologijos ir dideli duomenys pradeda vaidinti pagrindinį vaidmenį farmacijos tyrimuose. Norėdami gauti išsamesnį vaizdą šia tema, užsiprenumeruokite „BiopharmaTrend“ naujienlaiškį, kad gautumėte šviežias rinkos analizės įžvalgas tiesiai į jūsų pašto dėžutę - mes retai jus varginsime daugiau nei kartą per mėnesį.