首页 » 新闻 >

AI初创公司致力于癌症与年龄有关的疾病获得顶级风投的3700万美元投资

2019-10-09 16:06:18来源:

一家新兴的人工智能(AI)公司的创始人表示,以疾病为目标,即使不是艰巨的过程,也是一个挑战,它将需要AI的科学和技能来克服。但这也需要大量资金。这就是为什么Insilico Medicine首席执行官Alex Zhavoronkov说他最新的风险投资家(VC)名单至关重要的原因。他们为他的公司正在开发的新技术提供了巨大的信誉。

寻找疾病的生物学根源(可能的干预目标)是发现抗击该疾病药物的第一步。Zhavoronkov在接受采访时说:“但是有成千上万种蛋白质是人体每个细胞的重要组成部分。”“因此,确定正确的蛋白质[靶标]或驱动疾病进程的几种蛋白质可以导致治疗或治愈。”

即使在单一类型的癌症中,科学家也必须考虑数百万种组合和排列,以找到这些靶标。扎兰科夫说:“选择正确的目标是药物发现中最复杂,最危险的过程。”“选择错误的目标将导致很多年后非常昂贵的药物失败。这是AI改善这一过程的巨大机会。测试目标是否正确并不是一个快速的过程。测试疾病靶标的最佳方法之一是设计一个可以与该靶标结合的小分子,而别无其他。但是,即使对于简单的目标,此过程也要花费一年多的时间,从而使验证过程更长。这是AI可以加速这一过程并更快地设计这些分子的另一个领域。”

Insilico Medicine总部位于香港,在六个国家设有研发(研究与开发)和管理资源,是下一代用于药物发现的AI技术的先驱。上个月,该公司完成了由启明创投(Qiming Venture Partners)牵头的三千七百万美元的融资,八道路也加入了该行;F-Prime Capital;礼来亚洲风险投资公司;Sinovation Ventures;百度创投;Pavilion Capital;大胆的资本合伙人;Oculus联合创始人Michael Antonov;长寿愿景基金;青春期以及包括A系列投资者在内的其他投资者。B系列资金将用于加速该技术的商业化,并促进癌症,纤维化和其他与年龄有关的疾病的内部药物发现计划。

Zhavoronkov谈到Insilico的最新支持者时说,这些“主要投资者很少会错过”。“这些投资者几乎总是对投资正确,并提供了很多支持。”

Zhavoronkov拥有约翰·霍普金斯大学的硕士学位和莫斯科国立大学的博士学位。在那里,他专注于使用机器学习来研究生物系统中分子相互作用的物理学。他具有计算机科学的原始背景,后来从事生物技术研究,对减缓老化过程特别感兴趣。

当他在巴尔的摩成立Insilico时,他想利用深度学习训练神经网络,以筛选大型分子库以寻找药物靶标。当他对Ian Goodfellow的机器学习工作着迷时,他很快改变了主意,改变了自己的方向。

Zhavoronkov说,今天,Insilico希望通过在药物发现和开发过程的每个步骤中开发和应用其下一代深度学习方法来改变制药行业。自从2014年成立公司以来,Zhavoronkov致力于开发广泛的生成对抗网络(GAN)和强化学习方法,以识别新的蛋白质靶标,生成具有特定特性的新型分子结构并生成合成数据。

Zhavoronkov说:“传统药物的发现和开发大约需要十年时间。”“我们希望我们的新AI方法将有助于加速与年龄有关的疾病的药物研究和开发,并在两到三年的周期内发现和批准包括长寿疗法在内的药物。我们为某些新靶标发现的分子可能比科学家在分子库中发现的分子要好得多。”

除了致力于下一代AI算法,Insilico Medicine还致力于开发针对癌症,纤维化和其他与年龄有关的疾病的小分子产品组合。该公司声称具有针对靶标的有前途的分子,这些分子在研究界尚不为人所知,并且以前在疾病中尚未被鉴定出。为了识别这些分子,Zhavoronkav说,Insilico科学家使用“具有想象力和面向目标的AI”来学习有关靶标的一切,并“想象”具有与该靶标结合的所需特性集的分子。他说,Insilico的目标是在不久的将来发布一些更旧,更简单的算法,以显示其发展方向和概念的可行证明。

同时,Insilico上个月在《自然生物技术》(Nature Biotechnology)杂志上发表了一篇论文,表明该公司可以使用其先进的AI形式并经过动物验证,在46天内创建候选药物。

Insilico使用生成对抗网络技术或GAN来开发两个相互竞争以了解医学和疾病的深度神经网络(DNN)。(DNN是人工神经网络(ANN),受我们自己的生物神经网络或大脑启发。)此类计算系统通过考虑研究人员提供的示例来学习并逐步提高任务的性能。例如,在图像识别中,计算机可以通过分析已被手动标记为“猫”或“无猫”的示例图像并使用结果识别其他图像中的猫来学习识别包含猫的图像。而且他们这样做的时候没有任何关于猫的先验知识。实际上,他们从提供给他们并进行处理的学习材料中发展出自己的一组相关特征。

Insilico正在深入学习,以进一步利用它来对抗疾病。该公司使用从这些DNN中收集的信息来创建可能尚不存在的分子。Zhavoronkov说:“我们在数百万个分子结构上训练DNN,然后要求位于这些DNN之上的系统产生具有某些特征的新分子,例如具有一定的溶解度或与其他分子的相互作用或生物活性。” 。“我们也许可以最大程度地减少药物的副作用或穿透血脑屏障。这是计算机科学中的一个概念,我们利用DNN像大脑一样工作,从现实世界中获取真实数据。然后,此数据将传递到其他层,并进行转换。就像在大脑中一样,神经元学习某些模式。我们通过神经元的许多层运行数据,然后系统进行学习。因此,您将参数提供给DNN,它会生成最终可能成为药物的那些分子。”

Zhavaronkov说,人工智能和深度学习将通过药物发现和根除疾病改变世界。伊利诺伊大学芝加哥分校(UIC)的一位教授以及有关人口老龄化和经济学的权威人士对此表示同意。UIC公共卫生学院流行病学和生物统计学系S. Jay Olshansky博士说,重要的是认识到AI和深度学习对医学的未来有多么重要。奥尔尚斯基(Olshansky)在2015年《科学美国人》的一篇文章中创造了“寿命延长”一词。

“对于我们这些具有深厚历史感以及过去医疗和公共卫生的突破如何影响人类寿命的人来说,我们将这一研究领域视为下一件大事。显然,由于政府和外部资金来源都在极大地增加其兴趣和投资,该领域正在迅速获得关注。” Olshansky说。“这是一个时机已到的领域,所有这些公司及其科学家都处于大规模公共卫生运动的底层。”

“参与减缓衰老工作的一个或多个个人正在迅速获得诺贝尔奖,因为历史上很少有公共卫生干预措施能够带来健康和经济上的红利,而这一突破有望从这个大小。与20世纪中叶发现抗生素或1960年代开始传播疫苗相比,我认为他们正在采取的干预措施对全球健康和全球经济的影响更大。”

UIC公共卫生学院流行病学和生物统计学系S. Jay Olshansky博士

亚历克斯和他的同事以及衰老生物学研究团队的其他成员正在开展的工作,是下一轮公共卫生大革命的最前沿。”奥尔山斯基继续说道。“一旦成功,他们将建立一种机制,带来比以往任何公共卫生历史干预都要长的健康寿命。我认为这种新的干预措施是初级预防的下一种形式,用大写字母P表示。参与减缓衰老工作的一个或多个个人正在迅速获得诺贝尔奖,因为在该领域几乎没有公共卫生干预措施。可以带来如此巨大突破的健康和经济红利的历史。我看到他们的干预类型

奥尔尚斯基(Olshansky)在2013年《卫生事务》中的一篇文章中记录了仅在美国就可能带来的健康和经济收益。延迟老化的经济价值在五十年内估计为7.1万亿美元。”

他说:“将这个数字乘以每个国家,您现在就可以进行大规模的公共卫生干预。”“真的很简单。自1900年以来,全球人口规模急剧增加,因此,人口老龄化速度的降低将使他们受益的人数大大超过一个世纪前从公共健康发展中受益的儿童人数。如果您将现在或将来使用此技术可以制造的健康寿命的潜在年数加起来,并将其与20世纪上半叶发生的事情进行比较,那么数学就可以大大支持我们所处的前提新的重大公共卫生倡议即将来临。”

但是,仍有许多工作要做,需要克服旧习惯。尽管这项研究看起来很有希望,但它仍然是概念的证明。尚未开发出使用AI设计的药物,更不用说卖给患者了。

“我们正在尝试优化药物发现。制药业是世界上效率最低的行业。”扎兰科夫说。“超过90%的人体试验失败了。我们希望确保我们可以优化Big Pharma或以更快,更智能的药物发现替代它们。制药业依靠人类智慧。我们正在开发系统,其目标是在各个层面上超越人类,并帮助他们做出更好的决策。”

通过这些最新的投资,Insilico计划组建一个具有制药行业经验的高级管理团队,以进一步发展其在癌症,纤维化,非酒精性脂肪性肝炎(NASH),免疫学和中枢神经系统疾病(CNS)中的研发渠道。与制药公司合作开发新的疗法和药物。

该公司计划继续研究其药物发现引擎,开发甚至可以从很少的数据中学习的更好的AI,并通过对分子具有什么功能的概念性理解来“想象”新的分子或合成的人类数据而无需任何新的培训。所需的属性看起来像。它还计划与许多专门研究特定疾病的公司建立合资企业。

通过合资企业网络,与早期生物技术和大型制药公司的合作伙伴关系,Insilico希望成为新型数字时代生物制药行业的主要参与者。Zhavoronkov说,该公司已经开发并验证了一条全面的药物开发流程,其中包括一个先进的分子生成器,用于发现未知化合物的化学结构,这些化学结构可用于抵抗疾病。

中国风险投资公司启明创投(Qiming Venture Partners)领导了Insilico的最新一轮融资。启明创投合伙人执行合伙人梁妮莎在一份声明中称Insilico为“人工智能药物研发领域的行业领导者。”她说,她希望该公司与其他启明公司创造“协同效应”,并缩短其开发时间。寻找新药。迄今为止,启明已经在中国的TMT(电信,媒体和技术)和医疗保健领域支持了310多家快速发展和创新的公司。

Insilico支持生物技术,制药公司和学术机构的网络。自2014年成立以来,该公司已在同行评审期刊和AI会议上发表或共同发表了70多篇论文。Insilico在其发表在《自然生物技术》上的最新研究论文中,证明了使用人类细胞和动物中的深度生成张量增强学习模型生成的新分子的动物验证。

扎罗诺科夫说:“ Insilico的AI在短短19天内就成功创建了30,000个分子,其中6个被AI挑选,快速合成和测试。”“整个过程花了令人印象深刻的46天。考虑到这是使用“ AI想象力”完成的,虽然可能可以用更长的时间用其他先进的方法完成这样的任务,但在生成化学上被称为突破无疑是一个里程碑。”

Zhavoronkov说,Insilico的使命是改善老年人的健康状况,“因为这是保存和发展全球经济的最佳途径。”

Zhavoronkov在2013年出版了《永恒的一代》一书,他在书中推测,为了防止即将到来的全球金融灾难,全世界的科学家和公司必须团结一致,以提高美国人口的生产寿命。

Zhavoronkov与Insilico一起尽最大努力为这一努力做出贡献。但是考虑到美国人的债务比时间还多,这并非易事。

这将极大地推动美国经济发展,并扩大全球经济。减轻与年龄有关的疾病对经济的负担应该是每个人的共同目标。”

Zhavoronkov认为衰老应被视为一种疾病。“我们目前市场上没有针对衰老的药物。它不是公认的疾病,因此人们不会像对待疾病一样对待它。为了研究的目的,我们希望将其视为一种疾病。可靠地解决问题的唯一方法是,关注与衰老有共同路径的与年龄相关的疾病,或者为其他生物技术和制药公司提供工具以加快研发过程,并帮助他们将药物推向市场。快点。这就是Insilico所做的。我们正在开发一种工具包,以提高药物发现的效率。”

Zhavaronkov说,所谓的工具包首先包含一系列资源,以跟踪使用公共和私人资金(例如Pharmacognitive和AgingPortfolio)生成的数据;用于识别分子靶标的系统(例如Pandomics),用于生成化学的社区资源(例如分子集(MOSES));生物年龄的预测因子,例如Aging.AI;和临床试验结果的预测指标。此外,Insilico的研究人员正在帮助建立一个称为AgingChart的衰老途径的Wikipedia,以及跟踪各种衰老干预措施的有效性的数据库Geroprotectors。该公司还组建了一家合资企业,以帮助人们以称为Longenesis的私人和匿名方式管理自己的数据。,该工具已经启动了用于管理患者同意书的工作工具。