5月8日,Recursion宣布收购人工智能药物发现领域的两家公司Cyclica和Valence,以增强化学和生成AI能力。Cyclica在数字化学领域推出了两款高度差异化的产品:MatchMaker和POEM,MatchMaker是一个支持人工智能的深度学习引擎,可预测小分子的药理学特性;POEM则是一种基于相似性的属性预测模型,使用多种类型的分子指纹来描述分子,提高结果精度。将Cyclica对小分子 - 靶标相互作用的蛋白质组范围预测整合到Recursion的数据世界中,将创建药物发现领域最大的适合用途的生物和化学数据集之一。
Valence则是全球最大的深度学习研究机构,该公司率先在药物设计中应用低数据学习,解锁了从传统深度学习方法太小、太稀疏或太嘈杂的数据集中设计具有改进特性和功能的差异化小分子的能力。Recursion通过将Valence强大的基于AI的化学引擎嵌入到多样化且数据丰富的操作系统中,充分发挥AI优先数字化学和药物发现的真正力量。
通过这起收购可以看出Recursion在AI制药领域扩张的意图,那么Recursion又是一家怎样的公司呢?
Recursion总部位于美国犹他州,成立于2013年。不同于基于结构或基于配体的药物发现公司,Recursion以细胞图像为最主要的数据集。Recursion从靶点发现切入,使用机器人显微镜和计算机视觉技术来分析海量的细胞显微照片,通过分析细胞特征来评估疾病细胞药后反应,并预测它们的毒性,进而寻找新药靶点,研究治疗方法。
Recursion的优势在于利用机器人自动化和人工智能技术,能够大规模同时并行多个实验。目前该公司的自动化实验室机器人每周可以进行150万次实验,进而不断生成新的图像数据,机器算法迭代进步,两者相辅相成,提高管线的输出效率。
Recursion未来将在建立小分子结构实体库、购买细胞、建设高通量测序等方向投入大量资金,打造拥有从靶标发现、药物发现到临床推进的全产业链开发能力的公司。
4月21日,Moderna和IBM宣布达成一项合作协议,根据该协议,Moderna将探索包括量子计算和人工智能在内的下一代技术,以推进和加速mRNA疗法的研究。
Moderna发言人指出这是一项为期五年的协议。Moderna将参加IBM量子加速器项目(IBM Quantum Accelerator program)和IBM量子网络(IBM Quantum Network)。根据协议,IBM将提供量子计算系统的访问权限,以及提供专业知识帮助Moderna探索由量子技术驱动的生命科学领域的前沿应用。
此外,Moderna与IBM的协议还包括投资生成性AI(generative AI)以改进产品设计。Moderna和IBM的科学家将应用AI基础模型MoLFormer帮助科学家预测分子的性质,进而有助于了解潜在mRNA药物的特性。Moderna旨在利用MoLFormer来优化脂质纳米颗粒,这种颗粒可以包裹并保护mRNA在体内的递送,以及作为指令传递给细胞以抵抗疾病的mRNA。在这一计划下,Moderna和IBM将结合先进的配方发现和生成性AI技术,以设计具有良好安全性和性能的mRNA药物。
5 月 16 日,谷歌云在生物 IT 世界大会上推出两个全新人工智能生命科学解决方案,即Target and Lead Identification Suite和Multiomics Suite,以加速生物技术公司、制药公司和公共部门组织的药物发现和精准医疗。
Target and Lead Identification Suite用于帮助研究人员更好地识别氨基酸的功能并预测蛋白质的结构,加速药物发现,主要功能包括:
数据摄取:允许公司简化数据的摄取、共享和管理,包括通过公共数据集发现更多数据用于研究,以及使用谷歌云的分析中心与其他组织安全地交换数据资产。
靶标识别:使用AlphaFold2和Vertex AI管线,组织可以更准确地预测蛋白质结构,最大限度地减少传统方法的高失败率。
先导物识别:加速靶标发现、先导物候选物的制备和虚拟高通量筛选,寻找最佳的先导物候选物分子。
辉瑞等跨国制药公司成为该人工智能解决方案的首批用户,辉瑞公司首席计算科学家 Nicholas Labello表示:“我们正在与谷歌合作,探索 AlphaFold2 如何可能加速我们的药物发现过程,加快我们的研究人员在谷歌云的可扩展、加速器优化计算平台上进行实验的能力。”
从上述3起交易中不难发现,Recursion收购Cyclica和Valence丰富了数据集的容量和维度;Moderna与IBM合作引入了量子计算和生成式AI模型算法预测mRNA药物性质,优化配方和递送方式;辉瑞选择谷歌的AI解决方案,也是借助AlphaFold算法预测蛋白质结构,依托大数据算力平台进行高通量先导化合物筛选。当前AI制药交易主要围绕数据、算法、算力这三大基石开展,说明AI制药的探索仍在起步阶段,期待AI出色的提效能力能够使量变早日引发质变,解决制药行业研发周期长、投入资金大、 研究失败率高的固有痛点。
@药明康德 内容团队编辑
本文来自药明康德内容团队,欢迎转发,谢绝转载到其他平台。
免责声明:药明康德内容团队专注介绍全球生物医药健康研究进展。本文仅作信息交流之目的,文中观点不代表药明康德立场,亦不代表药明康德支持或反对文中观点。本文也不是治疗方案推荐。如需获得治疗方案指导,请前往正规医院就诊。
⤵️喜欢我们的内容,欢迎关注@药明在线 ,或者点赞、分享给其他读者吧!