46天！从疾病靶点到全新药物分子设计，这家AI公司让整个研发时间缩短5-10倍| 工场兄弟系

2019 年 9 月 10 日 创新工场

今天，香港 AI 药物研发公司 Insilico Medicine（英科智能）宣布完成 3700 万美元 B 轮融资，本次融资由启明创投领投，斯道资本、F-Prime Capital、礼来亚洲基金、创新工场、百度风投、兰亭投资、BOLD Capital Partners 等跟投。

Insilico Medicine 是利用新一代人工智能技术进行药物发现的领军企业，致力于通过开发和应用下一代深度学习方法来改变制药行业，以实现药物发现和药物开发过程的每一步。公司总部位于香港，并且在全球六个国家设有办公室。

据了解，本轮募集的资金将用于产业化其小分子设计平台以及靶点发现平台，组建具有丰富制药行业经验的管理团队，通过与其他大型制药公司合作的模式进一步开发其在癌症、纤维化、NASH、免疫学和中枢神经系统疾病等方面的产品管线。

一直以来，利用科技手段助力药物研发，是业内重点攻坚的方向之一。

自 2015 年以来，Insilico Medicine 在全球率先运用神经对抗网络（GAN）和强化学习（RL）来开发新的药物分子，这项技术可同时运用于已知靶点的疾病以及未知靶点的疾病。

目前，Insilico Medicine 已经开发和验证了一套可供生成模型以及机器学习的算法，用来设计生成小分子靶向药物。同时，公司还能通过其靶点发现平台找到在癌症、纤维化、NASH、免疫学和中枢神经系统疾病等方面的靶点。

在商业模式上，Insilico Medicine 通过与早期的生物技术公司以及大型生物制药公司的合作来推动数字时代医药行业的发展。

创新工场合伙人杨小龙表示 ：「Insilico Medicine 采用计算方法提升药物研发效率，实现了人工智能产业化应用的突破。我们非常认可 Insilico Medicine 团队通过 AI 技术缩短药物开发时间上所付出的努力，期待并看好公司的未来发展。」

值得一提的是，Insilico Medicine 与生物技术公司、制药公司和学术机构开展了密切的合作。自成立以来，该公司在专业期刊及人工智能会议上发表或联合发表了逾 70 篇论文。

最近，Insilico Medicine 在国际顶级学术杂志《Nature》子刊 Nature Biotechnology 上发表最新研究论文《深度学习能够快速识别强效 DDR1 激酶抑制剂》。（可点击下方阅读原文获取论文链接）

这篇论文介绍了一种名为生成性张量强化学习（GENTRL）的新 AI 系统，该 AI 系统的「惊人之处」在于——从最初的靶点确定，到完成苗头化合物结构的虚拟筛选，仅用时 21 天； 到苗头化合物的合成及初步体外实验验证，用时仅 46 天 ——这种方法比传统制药公司的研发过程快 5-10 倍。

具体来讲，DDR1 是一种与纤维化及其他疾病有关的激酶靶标，而该 AI 系统仅在 21 天内就设计出 6 种全新的靶向 DDR1 的潜在抑制剂小分子，其中 4 种通过生化检测证实具有活性，2 种通过细胞测定证实具有活性。

实验人员在小鼠模型中测试了其中一种先导化合物，证明其具备良好的药物代谢动力学性质。

传统的初期药物发现流程基于海量已知化合物库的高通量筛选开始，需要测试数以万计的小分子，进而得到少量苗头化合物。但这些分子依然需要药物化学家进行数以年计的优化调整，并仅有少数才能进入到临床试验阶段。因此，任何能够大幅提升临床前期新药研发的效率及成功率的方法，都能显著削减成本、造福公众。

近年来，为大幅加速和完善药物发现过程，全世界的科学家们不断拓宽 GAN 和其他机器学习技术的理论基础。

而 Insilico Medicine 此次发表在的论文，是生成强化学习技术首次用于生成靶向蛋白质的全新小分子。不过，GENTRL 生成的药物还需要进行临床实验，距离真正以一种新型药物的姿态问世，还需要几年时间。

「论文中的 GENTRL 方法大大提高了药物发现中生化检测的效率。虽然还需进一步对 GENTRL 进行大规模实验，但实验结果标志着医药 AI 在工业层面的突破，或许能对社会和经济造成深远影响。」创新工场董事长兼 CEO 李开复博士评价道。

这篇论文的主要作者、Insilico Medicine 公司的创始人兼 CEO Alex Zhavoronkov 博士表示：「在基于 AI 的药物发现的探索过程中，这篇论文是我们重要的里程碑。从 2015 年开始，我们就一直投入生成化学研究，但当我们在 2016 年发表论文、建立理论框架时，大家都非常怀疑。而现在，这项技术逐渐成为主流。

这些模型是几年前开发的，生成了一些针对较简单标靶的分子，而今，这些分子在动物实验中通过验证，我们欣喜万分。整合到全面的药物发现管道中后，这些模型对许多靶点类别都适用。我们将与先进的生物技术公司合作，不断拓宽生成化学和生成生物学的前沿。」