
英国政府支持的AI初创公司Potential Sciences用计算机模拟数据训练药物发现模型
来源标题:Finding New Drugs Is Laborious. This AI Startup Is Skipping The Lab Work
英国政府支持的初创公司Potential Sciences计划用物理模拟生成的生化数据训练AI模型,以绕过昂贵的实验室实验来筛选药物。该公司于11月5日成立,已从英国政府AI基金SovAI和Twin Path Ventures等获得数千万美元种子轮融资。其目标是让注定无效的分子快速淘汰,从而加速新药开发。
以下正文由 AI 翻译自 Wired(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
发现新药是一项繁重的工作。这家AI初创公司正在跳过实验室环节
Potential Sciences计划利用物理学基本原理,依次模拟原子之间、小分子之间,再到复杂氨基酸和蛋白质之间的相互作用,从而构建大规模化学数据集。凭借这些数据,该公司押注自己能够训练出AI模型和预测系统,用来为特定疾病识别高度靶向的药物,从而绕过成本高昂且耗时的实验室实验。
“我们希望那些在临床上根本不可能奏效的分子能够尽早被淘汰,”Potential Sciences创始人兼CEO Hatem Helal对《连线》表示,“这意味着我们需要更好地预测这些分子在与人体生物系统相互作用时会如何表现。”
这家于11月5日成立的初创公司表示,已从SovAI——英国政府旗下AI风险投资基金——以及Twin Path Ventures等投资者处获得数千万美元的种子轮融资。创始人不愿透露具体金额或估值。
如果一切如Potential Sciences所愿,这可能为加速开发各类疾病的新疗法铺平道路。Helal表示,通过降低实验成本,公司的方法还可以让制药公司从经济上可行地研发针对罕见疾病的药物,而这些疾病此前一直缺乏治疗手段。
“我们希望让针对疾病更加个性化的治疗成为可能——也就是药物可以是为你的独特人体生物学量身定制的一次性分子组合,”他说。
问题在于,Potential Sciences能否像其所期望的那样,准确预测候选药物与疾病相关蛋白的结合效果,而这需要一次显著的技术飞跃。
“我相信这会有改进,”莱斯大学化学教授Peter Wolynes说。但目前,“就蛋白质工程的实现方式而言,工程水平还停留在罗马时代,而非文艺复兴时代,”他说。
像Demis Hassabis这样的行业巨擘早已表示,AI的进步最终将带来重大的科学突破,就像这项技术最近在数学领域开疆拓土一样。Hassabis因其在Google DeepMind的工作获得了诺贝尔化学奖。Potential Sciences这类初创公司的希望在于,药物发现将成为首批被这项技术变革的科学前沿之一。
目前,很大一部分AI药物发现实验室都是在单一公共3D原子结构数据库——蛋白质数据库(Protein Data Bank)——之上开发模型,研究人员数十年来通过新的实验结果不断扩充该数据库。据Helal所说,问题在于该数据集仍然太小,不足以训练出足够先进的AI模型来可靠地加速寻找可行的候选药物。
“在宇宙的所有原子中,大约有10的60次方种方式可以将它们组装成有可能给予人类的分子,”Helal说。“把药物发现看作一个搜索问题;关键在于你能以多快的速度遍历并修剪这个空间,找到针对特定疾病的有前景的分子。”
为了解决这个问题,Potential Sciences正试图通过模拟不同化合物之间的相互作用来生成合成数据,从而构建远比现有规模更大的数据集。理论上,从大得多的数据池中,这家初创公司将能够训练出先进得多的AI模型和预测系统。
学术界看到了Potential Sciences所采用的基于模拟的方法的潜力。“如果我们能准确计算细胞中所有分子之间的相互作用及其结构波动,我们就能预测分子会在哪里结合,这确实将彻底改变药物开发,”剑桥大学化学荣誉教授、蛋白质工程专家Alan Fersht说。“我乐观地认为这最终会实现。”
获得SovAI投资后,Potential Sciences加入了同行AI药物发现公司Basecamp Research和Isomorphic Labs,以及材料发现初创公司CuspAI的行列。
英国政府今年早些时候成立了SovAI,其使命是投资有潜力成为全球AI供应链不可或缺组成部分的英国初创公司,从而为该国提供关键的地缘政治杠杆。该基金管理着约8亿美元资金,并能够为其投资组合公司提供使用英国国家AI超级计算机的机会。
“从物理学角度——化学的物理学——切入药物发现,使(Potential Sciences)与其他公司区别开来,”SovAI风险投资主管Joséphine Kant说,她已作为投资的一部分加入了这家初创公司的董事会。“给予他们计算资源的访问权限,他们就能以很小的初创公司原本很难做到的规模来开展这项工作。”
然而,AI药物发现是一个拥挤的市场。即使有英国政府的助力,Potential Sciences也将面临来自众多创业者和学者的激烈竞争,他们正从不同的方法角度竞相解决同样的瓶颈。
而且,能够更快识别有前景的候选药物,并不意味着可以省去测试其安全性和有效性所需的成本和时间,这意味着无论AI如何进步,新疗法仍需很长时间才能上市。“设计药物的成本与弄清楚它对小鼠、对真正患病的患者、对正常人会产生什么影响相比,根本不值一提,”Wolynes说。“从某种意义上说,这并不是限制速度的环节。”
随着该领域的发展,像Potential Sciences这样的初创公司还将不得不面对一种可能性:能够识别有效疗法的技术也可能被滥用来开发高度危险的化学物质。“如果我们能设计出完美最小化毒性的工具,那么反过来最大化毒性也就轻而易举了,”Helal说。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。