Tehisintellekt narkootikumide avastamisel: ülevaade 2018 aastast

Idee kasutada tehisintellekti ravimite avastamise protsessi kiirendamiseks ja farmaatsiatoodete uurimisprogrammide edukuse suurendamiseks on inspireerinud selle valdkonna aktiivsust viimase mitme aasta jooksul. 2018. aastal muutuvad asjad veelgi „kuumemaks” koos partnerlussuhete, investeeringute ja muude oluliste sündmuste mahu kasvuga, kokkuvõtlikult ja rühmitatuna allpool „minitrendideks”.

1. Riskikapital investeerib AI juhitud uimastitarbimisega alustavatesse ettevõtetesse

Seda aastat on tähistanud muljetavaldav hulk raha kogumise tehinguid AI-st juhitud uimastitarbimisega alustavate ettevõtete seas - see näitab selgelt, et „AI narkootikumide avastamiseks“ on omandanud riskikapitalistidele tõsise atraktiivsuse.

BenevolentAI

Siiani näib Londonis asuv BenevolentAI vahendite kogumise osas aasta liider - aprillis lõpetasid nad 115 miljoni dollarise vooru, saavutades jahmatava 2 miljardi dollari väärtuse hindamismargi. Kuigi see uudis ja ettevõtte praegune teadustegevuse tempo kohtusid teatava skeptitsismiga, seab BenevolentAI konkurentide seas kahtlemata väga tugeva positsiooni.

Atomwise

Atomwise, mis asutati 2012. aastal ja oli teerajajaks sügavate närvivõrkude kasutamisele struktuuripõhise ravimite väljatöötamisel, kogus 45 miljonit dollarit investeeringut AI-põhise ravimite avastamise tehnoloogia AtomNet arendamiseks. Ettevõtte sõnul sõelub ta iga päev 10 miljonit väikest molekuli ja kasutab süvaõppe algoritme kasutavat AtomNetit, et analüüsida molekule ja ennustada nende tugevust ravimitena, toksilisuse ja kõrvaltoimetena.

Insilico meditsiin

Üsna ainulaadne ettevõte nimekirjas - USA-s asuv Insilico Medicine, mis on ainus alustavate ettevõtjate seas oma lähimate konkurentide seas ja arendab generatiivsetel konkureerivatel võrkudel (GAN-id) põhinevat tehisintellekti "täiskomplekti", mis võimaldab "lõppu" lõpuni ”ravimite avastamise protsess - alustades bioloogilisest modelleerimisest ja biomarkeri väljatöötamisest kuni molekuli genereerimiseni, plii optimeerimise ja ravimikandidaatide eelkliinilise valideerimiseni. Juunis sai Insilico Medicine WuXi AppTecilt avalikustamata hulga strateegilisi investeeringuid, tuues täielikult kaasatud kapitali kuni 20 miljoni dollarini (Crunchbase'i andmetel).

Verge genoomika

Nimelt osales WuXi AppTec vaid kuu aega hiljem 32 miljoni dollarise investeerimisvooruga AI-põhise startupi jaoks - Verge Genomics. Viimane kasutab masinõpet ja AI-d Alzheimeri ja Parkinsoni tõve vastaste ravimite väljatöötamiseks. Samuti laiendab Verge aktiivselt oma patsientide genoomiliste andmete andmebaasi - väidetavalt omab ettevõte sellel terapeutilisel alal ühte tootmisharu suurimatest ressurssidest.

Owkin

New Yorgis - Pariisis asuv Owkin, mis asutati 2016. aastal masinõppe rakendamiseks narkootikumide avastamisprotsessi optimeerimiseks üleliigsete bioloogiliste andmete paremaks mõistmiseks, tõstis jaanuaris oma A-vooru 11 miljoni dollarini, et laiendada oma tehnoloogiaplatvormi Owkin Socrates. Platvorm võib integreerida molekulaar- ja pilditeekide raamatukogud patsiendi andmetega, et paljastada haigust põhjustavate biomarkerite mustrid. Ettevõte rakendab mudeli toimivuse parandamiseks siirdeõpet, kus õigesti märgistatud andmeid on vähe.

XtalPi

2014. aastal MIT-i kvantfüüsikute grupi asutatud XtalPi on USA-Hiina biotehnoloogiaettevõte, mis on jaanuaris paljude investorite, sealhulgas teiste hulgas Google ja Sequoia China, B-seeria vooru tõstnud 15 miljonit dollarit. Ettevõte väidab, et suudab tehisintellekti, kvantfüüsika ja suure jõudlusega pilvandmetöötluse kombineerimise teel kiiresti ja täpselt ennustada väikesemolekuliliste ravimite ja tahkete vormide arvukaid olulisi omadusi. Kasutades seda keerulist tehnoloogiate koosmõju, suudab ettevõte pakkuda „aja kokkuhoiuga teavet ravimikandidaatide ohutuse, stabiilsuse ja tõhususe kohta“.

BenchSci

Selle aasta lõpus investeeris Google ka BenchSci - nutikas platvorm AI-põhiste bioloogiliste toodete otsimiseks. Voor maksis mitmelt investorilt 8 miljonit dollarit.

Mootori bioteadused

Engine Biosciences on San Franciscos ja Singapuris asuv biotehnoloogiaettevõte, mis teatas 10 miljoni dollari suurusest rahastusest, et edendada oma AI-põhist platvormi ravimite avastamiseks, kombineeritud ravimite väljatöötamiseks ja raku ümberprogrammeerimiseks. Ettevõtte tehnoloogia võimaldab teadlastel ja ravimiarendajatel paljastada geenide koostoimeid ja bioloogilisi võrgustikke ning pakkuda spetsiaalselt geneetilisele koostoimele suunatud testteraapiaid. Ettevõtte AI platvorm võib aidata täppismeditsiinirakenduste sihtmärkide avastamisel, ravimite ümberpaigutamisel ja analüüsimisel.

Muud märkimisväärsed investeeringud 2018. aastal hõlmavad: TwoXAR (10 miljonit dollarit), ReviveMed (1,5 miljonit dollarit), GTN (2,8 miljonit dollarit) jne.

(Narkootikumide avastamise valdkonna koondstatistika ülevaatamiseks lugege aruannet „Kunstliku intelligentsuse maastik farmaatsiaalase teadus- ja arendustegevuse alal”).

2. Narkootikumide tootjad jätkavad välise AI-partnerluse otsimist ...

2018. aastal näitavad farmaatsiaettevõtted pidevat huvi partnerluseks tekkivate AI-põhiste idufirmadega - et kasutada ära algoritmide jõudu oma ravimite avastamise programmide hoogustamiseks. Allpool on loetelu mõningatest tähelepanuväärsetest sedalaadi ravimite väljatöötamisega seotud koostöötest:

Merck

Selle viljaka aasta viimast kuud tähistas uus teaduskoostöö Saksa farmaatsiahiiglase Mercki ja Kanada AI juhitava ettevõtte Cyclica vahel. Pooled leppisid kokku, et Merck kasutab Cyclica patenteeritud AI-põhist pilve, mis põhineb silikoprotooomi sõelumisplatvormil Ligand Express®, et selgitada paljude Mercki väikeste molekulide kandidaatide toimemehhanisme, hinnata nende ohutusprofiile ja paljastada täiendavaid terapeutilisi rakendusi.

Bayer

Novembris asutas Bayer mitmefaasilise teaduskoostöö Torontos asuva ravimite avastamise ettevõttega Cyclica, et kasutada selle mitmetahulist AI-põhist avastusplatvormi paljude teadusuuringute jaoks. Selle koostöö raames pakub Cyclica oma pilvepõhist proteoomi sõelumisplatvormi Ligand Express®, et uurida väikeste molekulide sihtmärgiväliseid profiile ja rakendada oma esmaklassilist diferentsiaalravimite kujundamise (DDD) tehnoloogiat mitme sihtimisega ravimikujundus. Lisaks rakendab ta oma AI-tehnoloogiat, et luua farmakokineetiliste omaduste jaoks tipptasemel ennustusmudeleid.

Pfizer

Septembris sõlmis Pfizer Atomwise'iga hindamislepingu - nüüd peab AI-d arendav startup tuvastama Pfizeril paljulubavad ravimikandidaadid kuni kolme valitud valgu jaoks.

Vaid paar kuud varem tegi Pfizer partnerluse teise AI-põhise startupiga XtalPi, et töötada välja ravimite avastamise tarkvara platvorm, mis kasutaks XtalPi teadmisi arvutusfüüsika ja tehisintellekti alal. Platvormi tuleb kasutada ravimitaoliste väikeste molekulide täpseks molekulaarseks modelleerimiseks.

Bristol-Myersi Squibb

Bristol-Myers Squibb sõlmis biotehnoloogiaettevõttega Sirenas mitmeotstarbelise teaduskoostöölepingu, mis rakendab masinõppel põhinevaid arvutuslikke lähenemisviise globaalsest mikrobiomist saadud ravimite avastamiseks, et rakendada oma patenteeritud ravimite avastamise platvormi mitmete avaldamata, kuid väljakutseid pakkuvate terapeutiliste eesmärkide suhtes . Teaduskoostöös kasutatakse ära Sirenase teadmisi oma patenteeritud andmete kaevandamise tehnoloogia ATLANTIS ™ rakendamisel, et tuvastada potentsiaalseid ravimikandidaate Sirenase patenteeritud keemiaraamatukogu hulgas, mis on eraldatud globaalsetest mikrobiomi kogudest. Oluline on märkida veel üks Sirena asjatundlikkuse valdkond - kaasaegne orgaaniline süntees, mis võimaldab ettevõttel pakkuda mitte ainult arvutuslikke ennustusi, vaid ka keemilisi ühendeid, millel on ebaharilikud loodusest inspireeritud karkassid.

Boehringer Ingelheim

Boehringer Ingelheim tegi 2018. aasta mais koostööd Bactevoga, et rakendada nende “täielikult integreeritud ravimimootor” uute väikesemolekuliliste ravimite kandidaatide tuvastamiseks.

GlaxoSmithKline

Mais on GlaxoSmithKline (GSK) loonud ravimite väljatöötamise koostöö AI-draividega tegelevate ravimite avastamise ettevõtte Cloud Pharmaceuticals abil, et töötada välja GSK määratletud bioloogiliste sihtmärkide vastu rida väikseid molekule.

(Lugege, kuidas Big Pharma võtab AI-d uimastite avastuse suurendamiseks, et saada rohkem teavet sellelaadse koostöö kohta ja AI-de tavapäraste kasutamise juhtumite kohta ravimite avastamisel)

3.… aga laiendada ka sisemise AI võimalusi

Ühelt poolt palkavad farmaatsiaettevõtted üha enam AI-i alustavaid ettevõtteid võimaluste uurimiseks, kuid teiselt poolt on nad võrdselt aktiivsed AI-sisese asjatundlikkuse suurendamisel ja digitaalse infrastruktuuri kujundamisel andmete tõhusamaks kasutamiseks.

Hiljuti teatas Novartis ettevõtte digitaalse muundamise strateegia esimese etapi lõpuleviimisest, keskendudes suurandmetele, digitaalsele infrastruktuurile ja tehisintellektile. Esimene etapp oli sisemine programm nimega STRIDE ja see hõlmas mitmete oluliste IT-infrastruktuuri süsteemide käivitamist dokumendihalduseks, siseuurimiseks, suure jõudlusega andmetöötluseks, kliiniliste uuringute haldamiseks ja muudeks ülesanneteks.

Novartise digitaalse ümberkujundamise järgmine etapp on kliinilise uuringu toimingute toetamiseks prognoositava analüüsi platvormi juurutamine, mida juhivad masinõppe algoritmid. Seda tehakse algatuse Nerve Live raames ja koostöös USA masinõppeettevõttega QuantumBlack.

Lõpuks on kavas ka kolmas suur tulevikuprojekt - Data 42 -, mis koondab kõik Novartise andmekogud, et saaks tsentraliseeritud mannarist päringuid teha mis tahes andmete kohta. See on kindlasti AI-põhise ümberkujundamise peamine eeldus ettevõttes.

Samamoodi võtavad kõik ülemaailmsed ravimitootjad - Pfizer, AstraZeneca, Eli Lilly, Merck, GSK ja teised - sisemisi ümberkorraldusmeetmeid, et olla valmis farmaatsiaalase uurimistöö digitaalseks muundamiseks ja tehisintellekti kasutuselevõtuks ravimite avastamiseks ja arendamiseks.

4. Suurte andmete jaht

On ilmne, et tulevase AI-põhise revolutsiooni peamiseks võimaluseks farmaatsiauuringutes on andmed. Ilma juurdepääsuvõimaluseta mitmekesistele, interdistsiplinaarsetele, kvaliteetsetele ja korralikult kureeritud suurandmetele ei saa AI-tehnoloogia transformatiivset mõju täielikult realiseerida. Sellega seoses on oluline näha, kuidas ettevõtted liiguvad andmekeskse uurimisparadigma suunas.

GSK ja 23andMe

Juulis on GSK investeerinud 300 miljonit dollarit Silicon Valley geenitestidega tegelevasse ettevõttesse 23andMe, mida toetab Google. See tehing avab GSK-le ukse juurdepääsu ulatuslikule DNA andmebaasile, mis pakub teavet geenide ja haiguste vaheliste suhete kohta. 23andMe-l on rohkem kui 5 miljonit klienti, kellest suurem osa otsustas lubada oma andmete kaasamist uurimisprogrammidesse.

Datavant ja Verge genoomika

Datavant, noor USA-s asuv AI-juhitud startup, on keskendunud tervishoiuandmete korraldamisele ja struktureerimisele, et saada toimivaid teadmisi kliiniliste uuringute kavandamiseks ja tõlgendamiseks. Jaanuari alguses teatas ta strateegilisest liidust Verge Genomicsiga - ettevõttega, mis kasutab tehisintellekti uute ravimite avastamiseks ja arendamiseks. Uue loodud partnerluse eesmärk on Datavanti valduses olevate farmaatsiatoodete andmebaaside väärtuse - kliiniliste uuringute andmete, väidete, apteegi ajaloo, elektrooniliste tervisekontrolli kaartide ja genoomikaandmete - kättesaadavus patsientide kohta. - kiirendada uute ravimite leidmist ja väljatöötamist.

Siiani on Datavandil peale Verge veel kaks partnerlust - Duke'i kliiniliste uuringute instituudiga (DCRI), ülemaailmse genoomikagrupiga (G3) - kõigi eesmärk on ühendada ravimite avastamise alane ekspertiis, bioloogilised suurandmed ja uudsed andmete analüütilised tehnoloogiad, näiteks AI. edendada ravimiuuringute valdkonna innovatsiooni.

5. Liikuda integreeritud teadusplatvormide poole

Ülaltoodud suundumusi silmas pidades (keskendumine AI-le ja suurandmetele) on loogiline tagajärg farmaatsiatööstuses liikudes platvormipõhiste koostöömudelite ja teadusuuringute poole. Platvormid on digitaalsed infrastruktuurid, mis ühendavad punkte erinevat tüüpi tegevuste, uurimisvaldkondade, töörežiimide ja andmevoogude vahel. Platvormid ehk superplatvormid on rahanduses, tarbijatele mõeldud e-kaubanduses ja muudes tööstusharudes laialt levinud, kuid see on farmaatsiaalase teadustöö jaoks endiselt uus nähtus. Mitmed 2018. aasta sündmused on siin üsna illustratiivsed:

Merck, Accenture ja AWS

Teatati, et Merck ja Accenture teevad koostööd Amazon Web Services'iga, et luua pilvepõhine platvorm, mis hõlmaks kaastöötajaid bioteaduste erinevates sektorites. See analüüsi platvorm ehitatakse avatud rakenduste programmeerimisliideste (API) abil ja see hõlbustab koostöökeskkonda, et kiirendada ravimite varajast avastamist. See hõlbustab teadlastel mitte ainult interdistsiplinaarsete andmete koondamist, neile juurdepääsu ja nende analüüsi, vaid vähendab ka uuenduslike väärtuste pakkujate - rakenduste arendajate, andmeteadlaste, sisu- ja andmete tarnijate - turulepääsu tõkkeid.

Google ja WuXi NextCODE

Märtsis teatas WuXi NextCODE partnerlusest Google'iga, et integreerida selle massiliselt skaleeritav genoomika andmebaasi haldussüsteem ja uurimisrakendused Google'i pilvplatvormi. Sellised tööriistad nagu Google Cloud BigQuery ja DeepVariant integreeritakse omakorda WuXi NextCODE võimalustega. Kaks ettevõtet töötavad ka täiendavate tööriistade ja API-de kallal, et anda ülemaailmsele genoomikakogukonnale võimalus.

(Loe ka: „Ole valmis tervishoiuteenuste ja farmaatsiatoodete uuringute superplatvormide jaoks”)

6. Organisatsioonid ühendavad jõud, et võtta vastu AI ravimite avastamiseks

Küpse tööstusökosüsteemi üks olulisi elemente - spetsialiseerunud konsortsiumide ja ühenduste olemasolu, mille eesmärk on hõlbustada suhtlust kogukonna liikmete vahel, kehtestada tööstustandardeid ja tutvustada parimaid tavasid, harida avalikkust selle teema kohta ning lobistada olulisi muudatusi. valitsuse määrustele.

Farmatseutiliste uuringute tööstus on tehisintellekti laialdase kasutuselevõtu algusaegadel ravimite avastamiseks, nii et AI praktiseerijate tekkiv ökosüsteem selles ruumis alles kasvab. Kuid hiljuti on juba astutud mitmeid olulisi samme tööstusliitude loomise suunas:

MLPDS konsortsium

MIT on moodustanud 2018. aasta mais võimsa tööstuse-akadeemiliste ringkondade konsortsiumi Machine Learning for Pharmaceutical Discovery and Synthesis (MLPDS), mis hõlmab juba mõnda farmaatsiavaldkonna juhtivat tegijat: Amgen, BASF, Bayer, Eli Lilly, Novartis, Pfizer, Sunovion ja WuXi. Kuna peakorter asub Cambridge'is (MA), mis on üks ülemaailmseid biofarmatseutiliste uuenduste keskusi, võimaldab vastloodud konsortsium teha tihedat koostööd partnerite vahel (paljudel neist on esindatud Cambridge) ja luua tehisintellekti kasutamise keskus. ravimiuuringutes.

ATOM-i konsortsium

Veel ühe olulise konsortsiumi - meditsiiniliste võimaluste kiirendava ravi (ATOM) - asutasid eelmise aasta lõpus selle asutajad - GSK, Lawrence Livermore'i riiklik labor, Fredericki vähiuuringute riiklik labor ja California ülikool, San Francisco - 21. sajandi ravimiseaduse alusel antava rahalise toetusega. Kui ATOM-i missioon hõlmab laia valikut tegevusi, et hõlbustada tõhusat ravimite avastamist onkoloogia valdkonnas, on mõned kesksed ülesanded keskendunud tehisintellekti kasutuselevõtu edendamisele farmaatsiamängijate poolt ja teadusuuringute suurandmetele juurdepääsu demokratiseerimisele. 2018. aasta aprillis avaldas Numerate, üks juhtivaid ravimite avastamise AI-arendajaid, oma kavatsust liituda konsortsiumiga.

AAIH liit

Lõpuks tähistas septembrit oluline verstapost - tervishoiu tehisintellekti ülemaailmse alliansi (AAIH) missiooni ja tegevuse alustamise teade, millest peab saama juhtiv rahvusvaheline organisatsioon, mis tegeleb tehisintellektiga seotud uuenduste edendamisega uimastite avastamisel, kliinilised uuringud, Diagnostika, täppismeditsiin ja muud farmatseutiliste uuringute ning tervishoiu võtmevaldkonnad.

7. Tööstusliku võrdlusaluse loomine masinõppe mudelite võrdlemiseks

Tööstuse parimate tavade loomiseks ja säilitamiseks on väga oluline omada standardiseeritud mõõdikute ja andmekogumite komplekti, et hinnata ja võrrelda mitmesuguseid saadaolevaid ja uudseid masinõppe mudeleid.

MOSES (molekulaarkomplektid)

Hiljutise sammu selles suunas on teinud AI juhitud ravimite avastamise ettevõtte Insilico Medicine teadlaste rühm koostöös sügavale õppimiseks mõeldud hajutatud sünteetilise andmeplatvormiga - Neuromation ja Alán Aspuru-Guziku uurimisrühmaga Toronto ülikoolis. , kes käivitas avatud uurimisplatvormi MOSES (Molecular Sets), mida kirjeldati artiklis “Molecular Sets (MOSES): Molecular Generation Models” võrdlusalus. Platvormi lähtekood ja andmekogumid on kõik saadaval GitHubis.

Eeldatakse, et platvorm mängib sarnaselt AI-põhise narkootikumide avastamise hoogustamisel, nagu ImageNet mängis pildistamisandmete süvaõppe edendamisel. MOSES on avatud teadlastele ja organisatsioonidele, et nad saaksid oma andmebaase ja mudeleid lisada võrdlusuuringu platvormi laiendamiseks.

***

Ülaltoodud postitus võtab väga lühidalt kokku mõned aspektid, kuidas tehisintellekti tehnoloogiad ja suurandmed hakkavad farmaatsiauuringutes mängima keskset rolli. Selle teema kohta terviklikuma ülevaate saamiseks palun tellige BiopharmaTrendi infoleht, et saada värskeid turuanalüütika teadmisi otse teie postkasti - me häirime teid harva rohkem kui üks kord kuus.