Umetna inteligenca pri odkrivanju mamil: 2018 leto v pregledu

Zamisel o uporabi umetne inteligence (AI) za pospešitev postopka odkrivanja zdravil in povečanje uspešnosti farmacevtskih raziskovalnih programov je v zadnjih nekaj letih spodbudila številne aktivnosti na tem področju. V letu 2018 se stvari še bolj perejo s povečanjem števila partnerstev, naložb in drugih pomembnih dogodkov, ki so spodaj povzeti in združeni v „mini trende“.

1. tvegani kapital se vliva v zagon odkrivanja drog, ki jih poganja AI

Letošnje leto je zaznamovalo ogromno število pogodb za zbiranje sredstev med zagonom odkrivanja drog, ki jih vodi AI - jasen pokazatelj, da je prostor AI za odkrivanje drog dobil nekaj resne privlačnosti za tvegane kapitaliste.

DobrohotnoAI

Doslej se zdi, da je londonski BenevolentAI vodilni v letu po zbiranju sredstev - aprila so zaključili krog v višini 115 milijonov dolarjev in dosegli vrtoglavo oceno 2 milijard dolarjev. Ta novica in trenutni tempo raziskovalne dejavnosti podjetja, čeprav se srečujeta z določeno mero skepse, nedvomno postavljata v zelo močan položaj med konkurenti.

Natančno

Atomwise, ki je bila ustanovljena leta 2012 in je bila pionirska za uporabo globokih nevronskih mrež za strukturirano zasnovo zdravil, je zbrala 45 milijonov dolarjev naložbe za napredovanje svoje tehnologije za odkrivanje drog AtomNet, ki jo poganja AI. Podjetje pravi, da vsak dan pregleda 10 milijonov majhnih molekul in uporablja AtomNet, ki uporablja algoritme za globoko učenje, za analizo molekul in napovedovanje njihove učinkovitosti kot zdravil, strupenosti in stranskih učinkov.

Insilico Medicine

Dokaj edinstveno podjetje na seznamu - ameriška Insilico Medicine, ki je edini zagon med svojimi najbližjimi konkurenti, ki razvije sistem "umetne inteligence", ki temelji na celotnem paketu, ki temelji na generaliziranih konkurenčnih omrežjih (GAN), kar omogoča "konec "od konca" postopek odkrivanja zdravil - od osnovnega biološkega modeliranja in razvoja biomarkerjev, do nastanka molekul, ki jih zadevajo, optimizacije svinca in predklinične potrditve kandidatov za zdravila. Junija je podjetje Insilico Medicine od WuXi AppTec prejelo nerazkrit znesek strateške naložbe, s čimer je skupno zbrani kapital dosegel do 20 milijonov dolarjev (glede na Crunchbase).

Verge Genomics

Le mesec dni pozneje je WuXi AppTec sodeloval v 32-milijonskem investicijskem krogu za še en zagon, ki ga poganja AI - Verge Genomics. Slednji uporablja strojno učenje in AI za razvoj terapij proti Alzheimerjevi in ​​Parkinsonovi bolezni. Podjetje Verge tudi aktivno razvija svojo bazo podatkov o genomskih podatkih bolnikov - domnevno naj bi podjetje imelo enega največjih virov na tem terapevtskem področju.

Owkin

New York - pariški Owkin, ki je bil ustanovljen leta 2016, da bi uporabljal strojno učenje za optimizacijo postopka odkrivanja drog z boljšim razumevanjem prekomernih bioloških podatkov, je januarja povišal svoj krog A v višini 11 milijonov dolarjev, da bi lahko povečal svojo tehnološko platformo Owkin Socrates. Platforma lahko integrira molekularne knjižnice in slikovne knjižnice s podatki o pacientih, da razkrije vzorce biomarkerjev, ki povzročajo bolezen, podjetje pa uporablja prenosno učenje za izboljšanje uspešnosti modela, kjer je pravilno označenih podatkov malo.

XtalPi

XtalPi je leta 2014 ustanovila skupina kvantnih fizikov na MIT, ameriško biotehnično podjetje, ki je januarja z več investitorji, vključno z Googlom in Sequoia Kitajsko, med drugimi vlagatelji, vključno z Googlom in Sequoia Kitajsko, zbralo okrog 15 milijonov dolarjev. Podjetje trdi, da lahko hitro in natančno napove številne pomembne značilnosti drog z majhnimi molekulami in trdnih oblik s kombiniranjem umetne inteligence, kvantne fizike in visokozmogljivega računalništva v oblaku. S pomočjo te prefinjene interakcije tehnologij bo podjetje lahko zagotovilo „prihranjen čas vpogled v varnost, stabilnost in učinkovitost kandidatov za droge“.

BenchSci

Kasneje letos je Google tudi sofinanciral BenchSci - pametno platformo za iskanje bioloških izdelkov, ki jih poganja AI. Okrog je več vlagateljev znašal 8 milijonov dolarjev.

Bioscience motorja

Engine Biosciences je biotehnološko podjetje s sedežem v San Franciscu in Singapurju, ki je najavilo 10 milijonov ameriških dolarjev financiranja in pospešilo svojo platformo, ki temelji na AI, za odkrivanje zdravil, razvoj kombiniranega zdravljenja in celično reprogramiranje. Tehnologija podjetja omogoča raziskovalcem in razvijalcem zdravil, da razkrijejo interakcije genov in biološka omrežja ter zagotovijo preskusne terapije, ki so posebej usmerjene v genetske interakcije. AI platforma podjetja lahko pomaga pri odkrivanju ciljev, preoblikovanju zdravil in analizi za aplikacije na področju natančnosti.

Druge pomembne naložbe v letu 2018 vključujejo: TwoXAR (10 milijonov USD), ReviveMed (1,5 milijona USD), GTN (2,8 milijona USD) itd.

(Če želite pregledati zbirne statistične podatke o industriji "AI v odkrivanju drog", preberite poročilo "Krajina umetne inteligence (AI) v farmacevtskih raziskavah in razvoju").

2. Proizvajalci zdravil še naprej lovijo zunanja AI-partnerstva ...

V letu 2018 farmacevtske družbe izkazujejo nenehno zanimanje za partnerstvo z novimi start-upi, ki jih poganja AI - da bi izkoristili moč algoritmov za povečanje lastnih programov odkrivanja drog. Spodaj je seznam nekaterih pomembnih tovrstnih sodelovanj pri oblikovanju drog:

Merck

Zadnji mesec tega plodnega leta je zaznamovalo novo raziskovalno sodelovanje med nemškim farmacevtskim gigantom Merckom in kanadskim podjetjem, ki ga vodi AI Cyclica. Stranki sta se strinjali, da bo Merck uporabil lastniški oblak Cyclica, ki ga poganja AI, in ki temelji na silikonski proteomski platformi Ligand Express®, da razjasni mehanizme delovanja za številne Merckove male molekularne kandidate, oceni njihove varnostne profile in odkrije dodatne terapevtske aplikacije.

Bayer

Novembra je Bayer vzpostavil večfazno raziskovalno sodelovanje s podjetjem za odkrivanje drog, ki temelji na torontu, Cyclica, da bi uporabil svojo večplastno platformo za odkrivanje AI za široko paleto raziskovalnih nalog. V okviru tega sodelovanja bo Cyclica zagotovila svojo platformo za testiranje proteome Ligand Express®, ki temelji na oblaku, za preučevanje zunaj ciljnih profilov majhnih molekul in uporabila prvovrstno tehnologijo za diferencialno oblikovanje zdravil (DDD) za več ciljne cilje oblikovanje drog. Poleg tega bo uporabila svojo AI tehnologijo za izdelavo najsodobnejših modelov napovedovanja farmakokinetičnih lastnosti.

Pfizer

Septembra je Pfizer sklenil sporazum o ocenjevanju z Atomwise - zdaj bo moral startup, ki razvija AI, identificirati obetavne kandidate za zdravila za do tri beljakovine, ki jih izbira Pfizer.

Le nekaj mesecev prej se je Pfizer poslovil z drugim AI-jevim zagonom XtalPi, da bi razvil programsko platformo za odkrivanje drog, ki bi uporabila XtalPijevo strokovno znanje na področju računalniške fizike in umetne inteligence. Platforma je treba uporabiti za natančno molekularno modeliranje majhnih molekul, podobnih drogam.

Bristol-Myers Squibb

Bristol-Myers Squibb je s Sirenasom, biotehnološkim podjetjem, ki uporablja računalniške pristope za odkrivanje terapevtov, pridobljenih iz globalnega mikrobioma, sklenil sporazum o sodelovanju z več cilji na področju raziskovanja terapij, da bi uporabil svojo zaščiteno platformo za odkrivanje drog proti vrsti nerazkritih, a zahtevnih terapevtskih ciljev . Raziskovalno sodelovanje uporablja Sirenasovo znanje pri uporabi lastne tehnologije rudarjenja podatkov ATLANTIS ™ za prepoznavanje potencialnih kandidatov za droge med lastno kemično knjižnico Sirenas, izolirano iz globalnih zbirk mikrobiomov. Pomembno je omeniti še eno področje Sirenasovega strokovnega znanja - najsodobnejšo organsko sintezo, ki podjetju omogoča, da ne samo dajejo računske napovedi, temveč tudi kemične spojine z nenavadnimi naravoslovnimi odri.

Boehringer Ingelheim

Maja 2018 se je Boehringer Ingelheim poslovno povezal z Bactevo, da bi uporabil njihov "Popolnoma integriran motor za zdravila" za prepoznavanje novih kandidatov za droge z majhnimi molekulami.

GlaxoSmithKline

Maja je GlaxoSmithKline (GSK) oblikoval sodelovanje pri oblikovanju zdravil z Cloud Pharmaceuticals, podjetjem za odkrivanje drog z AI, da bi razvili vrsto majhnih molekul proti biološkim ciljem, ki jih je določil GSK.

(Preberite, kako Big Pharma sprejema AI za povečanje odkritja drog, če želite izvedeti več takšnih sodelovanj in tipičnih primerov uporabe AI pri odkrivanju drog)

3.… pa tudi razširite notranje zmogljivosti AI

Po eni strani farmacevtske družbe vse pogosteje najemajo AI-startupe za raziskovanje priložnosti, po drugi strani pa so enako dejavne pri naraščanju internega strokovnega znanja in izkušenj in oblikovanju digitalne infrastrukture za učinkovitejšo uporabo podatkov.

Pred kratkim je Novartis napovedal zaključek prve faze strategije digitalne preobrazbe podjetja, ki se bo osredotočila na velike podatke, digitalno infrastrukturo in umetno inteligenco. Prva faza je bil notranji program imenovan STRIDE in je vključeval zagon več pomembnih informacijskih sistemov IT za upravljanje dokumentov, notranje preiskave, visokozmogljivo računalništvo, upravljanje kliničnih preskušanj in druge naloge.

Naslednja faza Novartisove digitalne preobrazbe je uvedba platforme za napovedno analitiko, ki jo poganjajo algoritmi strojnega učenja, za podporo operacij kliničnih preskušanj. To bo izvedeno v okviru pobude Nerve Live in v sodelovanju z ameriškim podjetjem za strojno učenje QuantumBlack.

Končno obstajajo načrti za tretji veliki prihodnji projekt - Data 42 - tistega, ki združuje vse Novartisove nabore podatkov, da bodo lahko poizvedovali po vseh podatkih v centraliziranem mannarju. To je vsekakor pomemben pogoj za preobrazbo, ki jo poganja AI v podjetju.

Podobno skoraj vsak svetovni proizvajalec zdravil - Pfizer, AstraZeneca, Eli Lilly, Merck, GSK in drugi - sprejema notranje ukrepe za prestrukturiranje, da bi se pripravil na digitalno preobrazbo farmacevtskih raziskav in sprejetje umetne inteligence za odkrivanje in razvoj zdravil.

4. Lov na "velike podatke"

Postaja očitno, da so ključni dejavnik prihodnje revolucije, usmerjene z AI v farmacevtske raziskave, podatki. Brez dostopa do raznolikih, interdisciplinarnih, kakovostnih in pravilno nabranih velikih podatkov, transformativnega učinka AI tehnologije ni mogoče doseči v celoti. V tem okviru je pomembno videti, kako se podjetja gibljejo v smeri podatkovno usmerjene raziskovalne paradigme.

GSK in 23andMe

GSK je julija vložil 300 milijonov dolarjev v 23andMe, podjetje za testiranje genov v Silicijevi dolini, ki ga podpira Google. Ta dogovor GSK odpira vrata za dostop do obsežne baze podatkov o DNK, ki zagotavlja informacije o odnosih med geni in boleznimi. 23andMe ima več kot 5 milijonov kupcev, večina se jih je odločila za vključitev svojih podatkov v raziskovalne programe.

Datavant in Verge Genomics

Podjetje Datavant, mlad zagon, ki temelji na AI v ZDA, je osredotočen na organizacijo in strukturiranje podatkov o zdravstvenem varstvu za pridobivanje uporabnih spoznanj za oblikovanje in razlago kliničnih preskušanj. V začetku januarja je objavila strateško zavezništvo z Verge Genomics, podjetjem, ki uporablja umetno inteligenco za odkrivanje in razvoj novih terapevtikov. Novo ustanovljeno partnerstvo želi odkleniti vrednost nabora farmacevtskih podatkov, ki jih ima Datavant - podatke o kliničnih preskušanjih, trditve, zgodovino lekarn, elektronske zdravstvene evidence in genomične podatke o bolnikih. - pospešiti odkrivanje in razvoj novih zdravil.

Do zdaj ima Datavant poleg Verge še dve partnerstvi - z Duke Clinical Research Institute (DCRI), Global Genomics Group (G3) - vsi, katerih cilj je združevanje strokovnega znanja o odkrivanju drog, bioloških velikih podatkov in novih analitičnih podatkovnih tehnologij, kot je AI, spodbuditi inovacije na področju farmacevtskih raziskav.

5. Premik k integriranim raziskovalnim platformam

Glede na zgornje trende (osredotočenost na AI in velike podatke) je logična posledica farmacevtska raziskovalna industrija, ki se giblje k ​​platformnim modelom sodelovanja in izvajanju raziskav. Platforme so digitalna infrastruktura, ki povezuje pike med različnimi vrstami dejavnosti, raziskovalnimi območji, načini delovanja in pretokom podatkov. Platforme ali „super platforme“ so zelo razširjene v finančnem, potrošniškem e-poslovanju in drugih panogah, vendar je to farmacevtska raziskava še vedno nov pojav. Več dogodkov v letu 2018 je tukaj precej nazorno:

Merck, Accenture in AWS

Objavljeno je bilo, da Merck in Accenture sodelujeta z Amazon Web Services, da bi ustvarili platformo v oblaku, ki bi vključevala sodelavce v različnih panogah industrije znanosti o življenju. Ta analitična platforma bo zgrajena z uporabo odprtih programskih vmesnikov (API-jev) in bo olajšala sodelovanje pri pospeševanju zgodnjih prizadevanj za odkrivanje drog. Raziskovalcem ne bo le olajšalo zbiranja, dostopa in analiziranja interdisciplinarnih podatkov, temveč bo tudi zmanjšalo ovire za vstop na trg za ponudnike novih vrednosti - razvijalce aplikacij, znanstvenike podatkov, ponudnike vsebin in podatkov itd.

Google in WuXi NextCODE

Marca je WuXi NextCODE napovedal partnerstvo z Googlom, da bi v Googlovo platformo v oblaku integriral sistem za upravljanje veliko baz podatkov genomike in raziskovalne aplikacije. Ta orodja, kot sta Google Cloud BigQuery in DeepVariant, bodo integrirana z zmogljivostmi WuXi NextCODE. Obe podjetji si bosta prizadevali tudi za dodatna orodja in vmesnike API-jev za krepitev svetovne genomične skupnosti.

(Preberite tudi: „Pripravite se na„ Super platforme “v zdravstvenem varstvu in farmacevtskih raziskavah“)

6. Organizacije združujejo moči, da sprejmejo AI za odkrivanje drog

Eden od pomembnih elementov zrelega industrijskega ekosistema - prisotnost specializiranih konzorcijev in združenj, katerih cilj je olajšati interakcijo med člani skupnosti, postaviti industrijske standarde in razkriti najboljše prakse, izobraževati širšo javnost o tej temi in lobirati o pomembnih spremembah vladnim predpisom.

Farmacevtska raziskovalna industrija je v svojih prvih dneh široko sprejela umetno inteligenco za odkrivanje drog, zato nastajajoči ekosistem strokovnjakov AI na tem prostoru šele začenja rasti. Vendar so bili v zadnjem času narejeni številni pomembni koraki k ustvarjanju industrijskih zavezništev:

Konzorcij MLPDS

Maja 2018 je MIT oblikoval močan konzorcij za industrijsko akademijo, Strojno učenje za odkrivanje in sintezo farmacevtskih izdelkov (MLPDS), ki že vključuje nekatere vodilne akterje na farmacevtskem področju: Amgen, BASF, Bayer, Eli Lilly, Novartis, Pfizer, Sunovion in WuXi. Novo ustanovljeni konzorcij s sedežem v Cambridgeu, enem od svetovnih centrov za biofarmacevtske inovacije, omogoča tesno sodelovanje med partnerji (veliko jih je prisotnih v Cambridgeu) in ustanovitev centra za uporabo umetne inteligence (AI) v farmacevtskih raziskavah.

Konzorcij ATOM

Drugi pomemben konzorcij, The Accelerating Therapeutics for Opportunities in Medicine (ATOM), so konec lanskega leta ustanovili njegovi ustanovni partnerji - GSK, Nacionalni laboratorij Lawrence Livermore, Nacionalni laboratorij za raziskave raka Lawrence Livermore in Kalifornijska univerza, San Francisco - s podporo za financiranje v skladu z Zakonom o zdravilih 21. stoletja. Medtem ko misija ATOM vključuje široko paleto dejavnosti za lažje odkrivanje zdravil na področju onkologije, so nekatere osrednje naloge osredotočene na pospeševanje sprejetja umetne inteligence s strani farmacevtov in demokratizacijo dostopa do velikih raziskovalnih podatkov. Aprila 2018 je Numerate, eden vodilnih razvijalcev AI za odkrivanje drog, izrazil namero, da se pridruži konzorciju.

Zavezništvo AAIH

Nazadnje je september zaznamoval pomemben mejnik - napoved misije in zagon dejavnosti globalne zveze za umetno inteligenco v zdravstvu (AAIH), ki naj bi postala vodilna mednarodna organizacija za napredek inovacij umetne inteligence v odkrivanju drog, kliničnih raziskavah, Diagnostika, natančna medicina in druga ključna področja farmacevtskih raziskav in zdravstva.

7. Izdelava industrijskega merila za primerjavo modelov strojnega učenja

Imeti standardiziran niz meritev in nabora podatkov za ocenjevanje in primerjavo najrazličnejših razpoložljivih in novih modelov strojnega učenja je bistvenega pomena za ustvarjanje in vzdrževanje najboljših praks v industriji.

MOSE (molekularne garniture)

Nedavno so se v tej smeri lotili skupina znanstvenikov iz podjetja AI, ki jo vodi podjetje za odkrivanje drog Insilico Medicine v sodelovanju s porazdeljeno sintetično podatkovno platformo za globoko učenje - Neuromation, in raziskovalno skupino Alán Aspuru-Guzik na Univerzi v Torontu , ki je predstavil odprto raziskovalno platformo MOSES (Molecular Sets), opisano v prispevku "Molecular Sets (MOSES): Benchmarking Platform for Molecular Generation Models"). Izvorna koda in nabori podatkov za platformo so na voljo na GitHubu.

Platforma naj bi igrala podobno vlogo pri pospeševanju odkrivanja drog, ki jih poganja AI, kot je ImageNet igral pri napredovanju poglobljenega učenja za slikanje podatkov. MOSES je odprt za raziskovalce in organizacije, ki bodo prispevali svoje zbirke podatkov in modele za razširitev platforme primerjalne analize.

***

Zgornja objava zelo na kratko povzema nekatere vidike, kako tehnologije umetne inteligence in veliki podatki začenjajo igrati osrednjo vlogo v farmacevtskih raziskavah. Če želite pridobiti bolj celovit pogled na to temo, se naročite na glasilo BiopharmaTrend, da boste dobili nove vpoglede v analizo trga neposredno v vašo mapo »Prejeto« vas bomo redko motili več kot enkrat na mesec.