Sztuczna inteligencja w odkrywaniu narkotyków: przegląd roku 2018

Pomysł wykorzystania sztucznej inteligencji (AI) w celu przyspieszenia procesu odkrywania leków i zwiększenia skuteczności programów badań farmaceutycznych zainspirował wzrost aktywności w tym obszarze w ciągu ostatnich kilku lat. W 2018 r. Sprawy stają się jeszcze „gorętsze” wraz ze wzrostem liczby partnerstw, inwestycji i innych ważnych wydarzeń, które zostały podsumowane i pogrupowane poniżej w „mini-trendy”.

1. Kapitał podwyższonego ryzyka napływa do start-upów zajmujących się odkrywaniem leków opartych na sztucznej inteligencji

Ten rok upłynął pod znakiem imponującej liczby transakcji pozyskiwania funduszy wśród startupów zajmujących się odkrywaniem narkotyków opartych na sztucznej inteligencji - wyraźne wskazanie, że przestrzeń „AI dla odkrywania narkotyków” zyskuje poważną atrakcyjność dla inwestorów venture capital.

BenevolentAI

Do tej pory londyński BenevolentAI wydaje się być liderem roku pod względem pozyskiwania funduszy - w kwietniu zamknęli rundę 115 mln USD, osiągając oszałamiającą kwotę 2 mld USD. Choć spotkała się z pewnym sceptycyzmem, ta wiadomość i obecne tempo działalności badawczej firmy niewątpliwie stawia BenevolentAI na bardzo silnej pozycji wśród konkurentów.

Atomwise

Firma Atomwise, która została założona w 2012 r. I była pionierem wykorzystania głębokich sieci neuronowych do projektowania leków opartych na strukturze, zebrała 45 mln USD rundy Inwestycja, aby rozwinąć technologię odkrywania leków AtomNet opartą na sztucznej inteligencji. Firma twierdzi, że monitoruje 10 milionów małych cząsteczek każdego dnia i wykorzystuje AtomNet, który wykorzystuje algorytmy głębokiego uczenia się, do analizowania molekuł i przewidywania ich mocy jako leków, toksyczności i skutków ubocznych.

Insilico Medicine

Dość wyjątkowa firma na liście - Insilico Medicine z siedzibą w USA, która jest jedynym startupem wśród swoich najbliższych konkurentów, który opracowuje system sztucznej inteligencji „pełnego stosu” oparty na generatywnych sieciach przeciwników (GAN), umożliwiający „koniec” „do końca” proces odkrywania leków - od podstawowego modelowania biologicznego i rozwoju biomarkerów, po generowanie cząsteczek uderzeniowych, optymalizację elektrod i walidację przedkliniczną kandydatów na leki. W czerwcu Insilico Medicine otrzymało nieujawnioną kwotę strategicznej inwestycji od WuXi AppTec, przynosząc całkowicie zgromadzony kapitał do 20 mln USD (według Crunchbase).

Verge Genomics

Warto zauważyć, że zaledwie miesiąc później WuXi AppTec wziął udział w rundzie inwestycyjnej o wartości 32 mln USD na kolejny start-up oparty na sztucznej inteligencji - Verge Genomics. Ten ostatni wykorzystuje uczenie maszynowe i sztuczną inteligencję do opracowania leków przeciw chorobie Alzheimera i Parkinsona. Verge aktywnie rozwija także bazę danych genomowych pacjentów - rzekomo firma posiada jeden z największych zasobów w branży w tej dziedzinie terapeutycznej.

Owkin

Owkin z Nowego Jorku - Paryża, założony w 2016 roku w celu zastosowania uczenia maszynowego w celu optymalizacji procesu odkrywania leków poprzez lepsze zrozumienie nadmiaru danych biologicznych, podniósł w styczniu rundę A w wysokości 11 mln USD, aby skalować swoją platformę technologiczną Owkin Socrates. Platforma może integrować biblioteki molekularne i obrazowe z danymi pacjentów, aby ujawnić wzorce biomarkerów wywołujących chorobę, a firma stosuje uczenie transferowe w celu poprawy wydajności modeli tam, gdzie brakuje odpowiednio oznakowanych danych.

XtalPi

Założona w 2014 r. Przez grupę fizyków kwantowych na MIT, XtalPi to amerykańska firma biotechnologiczna, która zebrała w styczniu serię B w wysokości 15 mln USD od kilku inwestorów, w tym między innymi Google i Sequoia China. Firma twierdzi, że może szybko i dokładnie przewidzieć wiele ważnych cech leków małocząsteczkowych i form stałych, łącząc sztuczną inteligencję, fizykę kwantową i wysokowydajne przetwarzanie w chmurze. Wykorzystując tę ​​wyrafinowaną grę technologii, firma będzie w stanie zapewnić „oszczędzający czas wgląd w bezpieczeństwo, stabilność i skuteczność kandydatów na leki”.

BenchSci

Jeszcze w tym roku Google zainwestowało także w BenchSci - inteligentną platformę do wyszukiwania produktów biologicznych z wykorzystaniem sztucznej inteligencji. Runda wyniosła 8 milionów dolarów od kilku inwestorów.

Engine Biosciences

Engine Biosciences to firma biotechnologiczna z siedzibą w San Francisco i Singapurze, która ogłosiła rundę finansowania w wysokości 10 mln USD na rozwój platformy opartej na sztucznej inteligencji do odkrywania leków, rozwoju terapii skojarzonych i przeprogramowania komórkowego. Technologia firmy pozwala badaczom i twórcom leków ujawniać interakcje genów i sieci biologiczne oraz zapewniać terapie testowe ukierunkowane na interakcje genetyczne. Platforma AI firmy może pomóc w odkrywaniu celów, zmianie przeznaczenia leków i analizach w zastosowaniach medycyny precyzyjnej.

Inne znaczące inwestycje w 2018 r. To: TwoXAR (10 mln USD), ReviveMed (1,5 mln USD), GTN (2,8 mln USD) itp.

(Aby przejrzeć zagregowane statystyki dla branży „AI w odkrywaniu leków”, przeczytaj raport „Krajobraz sztucznej inteligencji (AI) w badaniach i rozwoju farmaceutycznym”).

2. Twórcy narkotyków kontynuują polowanie na zewnętrzne partnerstwa AI…

W 2018 r. Firmy farmaceutyczne wykazują stałe zainteresowanie współpracą z nowo powstającymi startupami napędzanymi sztuczną inteligencją - w celu wykorzystania siły algorytmów w celu usprawnienia własnych programów odkrywania leków. Poniżej znajduje się lista niektórych z godnych uwagi współpracy tego rodzaju przy projektowaniu leków:

Merck

Ostatni miesiąc tego owocnego roku upłynął pod znakiem nowej współpracy badawczej niemieckiego giganta farmaceutycznego Merck i kanadyjskiej firmy Cyclica napędzanej sztuczną inteligencją. Strony zgodziły się, że Merck wykorzysta zastrzeżoną przez Cyclicę chmurę opartą na sztucznej inteligencji opartą na platformie przesiewowej in silico proteom Ligand Express®, aby wyjaśnić mechanizmy działania dla wielu kandydatów na małe cząsteczki Merck, ocenić ich profile bezpieczeństwa i odkryć dodatkowe zastosowania terapeutyczne.

Bayer

W listopadzie Bayer nawiązał wielofazową współpracę badawczą z firmą Cyclica z Toronto, zajmującą się odkrywaniem leków, w celu wykorzystania swojej wielopłaszczyznowej platformy odkrywania opartej na sztucznej inteligencji do szerokiego zakresu zadań badawczych. W ramach tej współpracy Cyclica dostarczy opartą na chmurze platformę do badań przesiewowych proteomów Ligand Express® do badania profili małych cząsteczek poza celami i zastosuje swoją pierwszą w swojej klasie technologię różnicowego projektowania leków (DDD) do wielu celów projektowanie narkotyków. Co więcej, zastosuje technologię AI do budowy najnowocześniejszych modeli predykcyjnych dla właściwości farmakokinetycznych.

Pfizer

We wrześniu Pfizer zawarł umowę oceniającą z Atomwise - teraz start-up rozwijający AI będzie musiał zidentyfikować obiecujących kandydatów na leki dla maksymalnie trzech wybranych białek przez Pfizer.

Zaledwie kilka miesięcy wcześniej Pfizer współpracował z innym XtalPi napędzanym sztuczną inteligencją startupem w celu opracowania platformy oprogramowania do odkrywania leków, która wykorzystywałaby wiedzę XtalPi w zakresie fizyki obliczeniowej i sztucznej inteligencji. Platforma ma być stosowana do dokładnego modelowania molekularnego małych cząsteczek podobnych do leków.

Bristol-Myers Squibb

Bristol-Myers Squibb zawarł umowę o współpracy badawczej z wieloma celami z Sirenas, firmą biotechnologiczną stosującą metody obliczeniowe oparte na uczeniu maszynowym do odkrywania środków terapeutycznych pochodzących z globalnego mikrobiomu, w celu zastosowania swojej zastrzeżonej platformy do odkrywania leków przeciwko szeregowi nieujawnionych, ale trudnych celów terapeutycznych . Współpraca badawcza wykorzystuje doświadczenie Sirenas w stosowaniu zastrzeżonej technologii eksploracji danych ATLANTIS ™ do identyfikacji potencjalnych kandydatów na leki wśród zastrzeżonej biblioteki chemicznej Sirenas, wyizolowanej z globalnych kolekcji mikrobiomów. Należy zwrócić uwagę na inny obszar wiedzy specjalistycznej Sirenas - najnowocześniejszą syntezę organiczną, która umożliwia firmie dostarczanie nie tylko prognoz obliczeniowych, ale także związków chemicznych z nietypowymi rusztowaniami inspirowanymi naturą.

Boehringer Ingelheim

W maju 2018 r. Boehringer Ingelheim nawiązał współpracę z Bactevo, aby zastosować „Totally Integrated Medicines Engine” do identyfikacji nowych kandydatów na leki o małych cząsteczkach.

GlaxoSmithKline

W maju GlaxoSmithKline (GSK) nawiązał współpracę w zakresie projektowania leków z Cloud Pharmaceuticals, firmą zajmującą się odkrywaniem leków AI, w celu opracowania serii małych cząsteczek przeciwko biologicznym celom określonym przez GSK.

(Przeczytaj, jak firma Big Pharma przyjmuje sztuczną inteligencję w celu zwiększenia odkrywania leków, aby dowiedzieć się więcej na temat tego rodzaju współpracy i typowych przypadków zastosowania aplikacji AI w odkrywaniu leków)

3.… ale także rozszerzyć wewnętrzne możliwości AI

Z jednej strony firmy farmaceutyczne coraz częściej zatrudniają start-upy AI, aby badać możliwości, ale z drugiej strony równie aktywnie zwiększają wewnętrzną wiedzę AI i kształtują infrastrukturę cyfrową w celu bardziej wydajnego wykorzystania danych.

Niedawno firma Novartis ogłosiła zakończenie pierwszego etapu strategii transformacji cyfrowej firmy, która koncentruje się na danych big data, infrastrukturze cyfrowej i sztucznej inteligencji. Pierwszym etapem był wewnętrzny program o nazwie STRIDE, który obejmował uruchomienie kilku ważnych systemów infrastruktury IT do zarządzania dokumentami, dochodzeń wewnętrznych, obliczeń o wysokiej wydajności, zarządzania badaniami klinicznymi i innych zadań.

Kolejnym etapem cyfrowej transformacji Novartis jest wdrożenie platformy analizy predykcyjnej, opartej na algorytmach uczenia maszynowego, w celu wsparcia operacji badań klinicznych. Odbędzie się to w ramach inicjatywy Nerve Live oraz we współpracy z amerykańską firmą zajmującą się uczeniem maszynowym QuantumBlack.

Wreszcie, są plany trzeciego dużego przyszłego projektu - Data 42 - obejmującego wszystkie zestawy danych Novartis, aby móc wyszukiwać dowolne dane w scentralizowanym mannar. Jest to z pewnością główny warunek transformacji AI w firmie.

Podobnie prawie każdy globalny producent leków - Pfizer, AstraZeneca, Eli Lilly, Merck, GSK i inni - podejmuje wewnętrzne środki restrukturyzacyjne, aby przygotować się do cyfrowej transformacji badań farmaceutycznych i przyjęcia sztucznej inteligencji do odkrywania i opracowywania leków.

4. Polowanie na „duże zbiory danych”

Staje się oczywiste, że kluczowym czynnikiem umożliwiającym przyszłą „rewolucję napędzaną AI” w badaniach farmaceutycznych są dane. Bez dostępu do zróżnicowanych, interdyscyplinarnych, wysokiej jakości i odpowiednio dobranych dużych zbiorów danych nie można w pełni zrealizować transformacyjnego wpływu technologii AI. W tym kontekście ważne jest, aby zobaczyć, w jaki sposób firmy idą w kierunku paradygmatu badań skoncentrowanego na danych.

GSK i 23andMe

W lipcu GSK zainwestował 300 milionów dolarów w 23andMe, firmę testującą geny w Dolinie Krzemowej, wspieraną przez Google. Umowa ta otwiera drzwi dla GSK na dostęp do ogromnej bazy danych DNA, dostarczającej informacji o relacjach między genami a chorobami. 23andMe ma ponad 5 milionów klientów, z których większość zdecydowała się na włączenie ich danych do programów badawczych.

Datavant i Verge Genomics

Datavant, młody amerykański startup oparty na sztucznej inteligencji, koncentruje się na organizowaniu i konstruowaniu danych medycznych w celu uzyskania praktycznych informacji na temat projektowania i interpretacji badań klinicznych. Na początku stycznia zapowiedział strategiczny sojusz z Verge Genomics, firmą wykorzystującą sztuczną inteligencję do odkrywania i opracowywania nowych terapii. Nowo utworzone partnerstwo ma na celu odblokowanie wartości zestawów danych farmaceutycznych będących w posiadaniu Datavant - danych z badań klinicznych, oświadczeń, historii apteki, elektronicznej dokumentacji medycznej i danych genomicznych dotyczących pacjentów. - w celu przyspieszenia odkrywania i opracowywania nowych leków.

Do tej pory Datavant ma jeszcze dwa partnerstwa oprócz Verge - z Duke Clinical Research Institute (DCRI), Global Genomics Group (G3) - wszystkie mające na celu połączenie wiedzy specjalistycznej w zakresie odkrywania leków, dużych danych biologicznych i nowych technologii analitycznych danych, takich jak AI, w celu pobudzanie innowacji w dziedzinie badań farmaceutycznych.

5. W kierunku zintegrowanych platform badawczych

W świetle powyższych trendów (koncentracja na sztucznej inteligencji i dużych zbiorach danych) logiczną konsekwencją jest przejście przez przemysł badań farmaceutycznych w kierunku platformowych modeli współpracy i prowadzenia badań. Platformy to infrastruktury cyfrowe, łączące kropki między różnymi rodzajami działań, obszarami badań, trybami operacji i przepływami danych. Platformy lub „super-platformy” są szeroko rozpowszechnione w finansach, e-handlu konsumenckim i innych branżach, ale wciąż jest to nowe zjawisko w badaniach farmaceutycznych. Kilka wydarzeń w 2018 roku jest tutaj dość ilustrujących:

Merck, Accenture i AWS

Ogłoszono, że Merck i Accenture współpracują z Amazon Web Services w celu stworzenia platformy opartej na chmurze, która obejmowałaby współpracowników z różnych sektorów branży nauk przyrodniczych. Ta platforma analityczna zostanie zbudowana przy użyciu otwartych interfejsów programowania aplikacji (API) i ułatwi środowisko współpracy w celu przyspieszenia wczesnych prób odkrywania leków. Ułatwi nie tylko badaczom agregację, dostęp i analizę danych interdyscyplinarnych, ale także zmniejszy bariery wejścia na rynek dla nowych dostawców wartości - twórców aplikacji, naukowców, dostawców treści i danych itp.

Google i WuXi NextCODE

W marcu WuXi NextCODE ogłosiło partnerstwo z Google w celu zintegrowania masowo skalowalnego systemu zarządzania bazą danych genomiki i aplikacji badawczych w Google Cloud Platform. Z kolei takie narzędzia jak Google Cloud BigQuery i DeepVariant zostaną zintegrowane z możliwościami WuXi NextCODE. Obie firmy będą również pracować nad dodatkowymi narzędziami i interfejsami API, aby wzmocnić pozycję globalnej społeczności genomicznej.

(Przeczytaj także: „Przygotuj się na„ super-platformy ”w badaniach w służbie zdrowia i badaniach farmaceutycznych”)

6. Organizacje łączą siły, aby przyjąć sztuczną inteligencję do odkrywania narkotyków

Jeden z ważnych elementów dojrzałego ekosystemu przemysłowego - obecność wyspecjalizowanych konsorcjów i stowarzyszeń, których celem jest ułatwienie interakcji między członkami społeczności, ustanowienie standardów branżowych i ujawnienie najlepszych praktyk, edukowanie społeczeństwa na ten temat oraz lobbowanie ważnych zmian zgodnie z przepisami rządowymi.

Branża badań farmaceutycznych jest na początku powszechnego stosowania sztucznej inteligencji do odkrywania leków, więc rozwijający się ekosystem praktyków AI w tej przestrzeni dopiero zaczyna się rozwijać. Jednak ostatnio podjęto już szereg ważnych kroków w kierunku stworzenia sojuszy przemysłowych:

Konsorcjum MLPDS

W maju 2018 r. MIT utworzył potężne konsorcjum branżowo-akademickie, Machine Learning for Pharmaceutical Discovery and Synthesis (MLPDS), które już obejmuje niektórych wiodących graczy w branży farmaceutycznej: Amgen, BASF, Bayer, Eli Lilly, Novartis, Pfizer, Sunovion i WuXi. Nowo utworzone konsorcjum, z siedzibą w Cambridge, MA, jednym z globalnych centrów innowacji biofarmaceutycznych, pozwala na ścisłą współpracę między partnerami (wielu z nich jest obecnymi w Cambridge) oraz utworzenie centrum wykorzystania sztucznej inteligencji (AI) w badaniach farmaceutycznych.

Konsorcjum ATOM

Inne ważne konsorcjum, The Accelerating Therapeutics for Opportunities in Medicine (ATOM), zostało utworzone pod koniec ubiegłego roku przez jego założycieli - GSK, Lawrence Livermore National Laboratory, Frederick National Laboratory for Cancer Research oraz University of California, San Francisco - ze wsparciem finansowym na podstawie ustawy o 21 wieku. Chociaż misja ATOM obejmuje szeroki zakres działań mających na celu ułatwienie skutecznego odkrywania leków w dziedzinie onkologii, niektóre z głównych zadań skupiają się na przyspieszeniu wdrażania sztucznej inteligencji przez graczy farmaceutycznych i demokratyzacji dostępu do badań dużych zbiorów danych. W kwietniu 2018 r. Numerate, jeden z wiodących twórców sztucznej inteligencji od odkrywania leków, wyraził chęć dołączenia do konsorcjum.

AAIH Alliance

Wreszcie wrzesień był ważnym kamieniem milowym - ogłoszeniem misji i uruchomieniem działań globalnego Sojuszu na rzecz Sztucznej Inteligencji w Ochronie Zdrowia (AAIH), który ma stać się wiodącą międzynarodową organizacją promującą innowacje w dziedzinie sztucznej inteligencji w dziedzinie Drug Discovery, badań klinicznych, Diagnostyka, medycyna precyzyjna i inne kluczowe obszary badań farmaceutycznych i opieki zdrowotnej.

7. Stworzenie przemysłowego wzorca porównawczego modeli uczenia maszynowego

Posiadanie znormalizowanego zestawu wskaźników i zestawów danych do oceny i porównywania szerokiej gamy dostępnych i nowatorskich modeli uczenia maszynowego jest niezbędne do tworzenia i utrzymywania najlepszych praktyk branżowych.

MOSES (zestawy molekularne)

Niedawny ruch w tym kierunku został dokonany przez grupę naukowców z firmy Insilico Medicine zajmującej się odkrywaniem leków AI, we współpracy z rozproszoną platformą syntetycznych danych do głębokiego uczenia się - Neuromation oraz grupą badawczą Alán Aspuru-Guzik na University of Toronto , który uruchomił otwartą platformę badawczą MOSES (zestawy molekularne), opisaną w artykule „Zestawy molekularne (MOSES): platforma testów porównawczych dla modeli generacji molekularnej”. Kod źródłowy i zestawy danych dla platformy są dostępne na GitHub.

Platforma ma odgrywać podobną rolę we wspieraniu odkrywania leków opartych na sztucznej inteligencji, ponieważ ImageNet odegrał ważną rolę w pogłębionym uczeniu się danych obrazowania. MOSES jest otwarty dla badaczy i organizacji, którzy mogą wnieść swój zestaw danych i modele, aby rozszerzyć platformę testów porównawczych.

***

Powyższy post podsumowuje bardzo krótko niektóre aspekty tego, w jaki sposób technologie sztucznej inteligencji i duże zbiory danych zaczynają odgrywać główną rolę w badaniach farmaceutycznych. Aby uzyskać bardziej wszechstronny pogląd na ten temat, zapisz się do biuletynu BiopharmaTrend, aby uzyskać aktualne informacje analityczne dotyczące rynku bezpośrednio na swoją skrzynkę odbiorczą - rzadko będziemy Ci przeszkadzać częściej niż raz w miesiącu.