全球AI盛会——英伟达GTC大会近日落幕。数据显示，今年GTC大会中涉及医疗保健和生命科学领域的活动高达90场，位列各行业之首。由此可见，医疗已成为AI应用的最有前景领域之一。在AI医疗领域中，AI在药物研发方面的应用也备受瞩目，其加速了药物研发进程、缩短了研发周期、提高了治疗效果等潜在优势备受关注。这吸引了诸多科技公司如英伟达、谷歌等纷纷加大对AI制药领域的投资。据不完全统计，自2023年以来，科技公司已经参与投资了至少11家AI制药企业。专注于生成式AI技术：随着AI技术的发展，公司均着力于开发生成式AI模型，通过模拟生物进化或生成新分子来推动新药物的发现。更有针对性的模型训练：在获得资金支持的企业中，AI技术结合了不同的基础生物学理论训练出了更有针对性的模型。如Seismic、Superluminal运用结构生物学开发候选蛋白类药物，Evozyne利用进化生物学理论训练开发模型，以及Recursion、Relation等结合细胞学理论基础进行药物发现。积极寻求与科技企业技术合作：AI制药企业纷纷对外寻求与科技企业的合作，依托于上游科技公司大平台的算力支持与云服务，加速业务发展。Generate Biomedicines完成2.73亿美元C轮融资Generate成立于2018年，由Flagship Pioneer孵化，专注于开发机器学习驱动的生成生物学平台，能够根据需要在广泛的生物模式中开发新药。公司的专有生成式平台Generate Platform以连续循环的方式生成、构建、测量和学习，可以大幅度提高靶标和治疗药物的识别和验证速度。其机器学习驱动的Generative Biology 平台可以在广泛的蛋白质模式和以前无法发现的蛋白质疗法中快速发明新药。公司目前已搭建了丰富的管线，涉及肿瘤、免疫、感染性疾病等领域，最快的项目已经进入临床1期。2022年1月，Generate与安进达成了一项潜在交易价值为19亿美元的研究合作协议，Generate将针对5个临床靶点开发蛋白质疗法。▲Generate Biomedicines管线（图片来源：公司官网）Generate先后完成了多轮融资，自2020年以来累计融资近7亿美元。▲Generate Biomedicines融资历史（图片来源：根据公开资料整理）Genesis 完成超额认购的2亿美元B轮融资Genesis成立于2019年，是一家致力于利用专有的生成和预测AI平台GEMS加速和优化小分子药物发现的AI药物研发初创公司。公司技术主要源于原斯坦福大学Vijay Pande教授实验室，由斯坦福大学博士毕业生Evan Feinberg和加州大学伯克利分校校友Ben Sklaroff联合创办。GEMS平台整合了基于深度学习的预测模型、分子模拟和化学感知语言模型。该平台能够快速、准确地预测候选分子的效力、选择性和ADMET等特性，为具有挑战性、数据匮乏、先前无法成药的靶点开发候选药物。Genesis的内部管线项目由GEMS AI平台开发，利用生成和预测AI的方法产生新分子，并快速预测候选分子的效力等特性。2023年8月，公司完成了2亿美元B轮融资，本轮所筹集的资金将会用于推进其首条药物管线进入临床阶段。公司先前已完成了多轮融资，总融资金额超过2.8亿美元。基于公司独特的技术平台，知名药企如基因泰克、礼来等纷纷与Genesis达成了多项合作协议。▲Genesis Therapeutics融资历史（图片来源：根据公开资料整理）Seismic Therapeutic完成1.21亿美元B轮融资Seismic Therapeutic是一家专注于将机器学习技术整合到免疫药物的开发过程中的生物技术公司。公司研发的综合IMPACT平台结合了机器学习与生物药物发现的关键要素，包括结构生物学、蛋白质工程和转化免疫学，能够用于控制失调的适应性免疫和治疗多种自身免疫性疾病。公司基于其IgSc酶程序开发的新型泛IgG蛋白酶创建了新一代蛋白酶治疗方法，用于治疗急慢性自身抗体介导的疾病。公司已有两项药物管线有望进入临床阶段：泛免疫球蛋白(Ig) G蛋白酶雕刻(Sc)候选酶(S-1117)和PD-1 Fc γ受体IIb选择性双细胞双向( DcB )候选抗体(S-4321)。▲Seismic Therapeutic管线（图片来源：公司官网）2023年12月，Seismic已完成B轮融资，资金将用于推进候选管线第一阶段机制验证试验并扩展其专有的机器学习IMPACT平台，以应对免疫学领域的生物制剂药物发现挑战。▲Seismic Therapeutic融资历史（图片来源：根据公开资料整理）Inceptive完成51亿美元A轮融资成立于2021年，Inceptive是一家专注于将生成式AI应用于设计mRNA新药和疫苗分子的AI药物发现公司。公司致力于推动新型生物软件平台的开发，该平台基于mRNA序列，能够设计出基于mRNA的独特分子。Inceptive的联合创始人包括谷歌前研究员、谷歌大脑科学家Jakob Uszkoreit，他是谷歌Transformer框架的八位创造者之一，这一框架为DeepMind的AlphaFold和OpenAI的ChatGPT等突破性AI模型的发展奠定了基础。Jakob Uszkoreit在AI领域有多年的从业经验，他的研究成果和技术经验是Inceptive的重要技术基础。公司此前已完成了2000万美元的种子轮融资，这将有助于推动Inceptive的平台开发和药物设计工作，加速其在医药领域的创新和突破。▲Inceptive融资历史（图片来源：根据公开资料整理）Iambic Therapeutics完成1亿美元B轮融资Iambic成立于2019年，是一家专注于利用人工智能技术研发小分子药物的生物制药企业。该公司采用AI算法驱动高通量实验平台，以识别独具特性的生物化学物质，推动高度差异化的候选药物研发。其人工智能驱动平台旨在解决药物发现中的挑战性设计问题，将物理学原理与AI架构相结合，提高数据效率，使分子模型能够在化学结构空间内进行广泛探索。通过该平台的算法，可以识别新的化学机制，与难以解决的生物靶点结合，发现可优化治疗窗口的产品特征，并探索化学空间，以发现具有高度差异化特性的候选开发产品。目前，Iambic已经开发了四种由AI发现的分子，其中两个主要在研管线IAM-H1和IAM-C1有望于今年进入1期临床试验阶段。IAM-H1是针对HER2及其致癌突变体的高选择性脑穿透抑制剂，而IAM-C1则是一种潜在的一流选择性CDK2/4双抑制剂，可满足细胞周期驱动型癌症在治疗窗口期和耐药性方面尚未得到满足的需求。这些项目的发展标志着ambic在创新药物研发领域的重要进展，为满足医学上的未满足需求提供了新的希望。▲Iambic Therapeutics管线（图片来源：公司官网）2023年10月，Iambic完成1亿美元的B轮融资，公司将利用这笔资金推进其AI和自动化技术，以及两条管线的临床试验，并使用英伟达的AI超级计算平台和NVIDIA BioNeMo云服务以支持公司的药物发现工作。▲Iambic Therapeutics融资历史（图片来源：根据公开资料整理）Evoyne拿下8100万美元B轮融资Evozyne成立于2020年，是一家专注于利用进化深度学习技术模拟数百万年的进化，创造解决关键问题的新型蛋白质的生物技术公司。通过转向进化论寻求指导，并发现了一套解释蛋白质功能的变革性原则，公司致力于制造适应性强的高性能蛋白质，解决长期存在的治疗挑战。公司自主自主研发的AI药物发现平台，利用深度学习技术来模拟实验，加速推进蛋白质结构和功能进化的模型开发。公司的联合创始人Rama Ranganathan是基于序列的分子设计计算算法的主要发明者，也是普利兹克分子工程学院和芝加哥大学学院生物化学和分子物学系的教授。凭借其学术影响力，公司与英伟达于2023年合作开发了一种可用于设计治疗性蛋白质的人工智能模型，旨在成倍增加合成蛋白质设计的数量和质量合。AI制药上市公司Recursion增发获5000万美元成立于2013年，Recursion Pharmaceuticals是一家临床阶段的生物技术公司，致力于将药物发现产业化，通过解码生物学来实现其使命。公司的核心技术平台Recursion OS，是一个集成的多面系统，汇集专有生物和化学数据。Recursion利用复杂的机器学习算法从数据集中提炼出数万亿个可搜索的生物和化学关系，从而解决了传统方法中的人类偏见限制。与传统的、基于结构或基于配体的药物发现公司不同的是，Recursion基于细胞图像数据进行药物发现，主要包括三个关键步骤：首先，诱导细胞疾病化并拍摄这些生病的细胞；接着，通过机器学习程序学习生病细胞与健康细胞的区别；最后，将各种药物作用于患病细胞，并通过机器学习程序判断细胞是否回归健康状态，从而评估药物的作用效果。依托于其核心技术平台，公司已将5个候选药物推进到了临床阶段。▲Recursion Pharmaceuticals管线（图片来源：公司官网）Recursion于2021年在纳斯达克上市，通过IPO发售获得净额5.02亿美元的募资。公司成立以来已经完成了多轮融资，累积融资金额超过11亿美元。▲Recursion Pharmaceuticals融资历史（图片来源：根据公开资料整理）Relation完成3500万美元种子轮融资Relation Therapeutics是一家专注于药物开发和转化的公司，以实验和计算系统为核心，利用人工智能（AI）技术加速药物研发。公司通过主动图机器学习结合单细胞分析和深入临床洞察进行药物发现，开创了lab-in-the-loop平台，将主动学习整合到从预测细胞状态到验证新靶点的药物发现的每一步。Relation的机器学习平台能够分析海量的生物医学数据，挖掘出潜在的药物候选者，并预测其疗效和安全性。公司目前聚焦于骨骼相关疾病的研究，开发基于骨质疏松的药物，同时也在研究免疫学和代谢疾病等领域的项目。今年3月14日，Relation完成了一笔总额为3500万美元的种子轮融资，由Data Collective Venture Capital和英伟达领投。这些资金将用于推进公司骨质疏松症产品的临床进程，并拓展新的业务领域，加速公司的发展和药物研发项目的推进。▲Relation Therapeutics融资历史（图片来源：根据公开资料整理）Superluminal完成3300万美元种子轮融资成立于2023年，Superluminal Medicines是一家致力于推动小分子药物研发的速度和准确性的开发差异化药物管线的生成生物和化学公司。公司利用深厚的生物学和化学专业知识、机器学习以及专有的大数据基础设施，快速开发创建候选化合物。平台采用预测-设计-测试架构，精确模拟蛋白质形状，并设计高度选择性的化合物，以达到治疗效果。公司由业内领先的AI药物发现上市公司Schrödinger前高管Cony D'Cruz和知名风投RA Capital Management的Ajay Yekkirala共同创立。目前，Superluminal的开发重点集中于高价值的G蛋白偶联受体（GPCR）靶点药物的开发。2023年8月，公司完成3300万美元的种子轮融资。Superluminal将利用这笔融资进行GPCR创新药研发，以提高药物生产的速度和准确性。CHARM获由英伟达投资的2000万美元战略投资CHARM Therapeutics是一家成立于2021年的药物研发公司，专注于利用端到端的三维深度学习技术，发现和开发针对以前难以成药靶点的转化药物。该公司开发了专有的DragonFold AI平台，结合蛋白质-配体共折叠方面的专业知识，基于蛋白质的一级序列和配体的化学结构来预测蛋白质-配体复合物的共晶结构，从而开发针对癌症和其他疾病领域具有挑战性的分子靶点候选药物。公司由Laksh Aithani和David Baker教授共同创立。Laksh担任CEO，曾是领先的人工智能药物发现纳斯达克上市公司Exscientia的核心贡献者，具有丰富的机器学习平台开发经验。联合创始人David Baker教授是华盛顿大学蛋白质设计研究所所长，曾因其在预测蛋白质的精确三维结构方面的工作而获得第20届威利奖，是世界知名的蛋白质设计领导者。背靠着世界知名的蛋白质设计领导者，CHARM Therapeutics得到了MNC药企的青睐和支持，于2023年3月与BMS达成合作，加速小分子药物发现。2023年5月，公司获得了英伟达2000万美元的战略投资。这项投资标志着公司的重要里程碑，使其能够利用英伟达的加速计算平台和GPU进一步推进在肿瘤学新药领域的研发活动。此前，CHARM已完成了由F-Prime Capital和OrbiMed领投的A轮融资。▲CHARM Therapeutics融资历史（图片来源：根据公开资料整理）DTerray Therapeutics完成新一轮融资成立于2018年，Terray Therapeutics致力于通过超高通量实验、生成式人工智能、生物学、药物化学、自动化和纳米技术的复杂集成，探索分子和靶点，以提高小分子药物发现和开发的速度和成功率。公司的集成机器学习和计算平台可分析化学数据集，从而系统地绘制出小分子与疾病靶点之间的生化相互作用图。2023年11月，公司获得了英伟达的战略投资。未来，Terray将利用NVIDIA DGX Cloud平台开发小分子化学基础模型，用于药物发现中的生成式AI。与英伟达的合作将帮助Terray优化和扩展其基础模型的开发，从而进一步推动管线进入临床。▲Terray Therapeutics融资历史（图片来源：根据公开资料整理）读者们请星标⭐创鉴汇，第一时间收到推送免责声明：药明康德内容团队专注介绍全球生物医药健康研究进展。本文仅作信息交流之目的，文中观点不代表药明康德立场，亦不代表药明康德支持或反对文中观点。本文也不是治疗方案推荐。如需获得治疗方案指导，请前往正规医院就诊。版权说明：本文由药明康德内容团队根据公开资料整理编辑，欢迎个人转发至朋友圈，谢绝媒体或机构未经授权以任何形式转发/复制至其他平台。转发授权请在「创鉴汇」微信公众号留言联系我们。更多数据内容推荐点击“在看”，分享创鉴汇健康新动态

临床1期

2023-10-21

·动脉网

B轮融资1亿美元，与英伟达合作，这家Biotech用AI技术加速新药研发

近日，动脉网获悉，AI制药公司Iambic Therapeutics（前身为“Entos”，以下简称Iambic）宣布完成1亿美元B轮融资。本轮融资由Ascenta Capital和Abingworth共同领投，英伟达、Illumina Ventures、Gradiant Corporation、Nexus Ventures、Catalio Capital Management、Coatue、FreeFlow、奥博资本、红杉资本以及董事会成员Bill Rastetter等新老投资者跟投。本轮资金将用于推进其AI平台的持续创新以及候选药物的临床开发。此外，Iambic还宣布了与英伟达在AI技术方面达成合作。英伟达的计算技术是许多AI制药公司药物研发平台中不可或缺的组成部分，此次合作，将让Iambic可以利用NVIDIA DGX Cloud AI超级计算平台和NVIDIA BioNeMo云服务等技术来加速新药研发。Iambic于2019年成立，是一家用AI技术研发小分子药物的生物制药企业。该公司致力于用AI算法驱动高通量实验平台，以识别独具特性的生物化学物质，从而促进高度差异化的候选物药物研发。目前，Iambic开发了四种由AI发现的分子，其中两个主要在研管线IAM-H1和IAM-C1将有望于明年进入I期临床试验阶段。由诺奖得主和华人科学家组成的团队在短短四年时间里，Iambic开发出了四种分子，在研管线目前处于IND申报阶段，且获得了红杉资本、奥博资本、英伟达等明星资本的青睐，这背后是一支优秀的团队在支撑。联合创始人兼首席执行官Tom Miller是一位科学企业家，致力于将人工智能、化学和生物学联系起来。2005年，他在英国牛津大学获得了理论化学博士学位，此时，随着数据挖掘、深度学习等计算机技术的发展和进步，计算机技术在化学领域中得到越来越广泛的应用。2008年，他加入加州理工学院担任化学教授，在此期间，他主要研究如何用计算机理论和方法用新来理解各种分子过程，如酶催化、计算化学生物系统的动力学，并发表了130多篇同行评审文章。2019年，基于对将科学成果转化和技术落地、以破解药物研发领域难题的思考，Tom Miller与Fred Manby联合创立了Iambic。Fred Manby是量子理论和AI软件工程领域的专家，曾在布里斯托大学化学学院担任了20年的理论化学教授。现在，他在Iambic担任首席技术官。在一次采访中，Tom Miller表示，“药物发现不仅在于寻找新靶点，用新方法靶向已成药靶点也是重要的研究领域。因此，充分理解分子如何与已知疾病靶标相互作用，可以帮助药物研发人员设计出成药性更佳的药物分子。我们希望通过 AI技术预测这些特性，从而加速和优化药物发现过程。”为了实现提高药物研发效率这一目标，Iambic打造了一个覆盖生物科学和AI技术领域的团队，成员包括AI工程师、计算机化学领域专家和药物研发科学家。科学顾问Frances H. Arnold是一位在学术研究和企业发展拥有专业经验的人，她在美国加州大学伯克利分校获得了化学工程博士学位。同时，她是分子定向进化的先驱，1993年完成了首个酶的定向演化实验，2018年因在定向进化方面的工作被授予诺贝尔化学奖。除了在Iambic任职外，她还是谷歌母公司Alphabet和基因测序龙头企业Illumina的董事会成员、加州理工学院的Linus Pauling教授、Donna和Benjamin M. Rosen生物工程中心主任。此外，她还是Gevo、Provivi等生物技术公司的联合创始人，同时也是多家生物制药企业的科学顾问。2022年，Iambic聘请了资深生物技术高管张超（Chao Zhang）博士担任首席科学官。张超在美国加州大学伯克利分校获得了结构与系统生物学博士学位，他擅长利用全新的平台技术促进新药研发，行业经验覆盖肿瘤学、免疫学和罕见病领域。在加入Iambic前，张超曾在小分子药物研发企业Plexxikon 担任首席执行官。任职期间，他与团队一起将14个新化学实体推进临床开发，其中2个药物获批上市，分别是Zelboraf®（vemurafenib）和Turalio®（pexidartinib）。在张超的带领下，Iambic推进和扩大了其以肿瘤学为重点的药物研发管线，并提升了其由AI驱动的高通量实验平台的精确性和速度。独创AI研发技术，开发新分子时间缩短至一周新药研发主要包括药物发现、临床前研究、临床试验三个阶段，整个过程一般需要10年左右时间，研发周期长、研发成功率低、研发费用高是生物制药企业面临的三大困境，因此，用技术创新加快新药研发速度、提高成功率、降低成本是药企的普遍期望。而目前，在AI制药领域常有两种方式来实现这一目标。一个是采用“基于物理”的药物发现方法，使用软件运行模拟小分子与蛋白质的相互作用，从而更好地了解分子动力学，进而发现潜在药物靶点。使用这一模式的公司有新药研发企业Nimbus Therapeutics、Relay Therapeutics和Schrödinger。另一个是通过实验生成数据，随后通过分析和查询数据来获得新的生物和化学见解，基于数据和分析结果，识别有效的药物靶点。Exscientia和Recursion Pharmaceuticals等生物制药公司就采用了这种方法。Iambic则是将以上两种方式结合在一起，开发了一个基于物理的AI技术算法驱动的高通量试验平台。该平台融合了AI技术和Iambic的OrbNet技术，不仅能够识别具有疗效和安全性的新分子，还可以揭示新分子的特性，如目标分子的效应、毒性特征以及分子在体内的移动和相互作用方式。OrbNet是由Tom Miller和NVIDIA机器学习研究总监Anima Anandkumar在加州理工学院联合开发。OrbNet是一个能够在原子层面上进行化学建模的图形神经网络，能够模拟潜在药物和蛋白质之间的能量和作用力，从而构建出一个精准的分子模拟模型。该分子模型能够探索化学空间，并使其能够按需生成具有所需物理、化学或生物特性的分子，从而提高研发过程的数据收集和分析效率，最终加速药物研发过程。此外，Iambic利用英伟达的NeuralPLexer算法优化了OrbNet。NeuralPLexer是一种扩散模型框架，可以仅使用蛋白质序列和配体分子图输入直接预测蛋白质-配体复合物结构及其波动。Iambic官网公布的数据显示，在NeuralPLexer支持下，OrbNet能够准确模拟多种目标分子属性，与密度泛函理论（Density functional theory，DFT）等传统量子化学方法相比，可将分子特性预测速度提高千倍。因此，通过将OrbNet与自动化实验平台结合，研究人员能够每周完成一个“设计－制作－测试”循环周期，一周内即可完成设计新型分子到产生新生物数据的过程，从而更快识别潜在的first-in-class和best-in-class药物疗法。靶向HER2和CDK2/4，两条在研管线将于明年进入I期临床试验目前，Iambic有两条主要在研管线，分别是IAM-H1和IAM-C1。■ IAM-H1：HER2抑制剂IAM-H1是一种酪氨酸激酶抑制剂（TKI），选择性靶向人表皮生长因子受体-2（HER2，也叫ERBB2）和HER2突变体。HER2通过高水平的扩增来诱导蛋白在细胞膜上过度表达，从而使细胞获得致癌性，其扩增和突变是导致乳腺癌和肺癌等多种癌症的重要原因。Do-Youn Oh和Yung-Jue Bang两人关于HER2的研究结果显示1，约20%—30%的乳腺癌患者中HER2基因过度表达。HER2过度表达的乳腺癌浸润性强、复发和转移发生早、病人预后差。IAM-H1是一种选择性小分子抑制剂，能够有效针对所有已知的HER2致癌形式，包括EGFR中的罕见突变——20号外显子插入突变。此外，IAM-H1在阻断HER2和HER2突变体的异常增殖的信号通路时，不影响EGFR在正常的组织发育和功能中的作用。临床研究数据显示，IAM-H1在一系列HER2肿瘤模型（包括颅内模型）中表现出良好的疗效、耐受性、药代动力学（PK）和安全性。另外，IAM-H1在PK评估中表现出较高的CNS（中枢神经系统疾病）外显率，具有穿透血脑屏障的能力，并且在颅内肿瘤模型中表现出优异的疗效。Iambic预计于2024年初开始进行IAM-H1的I期临床试验。■ IAM-C1：CDK2/4抑制剂周期蛋白依赖性激酶（CDK）在调节不同的生物过程和转录活性中起着关键作用，但其过度表达会导致多种癌症发生。目前，FDA批准的三种CDK抑制剂分别是辉瑞的Ibrance（palbociclib）、诺华的Kisqali（Ribociclib）和礼来的Verzenio（abemaciclib），这三款产品是治疗乳腺癌的重磅产品。IAM-C1是一种针对CDK2和CDK4的小分子抑制剂，可选择性抑制CDK2/4，同时保留其他正常的CDK（包括CDK1、CDK6和CDK9）。其临床前研究数据显示，与已获批的CDK4/6抑制剂相比，IAM-C1表现出良好的疗效和耐药性，并且能够以最小剂量给药，进而减少药物毒性和副作用，从而提高安全性。目前，IAM-C1处于药物IND申报阶段，预计于2024年进行I期临床试验。除此之外，Iambic的管线项目还包括变构抑制剂和变构PPI（蛋白质-蛋白质相互作用）抑制剂的研发。 Iambic的在研管线* 参考资料：1.Oh DY, Bang YJ. HER2-targeted therapies - a role beyond breast cancer. Nat Rev Clin Oncol. 2020 Jan;17(1):33-48. doi: 10.1038/s41571-019-0268-3. Epub 2019 Sep 23. PMID: 31548601.近期推荐声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。动脉网，未来医疗服务平台

100 项与 IAM-H1 相关的药物交易

登录后查看更多信息