总部位于香港的 Insilico Medicine 2 日发表研究成果,深度学习(DL)系统可辨识纤维化的潜在治疗方法。此系统称为生成性张力强化学习(Generative Tensorial Reinforcement Learning),简称 GENTRL,能在 21 天内找到 6 种有希望的治疗方法,其中一个在小鼠实验显示出很有希望与前景的成果。研究发表在《自然生物科技》(Nature Biotechnology)期刊,模型程式码也在 Github 释出。
人工智能策略与人工智能想像的结合
“我们将人工智能策略与人工智能想像相结合,”Insilico 首席执行官 Alex Zhavoronkov 表示,他认为 GENTRL 的执行模式与 Google 旗下 DeepMind 专门设计挑战 Champion Go 玩家的 AlphaGo 机器学习很像。
Zhavoronkov 于 2014 年创建公司,最初的背景是电脑科学,在 ATI 工作了几年,直到 2006 年被 AMD 收购。就在那个时候,他改变了方向,决定从事生物科技研究,对减缓衰老过程的研究特别感兴趣。他在约翰霍普金斯大学获得硕士学位,然后在莫斯科州立大学获得博士学位,他的研究重点是利用机器学习(ML)研究生物系统中分子相互作用的物理现象。之后他在多家公司工作,但后来回到巴尔的摩,并创办了 Insilico 公司。
Insilico 最初理念是利用深度学习训练神经网络检查大型分子库,进而找出药物标靶(Drug Target)。然而 Insilico 成立后不久,Zhavoronkov 就对 Ian Goodfellow 在机器学习方面的研究着迷不已,并决定改行。
“我们一直在思考,‘我们能让机器想像出具特殊性质的新分子,而不只是做供应商大型分子库的筛选工作而已吗?’”他表示。在传统药物研发领域,筛选分子是他们的工作方式,但他想看看这类机器学习能否更快完成任务。
获得 2,430 万美元投资 公司估值达 5,600 万美元
2016 年,Insilico 基于这想法发表了初步研究成果,此举助其在竞争激烈的生物科技和人工智能领域获得投资。据 Pitchbook 资料显示,Insilico 迄今从 A-Level Capital 和 Juvenescence 等投资者筹集了 2,430 万美元资金,估值达 5,600 万美元。Insilico 在生物科技领域也有多个合作伙伴,包括 A2A Pharmaceuticals 和 TARA Biosystems。
Insilico 利用 GENTRL 设计候选新药(drug candidate),合成出领先业界的候选药物,并在小鼠身上进行成功的实验。以 AI 系统设计分子耗时约 21 天,设计、合成及验证的总时间约为 46 天。虽然 GENTRL 设计的药物并没有比传统研究方法开发的抑制剂更有效,但以传统制程开发候选药物需花超过 8 年的时间以及数百万美元的经费才可能办到,相对而言,Insilico 的方法只需几周时间,以及约 15 万美元成本。
尽管他强调 Insilico 还有很多工作要做,但对 Zhavoronkov 来说,这项研究是个重要突破,因它显示 AI 在药物研发方面的发展前景。
- This Startup Used AI To Design A Drug In 21 Days
(首图来源:Insilico Medicine)
延伸阅读:
- 药物加 AI 协助制药厂提高研发成功率,看好台湾 Insilico 成立分公司与亚洲研发中心