“將‘難成藥靶點(diǎn)’變?yōu)椤疅狳c(diǎn)靶點(diǎn)’，是AI技術(shù)未來(lái)在藥物研發(fā)領(lǐng)域最廣闊的應用前景和最有想象力的市場(chǎng)空間，這也是予路乾行差異化競爭策略?！?/span>

AI制藥公司予路乾行已于今年5月份完成天使輪融資，投資方為杭州十棱投資管理有限公司。本輪融資主要為引進(jìn)戰略股東，為公司業(yè)務(wù)發(fā)展助力。據悉，公司新的募資計劃已啟動(dòng)，將主要用于團隊搭建和新的創(chuàng )新藥物研發(fā)管線(xiàn)布局。

關(guān)于予路乾行，它定位于一家以分子模擬與建模技術(shù)驅動(dòng)新藥研發(fā)的交叉學(xué)科技術(shù)型企業(yè)。其核心技術(shù)是分子模擬運算平臺，包括基于機器學(xué)習的分子力場(chǎng)引擎，以及平行化分子動(dòng)力學(xué)模擬技術(shù)，意在從蛋白質(zhì)靶點(diǎn)結構及其與藥物分子作用的動(dòng)態(tài)機理出發(fā)，設計和優(yōu)化先導化合物，為藥物研發(fā)提供新的切入點(diǎn)。

據予路乾行創(chuàng )始人鄭錚博士介紹，國際計算機藥物研發(fā)技術(shù)大致分為基于第一性原理的物理學(xué)方法和以AI算法為代表的統計學(xué)方法兩種技術(shù)流派。其中物理模型是自下而上的解析式模型，具有精度高，對已知信息依賴(lài)較小，但計算成本昂貴等特點(diǎn)；AI算法則只需要將訓練數據輸入訓練模型后等待模型收斂即可應用，開(kāi)發(fā)成本較前者明顯降低，但存在的問(wèn)題是，模型的精度受限于訓練數據的質(zhì)量和生物體系多樣性涵蓋范圍。

也因此，兩種類(lèi)型的算法開(kāi)發(fā)呈現出完全不同的開(kāi)發(fā)模式，前者（物理模型）往往開(kāi)發(fā)周期長(cháng)（數年），而開(kāi)發(fā)完成后對算法迭代的頻率要求比較低，同時(shí)開(kāi)發(fā)難度高，目前國內具有物理模型開(kāi)發(fā)能力的團隊只有寥寥數個(gè)；后者（AI模型）的特點(diǎn)是開(kāi)發(fā)難度相對較?。壳叭駻I藥物設計軟件產(chǎn)品種類(lèi)已不可枚舉），但迭代頻率高，需不斷引入新數據庫進(jìn)行更新訓練，但對于數據庫之外的體系拓展適用性差，高度依賴(lài)前人研究體系的覆蓋范圍。?

為此，予路乾行借助AI模型的開(kāi)發(fā)特點(diǎn)及其對于算法開(kāi)發(fā)模式的改變，將AI模型有針對性地引入物理引擎、用AI模型代替其中開(kāi)發(fā)成本最高的分子力場(chǎng)部分，同時(shí)結合AI模型對于不同靶點(diǎn)體系在動(dòng)力學(xué)過(guò)程中呈現的構象變化特征，對藥物與靶點(diǎn)的結合位點(diǎn)及結合路徑進(jìn)行預學(xué)習，提高運算速度。簡(jiǎn)單來(lái)說(shuō)，就是通過(guò)結合AI模型與物理模型來(lái)降低物理模型的開(kāi)發(fā)成本，同時(shí)保有物理模型對不同生物體系的適用性，提高運算速度，來(lái)保留兩種技術(shù)流派的優(yōu)勢——高精度、對數據依賴(lài)較小，以及速度快。

計算機藥物設計技術(shù)通過(guò)數十年的發(fā)展，已深深植入藥物研發(fā)的各個(gè)流程中，在以分子層面的藥物設計及分析為主要應用場(chǎng)景的多個(gè)藥物研發(fā)環(huán)節中發(fā)揮重要的作用。此外，業(yè)界對于計算機藥物設計技術(shù)的主要需求從超大規模虛擬篩選、苗頭化合物優(yōu)化等方面，逐漸擴大到對于藥物作用機理的探索以及復雜大分子藥物及其藥物遞送系統的設計等領(lǐng)域。這不僅對于相關(guān)計算機算法的運算效率和精度提出了更高的要求，而且對算法在未知復雜分子體系中的泛化應用能力也帶來(lái)了極大的挑戰。?

為此，予路乾行通過(guò)對多種藥物與靶點(diǎn)體系進(jìn)行大量的運算模擬研究及測試工作，開(kāi)發(fā)并整合了一套藥物分子研發(fā)平臺，將視線(xiàn)從藥物與靶點(diǎn)的結合界面拓展至結合藥物分子后的靶點(diǎn)功能性構象改變的動(dòng)力學(xué)表現上，通過(guò)對比未結合藥物的空腔蛋白的動(dòng)力學(xué)表現，并結合分析藥物與靶點(diǎn)在結合過(guò)程中的熱力學(xué)性質(zhì)，對藥物分子的體外活性進(jìn)行綜合性評估及預測。

具體來(lái)說(shuō)，其技術(shù)平臺的運算流程起始于靶點(diǎn)的結構建模與生理過(guò)程中的動(dòng)態(tài)構象還原：通過(guò)分析靶點(diǎn)在構象變化過(guò)程中形成的穩定構象態(tài)，選取潛在的藥物結合位點(diǎn)進(jìn)行高速虛擬篩選算法與高精度分子模擬算法的高低搭配式運算，獲得可靠的苗頭化合物；隨后通過(guò)干濕實(shí)驗搭配的方式，明確分子層面的藥效學(xué)機理，最終結合分子骨架躍遷原理，設計全新的先導化合物分子結構。?

基于該技術(shù)，予路乾行未來(lái)發(fā)展的一個(gè)重點(diǎn)目標是，拓展在已知靶點(diǎn)中占據更大比例的“難成藥靶點(diǎn)”市場(chǎng)，利用公司的技術(shù)優(yōu)勢對“難成藥靶點(diǎn)”的結構和生理性質(zhì)進(jìn)行精確且快速的模擬，探索結合位點(diǎn)并設計可與其有效結合的藥物分子。鄭錚博士表示，將“難成藥靶點(diǎn)”變?yōu)椤盁狳c(diǎn)靶點(diǎn)”，是AI技術(shù)未來(lái)在藥物研發(fā)領(lǐng)域最廣闊的應用前景和最有想象力的市場(chǎng)空間，這也是予路乾行差異化競爭策略。

據了解，予路乾行的模式對標美國AI制藥上市公司Relay Therapeutics，這是一家以計算機藥物設計為核心驅動(dòng)力的藥物研發(fā)公司，薛定諤公司也是該公司的大股東之一。Relay Therapeutics是以薛定諤公司的算法產(chǎn)品為核心，整合市場(chǎng)上其他優(yōu)勢算法產(chǎn)品并結合自身開(kāi)發(fā)的AI模型形成了一套覆蓋藥物研發(fā)臨床前階段的運算平臺，同時(shí)通過(guò)計算結合實(shí)驗的方式進(jìn)行藥物研發(fā)?！斑@與公司目前及規劃中的中長(cháng)期模式高度相似?！?/span>

目前，公司已與國內外多家藥企合作，針對數條藥物管線(xiàn)開(kāi)展聯(lián)合研發(fā)工作，在一年內即助推一款藥物進(jìn)入臨床試驗階段，同時(shí)通過(guò)聯(lián)合研發(fā)模式推進(jìn)一個(gè)“不可成藥靶點(diǎn)”相關(guān)疾病的藥物研發(fā)管線(xiàn)進(jìn)入專(zhuān)利申報階。商業(yè)化上，在繼年初與南京瑞初達成三條關(guān)于神經(jīng)退行性疾病聯(lián)合研發(fā)的基礎上，目前公司又新增一條金額為千萬(wàn)級聯(lián)合研發(fā)管線(xiàn)合作；同時(shí)，與某CRO企業(yè)已達成LNP技術(shù)合作開(kāi)發(fā)協(xié)議。

眾所周知，新藥研發(fā)是個(gè)極其龐大的市場(chǎng)。根據 EvaluatePharma 統計， 2019 年全球醫藥研發(fā)投入年達到 1789 億美元，2013-2019 年的復合增速為 4.64%；預計 2024 年將達到 2130 億美元，2019-2024 年的復合增速為 3.23%。

這一市場(chǎng)中，國內大多數AI制藥企業(yè)管線(xiàn)仍處于研發(fā)階段，將AI藥物管線(xiàn)推進(jìn)臨床的相關(guān)公司也寥寥無(wú)幾。鄭錚博士認為，Me-too類(lèi)或 FIC/BIC類(lèi)藥物研發(fā)管線(xiàn)開(kāi)發(fā)成本類(lèi)似，藥物研發(fā)管線(xiàn)合同價(jià)一般均是千萬(wàn)起步，未來(lái)5年內AI制藥企業(yè)有望拓展難成藥靶點(diǎn)相關(guān)藥物的研發(fā)空間，預計2025年AI藥物研發(fā)市場(chǎng)規模達到100億元量級?！敖诳赡苄纬赏黄频墓芫€(xiàn)數量雖然有限，但管線(xiàn)收入仍然較為可觀(guān)，且隨著(zhù)研發(fā)效率的提升以及合同‘里程碑’任務(wù)的完成，未來(lái)收入將實(shí)現翻倍增長(cháng)?！?/span>

關(guān)于予路乾行

予路乾行是一家以人工智能、量子力學(xué)及分子模擬算法為核心技術(shù)，通過(guò)模擬運算賦能新藥研發(fā)的交叉學(xué)科技術(shù)驅動(dòng)型生物醫藥公司；2021年獲評蘇州市工業(yè)園區科技領(lǐng)軍孵化項目企業(yè)。公司結合自主創(chuàng )新的新一代分子模擬AI核心算法與人工智能模型，建立了國際領(lǐng)先的人工智能藥物研發(fā)平臺，運算模塊覆蓋包括靶點(diǎn)選擇與驗證、先導化合物搜索設計優(yōu)化及成藥性預測等臨床前藥物研發(fā)全流程。同時(shí)具備與該運算平臺相匹配的實(shí)驗能力，形成藥物研發(fā)臨床前階段的技術(shù)閉環(huán)。目前公司與多家國內外生物醫藥企業(yè)合作推進(jìn)新藥研發(fā)，通過(guò)運算驅動(dòng)實(shí)驗的方式大幅降低研發(fā)試錯成本，提高研發(fā)效率及成功率。

文章來(lái)源：36氪 頓雨婷