参考中国报告网发布《2017-2022年中国医药行业市场发展现状及未来前景分析报告》
目前将人工智能技术应用于药物研发的公司主要为海外初创型企业，多数位于美国，少部分位于英国；成立时间也都不长，多在5年左右。从业务范围来看，主要集中在药物的早期研究领域，利用人工智能技术进行靶点和生物标记物发现、药物分子设计和筛选等工作。
NimbusTherapeutics公司主要是在药物发现和开发过程中应用计算化学技术，研发方向针对新陈代谢、肿瘤和免疫学领域疾病的小分子药物。公司与深耕计算机辅助药物开发领域的Schrdinger公司进行深度合作，编制特定的程序。两个公司的联合团队进行设计、迭代和优化，支持快速迭代和细化新方法，使计算机技术和药物发现深度融合。在药物靶点的选择上紧跟人类遗传学和生物学的最新进展，并与计算化学相结合，重点关注未满足的临床需求用药。公司同时与学术界和业界保持良好的合作关系，共同推进新药项目进展。
在研发药物的领域上，公司专注于三种生理机制有重叠，具有众多关联的疾病：代谢紊乱、肿瘤和免疫失调，这三类疾病间的联系目前已经得到了阐明。免疫系统如果过于活跃，就能够引起多种代谢系统疾病如非酒精性脂肪肝炎，一型糖尿病等，利用免疫系统清除肿瘤细胞的肿瘤免疫疗法也成为了近年来的医学重大突破，利用肿瘤细胞与正常细胞在生理代谢途径上的差异也可以寻找到靶向肿瘤细胞的药物分子。
在研发管线方面，公司在研产品的靶点主要集中在Tyk2(酪氨酸激酶2)、STING(干扰素基因刺激因子)和ACC(乙酰辅酶a羧化酶)。在2016年5月，吉利德科学公司(GileadSciencesInc)收购了公司的全资子公司NimbusApollo以及其乙酰辅酶a羧化酶(ACC)抑制剂项目，首付款为4亿美元，预计总金额将超过12亿美元。该项目包括候选药物NDI-010976，一种变构ACC抑制剂，能够抑制异常脂代谢的信号通路，从而治疗或缓解脂肪变性、炎症和纤维化，治疗非酒精性脂肪性肝炎(NASH)，项目还包括治疗肝细胞癌(HCC)等其他疾病的潜在药物。
BenevolentAI是位于英国的一家以人工智能技术为基础进行新药研发的公司，是欧洲最大的私有人工智能公司，被CBInsights列为人工智能100强企业（AI100）。公司成立于2013年，共进行了两轮融资，总金额达到9650万美元，投资方包括精神药物巨头丹麦灵北制药。公司有两个子公司，分别为BenevolentBio和BenevolentTech。前者主要负责将自身技术继续应用于药物研发和生命科学研究等领域，后者则专注于发展完善公司技术，并在更多的行业中复制推广。
公司自有技术能够进行深度学习和语言处理，能够阅读和检索数以百万计的科学研究论文和专利中的数十亿个句子和段落，人工智能平台随后对这些信息进行了查询，建立数据之间的直接关系，并进行观点提取，为下一步的研究奠定基础。公司的人工智能技术相当于增加了研究人员现有的专业知识，加快了研究疾病作用机制的时间，使得药物的发现更加有效。
公司的研究成果在近年来也得到了应用。2014年公司与一家美国制药公司进行合作，将两种阿尔茨海默氏症治疗药物进行转让，总价值约8亿美元。今年5月谢菲尔德大学转化神经科学研究所对公司利用自身人工智能技术筛选出的治疗肌萎缩侧索硬化症(ALS)的药物进行了评估，结果表明该药物可预防患者细胞模型中运动神经元的死亡并推迟发病时间。目前FDA仅批准了Riluzole和Edaravone这两种药物用于ALS的治疗，在未来该药物如果能够上市将是ALS治疗领域的重大突破。
Atomwise
Atomwise公司成立于2012年3月，公司于2015年募集到了约600万美元的风险投资。公司的核心技术是AtomNet，一种能够应用于小分子研发的深度学习技术，能够完成基于构效关系的小分子药物设计和发现。
AtomNet是首个能够进行进行药物设计的深度卷积神经网络。Atomwise能够发现蛋白质和配体的化学结构，进而通过研究大量的配体数据识别基本的化学基团，如氢键、芳香度和单键碳等，学习有机化学的基本概念。但在此之前并没有人类对其教授相关知识，这表明AtomeNet可以进行自我学习。与传统的通过化合物筛选方法不同，AtomNet技术主要分析不同分子的相互作用，如药物分子和靶点之间的作用，简化初始阶段分子的发现过程。AtomNet技术通过识别分子间相互作用模式(类似于人工智能学习中识别图像的过程)进行自我深度学习，通过强大的深度学习算法和超级计算机，每天可以学习数百万种潜在的治疗方法。
AtomNet已经在实际药物研究中使用了数年。目前AtomNet已经研究了癌症、神经系统疾病、抗病毒药物、抗寄生虫和抗生素等领域。Atomwise可以帮助预测新药的有效性，减少昂贵耗时的化合物合成和测试过程。目前AtomWise公司已经与业内领先的研究机构联合开展了27项药物发现项目，逐步推进针对埃博拉、多发性硬化症和白血病等多种疾病的研究。AtomNet所预测的分子已经成为候选化合物并成功地进行了动物试验。除了在药物研发领域之外，AtomWise公司还与孟山都合作，利用人工智能技术开发作物保护新产品。
Exscientia
Exscientia公司位于苏格兰，主要的业务为利用人工智能进行自动化分子设计。公司的人工智能系统可以从数据库进行自我学习，然后就可以设计数以百万级新颖的化合物，并预测其药效、选择性和ADME关键性指标，进而筛选出能够用于适合于下一阶段研究的药物与分子，产生的试验数据回馈到数据库后可用于下一轮药物分子的筛选。通过对于药物筛选过程的优化，减少合成和分析所需的化合物的数量，节约了研发时间，仅需要传统方法四分之一的时间就能够筛选出合适药物分子。
在药物分子的筛选上公司可以进行单靶点分子和双特异性分子的筛选。针对单靶点分子，可以通过人工智能技术进行成药性筛选，挑选出能与靶点较好结合的分子。对于有价值的靶点，现有的专利、出版物和数据都不足以生成进化设计算法，公司应用了一个由表面等离子体共振(SPR)实验驱动的智能片段筛选方法，SPR的快速应用和高灵敏度减少了常规检测技术开发造成的时间上的延误，不需要三维结构就可以进行片段筛选。目前这种方法可以有效地应用于可溶性靶点和G蛋白偶联受体(GPCRs)。双特异性分子指的是能够独立结合两个不同靶点的分子。由于大多数疾病涉及到多个靶点，因此有必要从能够结合多个靶点的分子之中得到候选药物。
近年来Exscientia与国际医药巨头达成了多项合作协议。2017年5月，公司与赛诺菲达成了合作协议，在糖尿病药物开发领域进行合作研究。公司将应用其独特的平台来识别和验证药物靶点的组合，设计出双特异性小分子。在协议中双方约定，公司负责所有的化合物设计工作，而化学合成将由赛诺菲公司负责。进一步的临床前实验和临床试验将由赛诺菲公司管理。对于达到预定标准的药物，由赛诺菲公司支付一系列涉及非临床试验进程和临床试验进程的里程碑付款，任何进入市场的产品都有资格获得销售的里程碑付款。赛诺菲公司为实现这些里程碑而可能支付的总金额为2.5亿欧元。
2017年7月，公司与GSK签署了合作协议，公司应用其现有的人工智能平台，并将其与GSK在药物研发领域的经验相结合，期待发现新的小分子药物，共涉及10个与疾病相关的靶点。公司能够GSK获得研究经费，并提供候选药物分子和新的药物发现方案。如果所有目标都实现的话，公司将得到3300万英镑的里程碑付款。
BergHealth公司位于波士顿。公司的技术平台能够将病人生物学信息和人工智能分析结合起来，以发现健康和疾病环境之间的差异，从而引导药物的发现、疾病诊断和医疗应用。BergHealth的药物研发过程与传统方式有所不同，首先利用患者自己的生物样本，研究健康和患病细胞环境的分子活动，并利用专有的机器学习算法(AI)来进行区分。该平台分析了从患者生物学和临床信息中抽取的数万亿个数据点。平台可以检查所有的数据，并通过多个迭代，深入研究数据，在分子水平上创建病人生物活动的网络模型。从这些网络模型中可能发现新的靶点或者新的生物标记物，为下一步的药物研发提供方向。这样能够加快药物的研发进程，对病人而言也能够进行精准治疗，并降低医疗系统运营成本。
在研发管线方面，公司目前有两个药物进入到了临床阶段，分别是BPM31510和BPM31543。其中BPM31510进展较快，其胰腺肿瘤和鳞状细胞癌的临床试验已经进展到II期。
目前将人工智能技术应用于药物研发的公司主要为海外初创型企业，多数位于美国，少部分位于英国；成立时间也都不长，多在5年左右。从业务范围来看，主要集中在药物的早期研究领域，利用人工智能技术进行靶点和生物标记物发现、药物分子设计和筛选等工作。
国内外AI+新药研发企业
资料来源：中国报告网整理
NmbusTherapeuticsNimbusTherapeutics公司主要是在药物发现和开发过程中应用计算化学技术，研发方向针对新陈代谢、肿瘤和免疫学领域疾病的小分子药物。公司与深耕计算机辅助药物开发领域的Schrdinger公司进行深度合作，编制特定的程序。两个公司的联合团队进行设计、迭代和优化，支持快速迭代和细化新方法，使计算机技术和药物发现深度融合。在药物靶点的选择上紧跟人类遗传学和生物学的最新进展，并与计算化学相结合，重点关注未满足的临床需求用药。公司同时与学术界和业界保持良好的合作关系，共同推进新药项目进展。
在研发药物的领域上，公司专注于三种生理机制有重叠，具有众多关联的疾病：代谢紊乱、肿瘤和免疫失调，这三类疾病间的联系目前已经得到了阐明。免疫系统如果过于活跃，就能够引起多种代谢系统疾病如非酒精性脂肪肝炎，一型糖尿病等，利用免疫系统清除肿瘤细胞的肿瘤免疫疗法也成为了近年来的医学重大突破，利用肿瘤细胞与正常细胞在生理代谢途径上的差异也可以寻找到靶向肿瘤细胞的药物分子。
NimbusTherapeutics重点关注的领域
资料来源：中国报告网整理
NimbusTherapeutics的优势
资料来源：中国报告网整理
在研发管线方面，公司在研产品的靶点主要集中在Tyk2(酪氨酸激酶2)、STING(干扰素基因刺激因子)和ACC(乙酰辅酶a羧化酶)。在2016年5月，吉利德科学公司(GileadSciencesInc)收购了公司的全资子公司NimbusApollo以及其乙酰辅酶a羧化酶(ACC)抑制剂项目，首付款为4亿美元，预计总金额将超过12亿美元。该项目包括候选药物NDI-010976，一种变构ACC抑制剂，能够抑制异常脂代谢的信号通路，从而治疗或缓解脂肪变性、炎症和纤维化，治疗非酒精性脂肪性肝炎(NASH)，项目还包括治疗肝细胞癌(HCC)等其他疾病的潜在药物。
NimbusTherapeutics自有产品研发管线
资料来源：中国报告网整理
NimbusTherapeutics合作产品研发管线
资料来源：中国报告网整理
BenevolentAIBenevolentAI是位于英国的一家以人工智能技术为基础进行新药研发的公司，是欧洲最大的私有人工智能公司，被CBInsights列为人工智能100强企业（AI100）。公司成立于2013年，共进行了两轮融资，总金额达到9650万美元，投资方包括精神药物巨头丹麦灵北制药。公司有两个子公司，分别为BenevolentBio和BenevolentTech。前者主要负责将自身技术继续应用于药物研发和生命科学研究等领域，后者则专注于发展完善公司技术，并在更多的行业中复制推广。
公司自有技术能够进行深度学习和语言处理，能够阅读和检索数以百万计的科学研究论文和专利中的数十亿个句子和段落，人工智能平台随后对这些信息进行了查询，建立数据之间的直接关系，并进行观点提取，为下一步的研究奠定基础。公司的人工智能技术相当于增加了研究人员现有的专业知识，加快了研究疾病作用机制的时间，使得药物的发现更加有效。
公司的研究成果在近年来也得到了应用。2014年公司与一家美国制药公司进行合作，将两种阿尔茨海默氏症治疗药物进行转让，总价值约8亿美元。今年5月谢菲尔德大学转化神经科学研究所对公司利用自身人工智能技术筛选出的治疗肌萎缩侧索硬化症(ALS)的药物进行了评估，结果表明该药物可预防患者细胞模型中运动神经元的死亡并推迟发病时间。目前FDA仅批准了Riluzole和Edaravone这两种药物用于ALS的治疗，在未来该药物如果能够上市将是ALS治疗领域的重大突破。
Atomwise
Atomwise公司成立于2012年3月，公司于2015年募集到了约600万美元的风险投资。公司的核心技术是AtomNet，一种能够应用于小分子研发的深度学习技术，能够完成基于构效关系的小分子药物设计和发现。
AtomNet是首个能够进行进行药物设计的深度卷积神经网络。Atomwise能够发现蛋白质和配体的化学结构，进而通过研究大量的配体数据识别基本的化学基团，如氢键、芳香度和单键碳等，学习有机化学的基本概念。但在此之前并没有人类对其教授相关知识，这表明AtomeNet可以进行自我学习。与传统的通过化合物筛选方法不同，AtomNet技术主要分析不同分子的相互作用，如药物分子和靶点之间的作用，简化初始阶段分子的发现过程。AtomNet技术通过识别分子间相互作用模式(类似于人工智能学习中识别图像的过程)进行自我深度学习，通过强大的深度学习算法和超级计算机，每天可以学习数百万种潜在的治疗方法。
AtomNet已经在实际药物研究中使用了数年。目前AtomNet已经研究了癌症、神经系统疾病、抗病毒药物、抗寄生虫和抗生素等领域。Atomwise可以帮助预测新药的有效性，减少昂贵耗时的化合物合成和测试过程。目前AtomWise公司已经与业内领先的研究机构联合开展了27项药物发现项目，逐步推进针对埃博拉、多发性硬化症和白血病等多种疾病的研究。AtomNet所预测的分子已经成为候选化合物并成功地进行了动物试验。除了在药物研发领域之外，AtomWise公司还与孟山都合作，利用人工智能技术开发作物保护新产品。
Exscientia
Exscientia公司位于苏格兰，主要的业务为利用人工智能进行自动化分子设计。公司的人工智能系统可以从数据库进行自我学习，然后就可以设计数以百万级新颖的化合物，并预测其药效、选择性和ADME关键性指标，进而筛选出能够用于适合于下一阶段研究的药物与分子，产生的试验数据回馈到数据库后可用于下一轮药物分子的筛选。通过对于药物筛选过程的优化，减少合成和分析所需的化合物的数量，节约了研发时间，仅需要传统方法四分之一的时间就能够筛选出合适药物分子。
在药物分子的筛选上公司可以进行单靶点分子和双特异性分子的筛选。针对单靶点分子，可以通过人工智能技术进行成药性筛选，挑选出能与靶点较好结合的分子。对于有价值的靶点，现有的专利、出版物和数据都不足以生成进化设计算法，公司应用了一个由表面等离子体共振(SPR)实验驱动的智能片段筛选方法，SPR的快速应用和高灵敏度减少了常规检测技术开发造成的时间上的延误，不需要三维结构就可以进行片段筛选。目前这种方法可以有效地应用于可溶性靶点和G蛋白偶联受体(GPCRs)。双特异性分子指的是能够独立结合两个不同靶点的分子。由于大多数疾病涉及到多个靶点，因此有必要从能够结合多个靶点的分子之中得到候选药物。
Exscientia的药物研发过程
资料来源：中国报告网整理
近年来Exscientia与国际医药巨头达成了多项合作协议。2017年5月，公司与赛诺菲达成了合作协议，在糖尿病药物开发领域进行合作研究。公司将应用其独特的平台来识别和验证药物靶点的组合，设计出双特异性小分子。在协议中双方约定，公司负责所有的化合物设计工作，而化学合成将由赛诺菲公司负责。进一步的临床前实验和临床试验将由赛诺菲公司管理。对于达到预定标准的药物，由赛诺菲公司支付一系列涉及非临床试验进程和临床试验进程的里程碑付款，任何进入市场的产品都有资格获得销售的里程碑付款。赛诺菲公司为实现这些里程碑而可能支付的总金额为2.5亿欧元。
2017年7月，公司与GSK签署了合作协议，公司应用其现有的人工智能平台，并将其与GSK在药物研发领域的经验相结合，期待发现新的小分子药物，共涉及10个与疾病相关的靶点。公司能够GSK获得研究经费，并提供候选药物分子和新的药物发现方案。如果所有目标都实现的话，公司将得到3300万英镑的里程碑付款。
Exscientia的合作伙伴和领域
资料来源：中国报告网整理
BergHealthBergHealth公司位于波士顿。公司的技术平台能够将病人生物学信息和人工智能分析结合起来，以发现健康和疾病环境之间的差异，从而引导药物的发现、疾病诊断和医疗应用。BergHealth的药物研发过程与传统方式有所不同，首先利用患者自己的生物样本，研究健康和患病细胞环境的分子活动，并利用专有的机器学习算法(AI)来进行区分。该平台分析了从患者生物学和临床信息中抽取的数万亿个数据点。平台可以检查所有的数据，并通过多个迭代，深入研究数据，在分子水平上创建病人生物活动的网络模型。从这些网络模型中可能发现新的靶点或者新的生物标记物，为下一步的药物研发提供方向。这样能够加快药物的研发进程，对病人而言也能够进行精准治疗，并降低医疗系统运营成本。
在研发管线方面，公司目前有两个药物进入到了临床阶段，分别是BPM31510和BPM31543。其中BPM31510进展较快，其胰腺肿瘤和鳞状细胞癌的临床试验已经进展到II期。
BergHealth研发管线情况
资料来源：中国报告网整理
资料来源：中国报告网整理，转载请注明出处（ZQ）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
