久久人妻熟女中文字幕av蜜芽,我我色综合,两女女百合互慰av赤裸无遮挡,脱了内裤掀起pg两边打肿

香港，上海2021年2月25日 /美通社/ -- Insilico Medicine在人工智能和新藥開發方面取得突破—首次將生物學和化學生成學相結合，發現一種全新機制的用于治療特發性肺纖維化（IPF）的臨床候選新藥，并成功通過多次人類細胞和動物模型實驗驗證。IPF牽涉多種疾病，影響多個器官（肺、肝和腎），這一新藥的出現有望解決影響全球成千上萬人的廣泛的未被滿足的醫療需求。

IPF病因至今未明，醫學界尚不清楚其發病機制，且該病多為散發，患者從出現癥狀到死亡，平均存活年限不超過5年。

廣泛的肺纖維化容易并發肺癌，晚期也會出現肺動脈高壓。現用于治療IPF的藥物已在臨床使用30多年，僅對10%～30%的病人有療效。患者在疾病晚期靠氧療提高生存質量，但情況不容樂觀。

Insilico Medicine創始人兼首席執行官Alex Zhavoronkov博士表示：“將正確的藥物靶點與正確的疾病聯系起來是藥物研發的最大挑戰”，“隨著今天我們實現第一個人工智能發現和科學驗證臨床前候選藥物（PCC）的里程碑，Insilico攻克了藥物發現中的又一大障礙，并突破了傳統藥物發現過程中的另一瓶頸，這一過程花費了非常少的成本和時間。”

AI改寫藥物發現的歷史

從靶點發現到臨床前候選藥物的發明，Insilico僅用時不到18個月，就實現了靶點發現、分子生成和通過傳統實驗驗證，動物體內IPF療效確認及安全性評估，總成本約為180萬美元，其他纖維化疾病療效研究總成本約為80萬美元，合成和測試了不超過80個小分子化合物。

傳統的藥物發現首先是對數萬個小分子進行測試篩選，然后進一步合成和測試數百個分子，以便得到少數幾個適合臨床前研究的候選藥物，其中只有大約1/10的候選藥物能夠最終通過人類患者的臨床試驗。整個過程緩慢且成本昂貴，平均耗時10年，花費十數億美元。

另一個進一步阻礙新藥推向市場的障礙是，整個研發過程涉及的大量研發步驟—每一階段花費數百至數千萬美元—往往是由藥物研發行業中不同公司或不同的業務部門分散進行的。

Zhavoronkov博士表示：“我們正在改寫藥物發現的歷史，成為首個、也是唯一一個以人工智能為驅動的藥物發現集成系統的開創者和領導者”，“通過創建首個通用系統，將藥物開發的所有領域從靶點發現、小分子化合物設計以及將來的臨床試驗結果預測聯系起來，Insilico的人工智能平臺將能夠支持藥物研發的每一階段的發展。”

AI如何發現新機制特發性肺纖維化藥物

Insilico Medicine從通過人工智能發現的20個與纖維化相關的全新潛在靶點開始研究，將適應癥范圍逐步縮小到專門針對IPF的一個新靶點。

靶點確定后，Insilico通過人工智能化學生成系統設計了一組新的化合物來選擇性地抑制這個新靶點。這些分子必須具備良好的選擇性、生物利用度、代謝穩定性、口服給藥性質、安全性，及藥物特有的多個優質屬性。這些分子最初是由公司的生成化學由NVIDIA V100 Tensor Core GPU驅動的人工智能系統Chemistry42其中的基于結構的分子設計算法產生的，并且顯示在細胞實驗和動物模型實驗的有效性。

這些實驗數據隨后反饋給人工智能系統，人工智能再次設計新一批的化合物優化活性及成藥性，并再次驗證。

經過數輪設計-合成-評估-優化-重新設計循環后，目前已經確定了臨床前候選化合物。Insilico的臨床前候選化合物通過了公司內部和外部纖維化疾病領域專家的嚴格評估，已進入臨床前研究階段。

此外，公司還通過人工智能預測此IPF新靶點、新分子的二期臨床試驗成功機率很高。Insilico目前正在進行IND申報實驗，目標是在2022年初進行臨床研究。

Insilico歡迎和期待與制藥公司合作，共同進行II期后的藥物開發。

盡管圍繞新藥研發的熱門話題通常集中在何時發現新靶點或何時新藥進入臨床試驗，但目前最適合創新和對業務影響最大的領域是從靶點發現到臨床開發之間。

開創歷史的Insilico

2019年，Insilico開創了歷史，它發明并推出了一種新的用于藥物發現的人工智能系統，能夠在21天從始至終創造出全新的分子，花費僅約15萬美元。由于靶點發現的失敗率約為95%，Insilico當時解決了該行業藥物發現的最大瓶頸之一。Insilico的人工智能軟件以利用現代人工智能技術的生成化學為驅動，能夠快速生成具有特定性質的新型分子結構。

作為首家探索使用生成性對抗網絡（GAN）和生成式強化學習（RL）人工智能技術進行藥物發現的公司，Insilico的人工智能軟件的成功是向業界展示首次成功發現和生成新的臨床候選化合物的科學驗證。

Zhavoronkov博士發言表示：

“深度學習革命的巔峰可以追溯到2014年，那時由NVIDIA GPU和AI軟件加速的深度學習系統開始在圖像識別和生成性對抗網絡方面超越人類。同年，公司成立。2016年，我們通過實驗驗證，深度學習系統可以從組學數據中識別新的生物靶點。自2017年-2019年，我們不斷證明，生成式人工智能可以發明和設計在人類細胞和動物體內有活性的新分子。

但是還有一個大難題—人工智能能否為一個沒有已知的抑制劑、也未在疾病中得到驗證的新靶點設計出一種新的分子？現在，我們已經成功地將生物學和化學結合起來，并獲得能夠作用于一個新的靶點的臨床前候選藥物提名，目的是將其用于人類臨床試驗，這是一個亟待解決的、數量級更復雜、風險更大的難題。

據我所知，這是首例人工智能成功發現一個新靶點，并設計一個能夠作用于大人群疾病適應癥的臨床前候選新藥。這對我們來說是一個重要的里程碑。我們最終的‘登月計劃’是解決人類的衰老問題，這需要我們擁有更多更可靠的人工智能技術，幫助我們理解和調控其他慢性疾病中的人類生物學。”

此外，Insilico將獲得巨額資金支持，用于在多種新藥物靶點上開展藥物發現和開發。公司已經利用自主研發的Pharma.AI軟件，為制藥和生物技術公司提供靶點發現和生成化學系統服務和支持。PandaOmics靶點發現AI系統可作為軟件服務提供，Chemistry42小分子生成化學平臺已于2020年9月開始在藥企用戶現場安裝和部署。迄今為止，全球最先進的制藥公司已開始采用我司的Chemistry42分子生成和設計平臺，PandaOmics則在多個著名學術機構和制藥公司的藥物靶點發現部門采用。

Insilico同時宣布，公司將繼續壯大科研隊伍，已經在上海建立了一支由20多位資深藥物研發人員組成的團隊，由首席科學官（CSO）任峰博士領導，他于今年2月加入Insilico。此前相繼擔任美迪西生物醫藥公司生物部和化學部高級副總裁、GSK葛蘭素史克公司化學總監。該團隊負責將人工智能發現的新藥項目推進到臨床試驗，并創建廣泛的臨床前/臨床藥物產品組合。  

關于Insilico Medicine

Insilico Medicine開發的軟件利用生成模型（GAN）、強化學習（RL）和其他現代機器學習技術生成具有特定特性的新分子結構。Insilico Medicine還開發了用于生成分子、靶點識別和預測臨床試驗結果的軟件。公司整合兩種商業模式：通過自主研發的Pharma.AI平臺 (www.insilico.com/platform/)提供人工智能驅動的藥物發現服務和軟件，并自主開發臨床前和臨床項目。臨床前項目是通過自有平臺尋找新的藥物靶點和新分子實現的。自2014年成立以來，Insilico Medicine已募集資金超過5200萬美元，并獲得多個行業獎項。Insilico Medicine還發表了100多篇同行評議論文，已申請超過25項專利。

附件1

業界評論、行業現狀及其他信息

“未來十年，中國將成為全球醫藥創新的重要力量，中國將在藥物的原發性創新上成為引領者和推動者。藥物研發是人工智能最重要和最大的應用場景之一，人工智能則是藥物研發最重大的技術紅利之一。AI賦能藥物研發，既能夠縮短藥物研發的時間，又能夠大大降低成本。Insilico不僅僅在技術上是領先的AI輔助藥物研發企業，同時，也創造了獨特的，充滿潛力和希望的商業模式，即通過自主研發的Pharma.AI平臺提供人工智能驅動的藥物發現服務和軟件，以及自主開發臨床前項目。”—啟明創投主管合伙人梁颕宇，福布斯全球最佳創投人

“創新工場投資Insilico Medicine英矽智能，從早期看好公司專注把前沿AI技術與新藥研發相結合的創新能力。這次在AI技術平臺的支持下，快速研發推進針對特發性肺纖維化病癥的潛在的首創藥物分子，并成功達到臨床前候選藥物的里程碑，一定程度上驗證了 AI算法結合藥物化學與生命科學，能夠更高效的研發出有巨大潛力的候選藥物分子，在全球范圍內是個標志性的里程碑。Insilico Medicine創始人兼首席執行官Alex Zhavoronkov博士帶領的團隊，結合AI科學家和新藥研發科學家，兼具嚴謹科學方法論及以AI造福人類的愿景，是把AI用于解決真實世界重大挑戰的具體實踐。” —創新工場董事長兼CEO李開復博士

“藥物發現中最困難的步驟和最大的謎團之一在于靶點驗證，特別是確定在臨床環境中有強大影響力的靶點。通過人工智能的努力，Insilico Medicine成功地解決了藥物發現中最大的謎團之一。”—新墨西哥大學(University of New Mexico)翻譯信息學部門教授兼主任Tudor Oprea博士，一位經驗豐富的藥物發現者，在藥物發現領域擁有25年的行業和學術經驗

“在藥物研發中，速度就是一切。一種藥物批準用于人類使用的相關成本至少有90%是在臨床試驗的后期階段。憑借其人工智能驅動的藥物發現通用系統，Insilico讓研究人員能夠在藥物發現過程的許多階段、以及臨床試驗之前，更快更早地排除失敗的方法，以免為時過晚。”—波士頓大學名譽教授Charles Cantor博士，Insilico Medicine科學顧問委員會成員，Sequenom Inc.聯合創始人，Retrotope Inc.聯合創始人

“Insilico Medicine的這一成就再次證明了人工智能是藥物發現的強有力工具。通過在藥物發現過程中盡可能多的步驟中使用人工智能，可以大大減少有效療法研發的時間和成本。”—多倫多大學化學和計算機科學教授、人工智能公司Kebotix和Zapata Computing聯合創始人Alán Aspuru Guzik博士

附件2

人工智能用于藥物研究的行業現狀

目前，AI廣泛用于化學藥物研究，主要用于發現藥物靶點，藥物篩選、結構優化，以及合成分析：

發現藥物靶點。AI可以從浩瀚文獻中，搜索潛藏的靶點信息，并對比不同靶點信息的潛力，選擇潛力較大的靶點進行藥物研發。

藥物篩選和結構優化。針對選中靶點，AI全面利用現有信息，去評估各個候選分子與靶點直接的相互作用能力，篩選出和優化出最適合的分子。

確定合成路線。不同于傳統的逆合成分析，AI可以在極短時間內，預測出跟藥物化學家完美匹配的合成路線。

此外，AI還應用于其他化學藥物，比如，公開報道顯示，在此次新冠疫情中，中國工程院院士李蘭娟就利用AI的篩選功能，發現不同已有藥物對新冠病毒的有效率，快速完成舊藥新用。此外，AI還能使化學藥物更快速地進入臨床試驗、更快速確定疾病診斷標志物等。

AI用于藥物研發，有廣闊的前景，不僅會對制藥產業產生深遠影響，而且將對化工產業產生廣泛影響。