創薬における AI の概要
人工知能 (AI) の台頭が続いており、製薬やバイオテクノロジー分野も例外ではなく、さまざまな業界に大きな影響を与えています。 研究開発プロセスを合理化し、発見のスケジュールとコストを削減し、全体的な効率を向上させるために、大小の製薬企業が AI 創薬プラットフォームの導入を進めていることは驚くべきことではありません。
J&J、GSK、アストラゼネカ、ノバルティス、ファイザー、サノフィ、イーライリリーなどの大手製薬会社は、創薬のための AI に多額の投資を行っています。 これらの投資には、株式投資、AI に焦点を当てた企業との買収またはパートナーシップ、内部能力の開発、またはこれらの戦略の組み合わせが含まれます。
同時に、AI 中心の組織として設立された新規の創薬企業やバイオテクノロジー企業が急増しており、多くの場合、設立当初からその企業が設立されています。 これらの企業は主に過去 XNUMX 年以内に設立され、すでに特化した AI 主導の創薬プラットフォームを構築し、テストしています。 これらのプラットフォームには多くの機械学習モデルが組み込まれていることが多く、現在、迅速かつコスト効率の高い標的発見と創薬機能の点で大きなメリットが得られ始めています。 その結果、彼らは前臨床および臨床薬候補を加速したペースで生産しています。 次のセクションでは、小分子、生物学的製剤、その他の治療法を含む、すでに臨床試験に入っているか、臨床試験に入ろうとしている、AI によって開発された医薬品候補の選択について検討します。
さらに、一部の AI 企業は、わずか XNUMX 年前には想像もできなかった規模で、複雑なマルチモーダル データを使用して生物学のモデリングに進歩を遂げています。 別の企業グループは、臨床試験やファーマコビジランスなどの実世界のデータ分析における業務効率と実験設計を強化するために、AI 主導のプラットフォームを開発しました。
アルファベット、マイクロソフト、アマゾン、IBM、テンセントなどの大手ハイテク企業は、AI やビッグデータ技術の専門知識を有しており、創薬分野にも進出しています。 彼らの関与には、投資、スタートアップの設立、ライフサイエンス企業との提携、実験、革新が含まれます。
最後に、量子コンピューティング、Cryo-EM、DNA エンコード ライブラリなど、他の先進技術でも大きな進歩が見られます。 これらのテクノロジーは AI トレンドと融合しており、その結果、新しいタイプのツール、製品、サービスが誕生するだけでなく、革新的なスタートアップの波や、さらには斬新なビジネス モデルも生まれています。
AI とは何ですか?創薬にどのように応用されますか?
人工知能は比較的古い概念で、1956 年の有名なダートマス大学会議で正式に定められました。創薬における AI テクノロジーは、初期の機械学習 (ML)、ケモインフォマティクス、バイオインフォマティクスの概念とアプローチから進化しました。 たとえば、定量的構造活性相関 (QSAR) モデルや毒性予測のためのエキスパート システムの開発への機械学習の応用には長い歴史があります。
しかし、ビッグデータの急速な（場合によっては「指数関数的」）出現、高度な分析、計算コストの最小化、GPUアクセラレーション、クラウドコンピューティング、アルゴリズム開発（ディープニューラルネットや大規模言語モデルなど）、 AI技術の「民主化」 これらすべてが、特に製薬業界やバイオテクノロジー業界において、人工知能の商業化と産業化における相乗的な「ブーム」をもたらしました。
このホワイト ペーパーでは、「ビッグ データ」、構造化データ、非構造化データ、マルチモーダル データから洞察を自動的に学習し、実用的な提案を導き出すことができる高度な計算およびモデリング システムを指すために、集合的な用語「人工知能」を使用します。
私たちが「人工知能」と呼ぶ特定のアルゴリズム群に制限はありませんが、ほとんどの場合、さまざまな種類の機械学習ベースのシステム (主にディープ ニューラル ネットワーク) や大規模な自然言語処理 (NLP) を意味します。モデル。 最新の AI システムは、明示的に指示されずに学習でき (「if-then」ロジック内の従来のケモインフォマティクス ソフトウェアとは対照的に)、新しい学習サイクルの後、およびより多くのデータがシステムに供給されたときに精度を向上させることができます。膨大なサイズの高次元マルチモーダルデータを処理します。 このような属性はすべて、現代の人工知能システムを従来のケモインフォマティクスおよびバイオインフォマティクス ソフトウェア パッケージと大きく区別するものです。 このような能力は、AI に関する継続的な興奮 (および誇大広告) の原動力の中心となっています。
機械学習ツールや言語モデルなど、私たちが「人工知能」と呼ぶものの一部のコンポーネントは、ほぼすべての製薬団体や学術研究室で使用されていますが、一部の企業は高度な計算およびモデリングのパイプラインを構築し、「AI プラットフォーム」を研究し、これには、数十、さらには数百のさまざまなモデルやシステム (深層学習、言語モデル)、および数百のさまざまなパブリックおよび独自のデータ ソースにわたる自動化されたワークフローが含まれます。
一部の AI プラットフォームの高度な洗練と自動化により、商品名が商標登録されるまでに「コモディティ化」が進みました。 同時に、それらの一部は Software-as-a-Service として他の企業に提供されます。 例には、Moderna の mRNA DESIGN STUDIO™、Exscientia の Centaur Chemist®、AI Therapeutics の Guardian Angel™、Verge Genomics の ConVERGE™、C3X Discovery の Taxonomy4® などが含まれます。
以下は、Insilico Medicine の Pharma.AI の例です。これは、数百もの異なるサブシステムと機械学習モデルで構成されたエンドツーエンド創薬のためのモジュラー システムです。これらはすべて、より高度なモデリング抽象化の他のアルゴリズムによって制御されます (原理を介して)。 「アンサンブル学習」）。
Pharma.AI エンドツーエンド プラットフォームのスキーム。 画像クレジット: https://insilico.com
人工知能は、データマイニング、生物学モデリング、標的発見から同定、前臨床および臨床研究をリードするまで、製薬研究のほぼすべての側面で広く使用されています。 また、合成計画、試薬や研究消耗品のインテリジェントな検索、スマートラボノートや仮想アシスタントなどの補助タスクにも使用されます。
情報源： https://www.biopharmatrend.com/m/companies/ai/
AI 採用者のライフ サイエンス エコシステムには、次の主要カテゴリのプレーヤーが含まれます。
|
400 社を超える AI 主導の企業 (スタートアップ/スケールアップ)、古典的な Software as a Service モデルからカスタム データ サイエンス サービス、創薬 (「サービスとしての薬剤候補」)、臨床試験のサポート/管理に至るまで、幅広い AI 主導のプラットフォームとサービスを提供します。資力。 |
|
ドメイン固有のソフトウェア プロバイダー (KNIME、ChemAxon、Dotmatics、MolSoft など) は主にケモインフォマティクス/バイオインフォマティクス ソフトウェアに重点を置いていますが、機械学習を活用したツールも提供しています。 |
|
研究開発戦略の一環として社内 AI の専門知識を開発している一流の製薬会社およびバイオテクノロジー企業。 このような企業は、創薬/基礎生物学/臨床試験分析におけるパイロット プログラムを検討するために、外部の AI ベンダーや AI 主導のバイオテクノロジー スタートアップと協力することがよくあります。 |
|
Google、Amazon、Tencent などの一流テクノロジー企業が、最先端の AI テクノロジーとビッグデータ インフラストラクチャを活用して製薬分野に参入しています。 |
|
製薬/バイオテクノロジーの顧客への価値提供を強化するために AI の専門知識を開発する受託研究組織 (CRO) |
|
製薬/バイオテクノロジー分野の学術研究室。AI 研究を実施し、業界に関連する専門的なフレームワークとツールを開発します (通常は、将来の AI スタートアップ/スピンアウトのゆりかご) |
|
医薬品研究への応用に適した AI-as-a-Service パッケージおよびモデルを開発する非ドメイン固有のソフトウェア プロバイダー (例: 「すぐに使える AI」) |
|
オープンソースの機械学習ツールとフレームワークは、ライフ サイエンスの専門家によって研究プロジェクトで広く活用されています。 |
AI創薬投資の状況
ベンチャーキャピタル取引の額、記録的な新規株式公開数、数多くの成功したExit、そして株式市場の全体的に非常に前向きな環境という点で、バイオテクノロジー業界にとって異常な成功を収めた2021年を経て、2022年はその成果を証明した。金融活動の大幅な冷え込みと株式市場のパフォーマンスの完全な低下。
しかし、創薬分野における人工知能は、少なくともプライベートエクイティ取引の環境においては一定の回復力を示し、いくつかの企業がベンチャーキャピタルで数億ドルを調達しました。 例としては、北京を拠点とする MegaRobo Technologies (シリーズ C 300 億ドル)、マサチューセッツ州を拠点とするConcertAI (シリーズ C 150 億 83 万ドル) およびセルシウス セラピューティクス (シリーズ A 95 万ドル)、香港を拠点とする Insilico Medicine (シリーズ D 75 万ドル)、カリフォルニア州が挙げられます。 BigHat Biosciences (シリーズ B 73 万ドル) および DeepCell (シリーズ B XNUMX 万ドル)、およびその他のいくつかの企業を拠点としています。2022 年の創薬およびバイオテクノロジーにおける AI 企業向けの主要な VC ラウンド"。
合併・買収（M&A）の状況は、バイオテクノロジー大手が関与した最近の注目すべき取引によって特徴づけられた ギンコ・バイオワークスがザイマージェンを買収 Zymergenを300億ドルと評価する取引で。 この買収により、Zymergen の機械学習およびデータ サイエンスの機能が、Ginkgo の合成生物学プラットフォームと連携することになります。
主要な業界の観察と傾向
AI とデータ テクノロジー、さらには新しい計算ツールとインフラストラクチャ ソリューション (データベース、クラウド サービスなど) の出現により、研究、臨床、ビジネス レベルで製薬業界の運営方法が再定義されています。 以下では、2022 年の創薬分野における AI の傾向と観察、および例示的な業界の発展についていくつかレビューしてみましょう。
AI を活用した生物学モデリングとターゲット発見
創薬研究では、新しいファーストインクラスの治療薬、つまり潜在的な「ブロックバスター」を開発するために、新しい薬剤標的を特定することが重要です。 過去数十年にわたる創薬の取り組みは、伝統的に、リガンド分子（多くの場合、小分子）の影響を受ける適切な「ポケット」を持つ特定のタンパク質を標的とすることに重点が置かれてきました。 しかし、すべてのヒトタンパク質 (別名「プロテオーム」) のうち、少数のタンパク質が標的として調査されました。 現在、 20,360 個のヒトタンパク質 Swiss-Prot では、OMIM データベースによると、そのうち約 4,600 個が疾患メカニズムに関与していることが知られており、疾患に関与するヒトタンパク質の約 22% に相当します。 これらのタンパク質は、実行可能な薬物標的を含む可能性が高いヒト プロテオームの明白な領域です。 しかし、 2017のように、既存の FDA 承認薬で実際に利用されているのは、ヒトおよび病原体由来の生体分子 (ほとんどがタンパク質) わずか約 890 個だけです。 これらの生体分子には、ヒトの病気の治療薬の標的となる 667 個のヒトゲノム由来のタンパク質が含まれていました。 現在でも状況はそれほど変わっていないため、このプールには新しいターゲットを特定する余地がまだたくさんあります。 人工知能技術に基づく新しい計算アプローチにより、新たな創薬可能なタンパク質ポケットを大規模に特定することが可能になり、場合によってはプロテオーム全体にわたる仮想スクリーニングが可能になります。
しかし、さらに興味深いのは、高度なモデリング ツールが、タンパク質間相互作用、大きな接触面積を持つ標的、タンパク質と核酸の相互作用、細胞タンパク質の利用などの次世代標的など、新しいタイプの標的の特定と調節に役立つことです。劣化機械。
関連： mRNA 生物学を標的とする AI による表現型スクリーニングのターボチャージ: AnimaBiotech 共同創設者 Yochi Slonim へのインタビュー
AI 主導の企業の多くは、生物学のモデリング、新規ターゲットの発見と検証、および「サービスとしての疾患モデル」または「サービスとしてのターゲット発見」を他の組織に提供することに重点を置いています。 この種の受託調査サービスに対する需要は高まっており、これは標的発見パートナーシップの数の増加に反映されています。
たとえば、2022 年 110 月、イスラエルに本拠を置く生物学モデリング会社 CytoReason は、ファイザーとの 2019 億 XNUMX 万ドルの提携拡大を発表しました。 両社は、ファイザーが免疫介在性疾患およびがん免疫療法の新薬開発を目的とした研究でCytoReasonの生物学的モデルの使用を開始したXNUMX年に協力を開始した。
2022年2019月、アストラゼネカは、英国を拠点とするAI主導の創薬リーダーであるBenevolentAIとの提携により、2022番目の肺線維症の標的を収集したと発表した。 このマイルストーンは、XNUMX年の提携開始以来、BenevolentAIがアストラゼネカ向けに発見したXNUMX番目の新規ターゲットをマークするものであった。わずか数カ月後のXNUMX年XNUMX月、BenevolentAIは、慢性腎臓病と特発性を対象としたアストラゼネカの研究開発ポートフォリオに、AIが生成した追加のXNUMXつのターゲットを提供することに成功した。肺線維症。
2022年1.2月、香港に本拠を置くインシリコ・メディシンは、インシリコ・メディシンの「Pharma.AI」プラットフォームを活用して最大XNUMXつの新たな標的を発見するため、サノフィとXNUMX億ドル相当の契約を締結した。
ディープ ニューラル ネットワークなどの最先端のアルゴリズムでは生物学を適切にモデル化するために大量のデータが必要ですが、少量のデータしか利用できないターゲットもあります。 カナダに本拠を置く Cyclica は、「低データ」ターゲットを処理できる、ポリファーマコロジーとプロテオーム全体のスクリーニング用の AI 駆動プラットフォームを開発しました。 2022 年 1.8 月、Cyclica はビル & メリンダ ゲイツ財団から XNUMX 万ドルの助成金を受け取り、AI を活用した創薬プラットフォームを適用して、低データの複数の生物学的ターゲットを活用して新しい非ホルモン契約を発見しました。
毎回 バイオファーマトレンドレポート、対象となる発見分野には、他にも少なくとも 182 社の AI 企業があり、その中には、Insitro、Relay Therapeutics、Valo Health など、最先端の研究開発プラットフォームを備えた資金豊富な大手企業も含まれます。
生物学モデリングの分野では、新しい「AI ネイティブ」スタートアップが絶えず出現しています。 たとえば、CardiaTec Biosciences、WhiteLab Genomics、Degron Therapeutics などです。
全体として、人工知能に基づく高度なモデリング手法は、薬物反応を遺伝的変異に関連付け、階層化された臨床有効性と安全性を理解し、同じ治療クラスの薬物間の違いを合理化し、予測を試みる際に、生物学的標的の定義そのものを再定義するのに役立ちます。患者サブグループにおける薬物の有用性。
AIで構造生物学を解明する
今年、ライフ サイエンス コミュニティで最も議論された AI 関連のトピックの XNUMX つは、Alphabet の英国に拠点を置く子会社 DeepMind の最近の成功でした。 タンパク質のフォールディング問題の解決に成功、半世紀前の生物学的問題。
2022 年 XNUMX 月、DeepMind の深層学習ソフトウェア AlphaFold 予測され、一般に共有される 200 億を超えるタンパク質のタンパク質構造を解析し、3D アミノ酸配列だけから 1D 構造を正確に予測する AI システムの驚くべき能力を実証しました。 この発見は（現時点では）人々が想定しているほど創薬において変革的な役割を果たしていない可能性があると主張する人もいますが、AlphaFold は 細菌タンパク質と抗菌化合物の相互作用を予測する場合、偶然よりもはるかに優れた結果は得られませんでした、この発見は確かに構造生物学と基礎生物学研究における AI の可能性の両方においてパラダイムを変えるものです。
2022年600月、プロテオームのモデリングにおけるDeepMindの画期的な成功に、Meta（旧Facebook、本社はカリフォルニア州メンローパーク）の研究者らが対抗した。 AI を使用して、これまで特徴づけられていなかった細菌、ウイルス、その他の微生物の約 XNUMX 億個のタンパク質の構造を予測しました。
Meta の科学者は完全に 異なる AI アプローチ — わずか数文字または単語からテキストを予測できる AI の一種である「大規模言語モデル」を使用します。 自然言語モデル (NLP) は通常、大量のテキストでトレーニングされます。 ただし、1D タンパク質配列は本質的に文字列であるため、NLP は人間の言語を扱うのと同様に、このような問題に適用できます。
興味深いことに、タンパク質のフォールディングにおけるこのような大きな技術的飛躍は、 デノボタンパク質設計、単に創薬のために既存のタンパク質の構造をモデリングするだけではありません。 どこに最も大きな影響が及ぶかは時間が経てばわかるだろうが、2022 年の構造生物学者にとってエキサイティングな展開は、DeepMind と Meta による上記の成功だけではない。
近年、クライオEMの急速な進歩とAI技術により、 バイオテクノロジースタートアップの新たな波 Gandeeva Therapeutics、Septerna、MOMA Therapeutics など。 クライオEM分野は、小規模ベンチャー組織からTikTokやインターネット技術大手バイトダンスのオーナーまで、Shuimu BioSciencesに投資するバイオテクノロジー新興企業に至るまで、幅広い投資家の注目を集めて加熱している。 ノーベル賞を受賞した革新的なテクノロジーだけでなく、そのプロセスへの AI の積極的な採用によっても関心が高まっています。 最近の出版物 「細胞抽出物の構造研究のための AI 支援クライオ EM パイプライン」 複数のタンパク質コミュニティのメンバーの構造をデノボで迅速かつ同時に調査するための AI 駆動の原子モデル予測など、複雑なクライオ EM パイプラインにおける AI の代替不可能な役割を強調しました。 機械学習は、クライオ EM パイプラインの高速化と最適化だけでなく、ユーザーの偏見による落とし穴の回避にも役立ちます。
2021年に設立されたGandeeva Therapeuticsは、タンパク質と薬物の相互作用の高精度イメージングに基づく新規治療法の開発のため、今年初めに40万ドルを調達した。 同社が述べているように、同社のターゲット選択エンジンと Cryo-EM エンジンは「発見の行き詰まりからの脱却」に役立ちます。 同時に、2020 年に立ち上げられたクライオ EM バイオテクノロジー MOMA Therapeutics は、がんに対する新しい高精度治療薬を臨床にリリースするという野心的な目標を掲げ、わずか 236 年間でなんと XNUMX 億 XNUMX 万ドルを調達しました。 MOMA は、ユニークな種類の生物学的標的、「分子機械」に焦点を当てています。
AIを活用した低分子開発
疾患モデリングと標的発見に次いで、化学分子または生物学的分子の設計は、創薬における人工知能の適用において 130 番目に多いユースケースです。 BiopharmaTrend AI レポートの 384 社のうち XNUMX 以上の人工知能主導企業が、他のユースケースの中でもとりわけ医薬品候補の設計に人工知能を適用しています。
AI 主導の医薬品設計は、主に XNUMX つの主要なカテゴリに分類されます。デノボ (生成など) 医薬品設計、既存データベースの仮想スクリーニング、および医薬品再利用です。
De novo 創薬のほとんどは、敵対的生成ニューラル ネットワーク (GAN) などの深層学習モデルによって実現されています。 生成 AI プラットフォームの例には、Insilico Medicine の Chemistry42 ソフトウェア、Iktos の Makya、Ro5 の De Novo Platform などがあります。 このカテゴリーの他の企業には、Recursion Pharmaceuticals、Deep Cure、Standigm などが含まれます。
人工知能を活用した超大規模仮想スクリーニングを応用し、数十億の分子をふるいにかけて成功したヒット商品を見つけます。 2022年1.2月、サノフィは最大20億ドル相当の医薬品設計契約でアトムワイズと提携した。 サノフィが前払いで3万ドルを支払うこの契約は、サノフィが選択した最大XNUMXつの薬剤標的について低分子を研究するために米国企業のAtomNetプラットフォームを活用することに重点を置いている。 畳み込みニューラル ネットワーク ベースの AtomNet は、構造ベースの医薬品設計に優れており、「XNUMX 兆を超える合成可能な化合物からなる Atomwise 独自のライブラリの AI を活用した迅速な検索」を可能にするとのことです。 発表.
2019年初め、アトムワイズはウクライナに本拠を置く化学大手エナミン社と協力し、小児腫瘍学におけるヒット商品の特定を目的として「世界初にして最大規模の10億化合物の仮想スクリーニング」を実施した。
最後に、多くの企業が AI を活用した創薬のために再利用戦略を採用しています。 Healx、BenevolentAI、BioXcel Therapeutics などのこのカテゴリの企業は、主に自然言語処理 (NLP) モデルと機械学習を使用しており、研究論文や特許、電子医療記録 (EHR) などの大量の非構造化テキスト データの分析を通じて業務を行っています。他のデータタイプと同様に、「ナレッジグラフ」を構築して検索します。 このような AI 対応の検索可能なオントロジーにより、既知の薬剤候補や承認済みの薬剤の新しい適応症や患者集団を選択することができます。
たとえば、米国に本拠を置く臨床段階のバイオテクノロジー企業である Lantern Pharma は、高度なゲノミクス、機械学習、人工知能を使用してがん治療薬の開発プロセスを革新することに重点を置いています。
同社の AI プラットフォームである RADR®️ には、現在 25 億を超えるデータ ポイントが含まれており、ビッグ データ分析と機械学習を使用して、薬剤反応に相関する生物学的に関連するゲノム シグネチャを迅速に明らかにし、その後、Lantern の薬剤候補から恩恵を受ける関連するがん患者のサブグループを特定します。 。 RADR ®️ は、Lantern とその協力者によって、新薬の開発と位置づけ、および薬物の再利用にも使用されています。
関連： AI を活用した精密腫瘍学における Lantern Pharma の成功事例を明らかにする
AI と DNA エンコードされたライブラリの出会い
医薬品設計へのややユニークなアプローチは、検索対象の新規分子のソースとして DNA コード化ライブラリー (DEL) を使用することにあります。 DEL テクノロジーは、市場で入手可能な実質的に最大の化学スペースへのアクセスを提供するため、このビッグ データ テクノロジーは AI ベースのツールに自然に適合します。
注目すべき 取引 2020年に、Daphne Kollerによって設立された、創薬のための機械学習の応用における注目すべき企業のXNUMXつであるInsitroがHaystack Sciencesを買収したときに起こりました。 Haystack の機械学習ベースのプラットフォームは、広範で多様な低分子コレクションを合成する機能、反復追跡を実行する機能、nDexer™ と呼ばれる独自の半定量スクリーニング テクノロジーなど、同社の DEL テクノロジーの複数の要素を組み合わせたものです。より高解像度のデータセット。
一方、ZebiAI は 2021 年に、人工知能を活用した創薬プラットフォームの別の著名な開発者である臨床段階のバイオテクノロジーである Relay Therapeutics に買収され、Relay は前払いで 85 万ドルを支払いました。 この買収により、Relay は ZebiAI の機械学習ベースの DEL テクノロジーを自社のタンパク質ターゲティング プラットフォーム Dynamo に組み込むことができました。
関連： 創薬における DNA エンコードライブラリ技術の市場レビュー
2021 年 XNUMX 月、X-Chem は、データ エンジニアリングと特徴量化、予測分析、ハイパフォーマンス コンピューティング、デノボ創薬の機能を含む、創薬のためのモジュール式多面人工知能ソリューション RosalindAI の開発会社である Glamorous AI を買収しました。
低分子を超えた AI 主導の医薬品設計
創薬に適用される現代の人工知能ツールが、前世紀のケモインフォマティクスと初期の機械学習ベースの QSAR モデルに深い歴史的ルーツがあることを考慮すると、創薬分野の AI スタートアップの圧倒的多数が低分子に焦点を当てていることは驚くべきことではありません。 。
AI創薬企業の製品カテゴリー別の分布。 ソース： BiopharmaTrend AI レポート.
しかし、生体分子薬 (別名「生物製剤」) や新しい化学モダリティは製薬業界でますます豊富になり、それらを発見するために AI ベースの手法を適用する新しいバイオテクノロジー企業も同様です。 2003 年に科学者がヒトゲノムを解読した後、創薬可能性と開発可能性の分野は急速に進化しました。 過去 5 世紀において、リピンスキーの XNUMX の法則 (RoXNUMX) は、「伝統的な」創薬可能な標的領域における経口送達のための薬物様分子設計の「導きの光」として機能していました。
対照的に、タンパク質間相互作用、大きな接触面積を持つ標的、タンパク質と核酸の相互作用などの新しいタイプの標的、および細胞のタンパク質分解機構の利用などの次世代標的は、さまざまな新しい標的の出現を推進しています。分子モダリティ、すなわち Ro5 (bRo5) を超えた小分子 (タンパク質間相互作用モジュレーター、タンパク質標的キメラ (PROTAC)、モノクローナル抗体 (mAbs)、ペプチドおよびペプチド模倣物、核酸ベースのモダリティ (RNA および DNA)に基づく）は、創薬における重要な焦点となっています。
たとえば、これまでで最も商業的に成功した生物製剤である新規モノクローナル抗体を発見するために AI 手法を適用する企業が増えています。 注目すべきは、2022年XNUMX月、イスラエルに本拠を置くBiolojic Design社が、史上初のコンピューター設計された抗体を発表したことである。 臨床試験に入った。 同社は構造ベースの設計戦略を活用しています。 その AI モデルは、既存のヒト抗体から目的の標的に対するテンプレート抗体を特定するために、何百万もの抗体と抗原のペアでトレーニングされています。 追加の機械学習モデルを使用して、突然変異を予測し、テンプレートの最適化をガイドしてその特性を改善します。
2022年2020月、カナダに本拠を置くAbCellera Biologicsは、Regeneronが未公開のGタンパク質共役受容体（GPCR）を標的とするAbCelleraの最初の治療用抗体候補をさらなる前臨床開発に進める権利を行使することを選択したと発表した。 この提携はXNUMX年XNUMX月に開始され、Regeneronが選択したXNUMXつの発見プログラムを可能にし、AbCelleraのAIベースの抗体発見エンジンとRegeneronのVelocImmune®マウスを活用して新規治療用抗体を同定する。
米国に拠点を置く AbSci、BigHat Biosciences、Totient、Nabla Bio、Generate Biomedicine など、他にも XNUMX 社の抗体発見企業が AI を使用しています。 カナダに本拠を置くディープ・バイオロジクス。 中国に拠点を置く NeoX。 EUベースのDeep CDR、Natural Antibody、MabSilicoなど
Creyon Bio というキャッチーな名前を持つ米国に本拠を置く企業は、エンジニアリング アプローチを適用して、新しいオリゴヌクレオチド ベースの医薬品 (OBM) を作成しています。 同社は 2019 年に設立され、40 年 2022 月に 2014 万ドルの資金を調達しました。コールド スプリング ハーバー研究所のスピンアウトとして 2022 年に設立された Envisagenics は、RNA 治療薬の発見に注力するニューヨークに拠点を置く企業です。 明記された使命によれば、AI/ML テクノロジーを活用して生物医学データの複雑さを軽減することを目指しています。 つい最近、27.1 年 XNUMX 月に国立がん研究所から助成金を受け取り、調達総額は XNUMX 万ドルになりました。
Envisagenics の AI 駆動テクノロジーである SpliceCore は、RNA シーケンス データからのスプライシング発見を通じて薬物標的とバイオマーカーを予測することが実験的に検証されたクラウドベースのプラットフォームです。 同社によると、従来の手法と比べて高い精度と速度が確保できるという。
新しい治療用酵素を設計するための Innophore の AI 主導戦略は、特許取得済みの Catalophore™ テクノロジーを最先端の従来のバイオインフォマティクス アプローチと人工知能と組み合わせることで実現されます。 Innophore は、物理化学的特徴の点群によって定義される「カタロフォア」(つまり、触媒機能の担体) と呼ばれる 3 次元 (XNUMXD) 検索テンプレートを使用して、構造および配列データベースをマイニングできます。 この技術によって同定された新規酵素は、使用された対応物と必ずしも共通の構造または配列基盤を共有するわけではありません。 したがって、熱安定性、堅牢性、基質スペクトル、選択性、特異性などのタンパク質特性が変化する可能性があります。
Innophore の技術は、新規酵素の設計に加えて、ウイルスの潜在的に危険な変異を保護することで、疫学応用におけるゲームチェンジャーとなる可能性があります。 2021 年、Innophore は AWS Diagnostic Development Initiative と協力して、virus.watch プロジェクトを開始しました。 このプロジェクトの目標は、新興医薬品および疾患関連コロナウイルス (SARS-CoV-2) 変異種のモニタリングおよび評価システムの実装でした。 初の共同論文、 公表 Nature 誌 (2022 年 2 月) では、野生型参照と比較して Omicron B.2 スパイク RBD に対する hACE1.1.529 受容体結合親和性が高いことを明らかにする SARS-CoV-XNUMX 変異体のバイオインフォマティクス分析について説明しています。
Innophore テクノロジーと AWS を使用して進化するウイルスを長期にわたって追跡すると、Omicron の亜種で高率の変異が発生していることがわかります。 球は、対応するアミノ酸残基のα-C-原子を示しています。 色とサイズは両方とも、各位置の突然変異の数と相関します。
2008 年に設立されたデンマークに拠点を置く Evaxion Biotech は、がんや感染症に対するワクチンの開発に注力する AI 主導の企業です。 彼らは臨床段階の AI 免疫学プラットフォームを所有しており、AI テクノロジーとエンジニアリングの専門知識を組み合わせて予測モデルを生成し、患者にとって独自の免疫療法を特定するのに役立ちます。 Evaxion Biotech は総額 57 万ドルを集め、2022 年 40 月に単一投資家リンカーン・パーク・キャピタル・ファンド主導による XNUMX 万ドル相当の IPO 後の株式調達ラウンドに参加しました。
Exscientia のような「化学モダリティ クラブ」の一部の AI 企業は現在、生物製剤の発見に進出しています。 2022年XNUMX月、同社はAIプラットフォームにヒト抗体の設計が含まれると発表した。 エクスシエンシアはまた、新規抗体を社内で生成してプロファイリングするための自動生物製剤研究所をオックスフォードに設立しています。
人間の細胞のタンパク質分解システムを利用して悪性タンパク質を除去し、病気を治す傾向が高まっています。 ここで人気が高まっているモダリティの 2001 つは、3 年に導入されたタンパク質分解ターゲティング キメラ (PROTAC) です。これは、柔軟なリンカーで接続された 3 つのリガンドで構成されます。 現代の PROTAC の主な化学構造は同じです。XNUMX つのリガンドは、古いタンパク質をプロテアソームに送る成分である EXNUMX 酵素を標的とし、もう XNUMX つのリガンドは、分解する必要がある対象タンパク質 (POI) を標的とします。 PROTAC は EXNUMX と POI を結合し、それらを近づけて誘導近接複合体を形成します。 場合によっては、タンパク質が適切に整列すると、POI がユビキチン化され、プロテアソームによる分解のマークが付けられます。
タンパク質分解に対するもう XNUMX つの広範なアプローチには、いわゆる「分子接着剤」が含まれており、これは活発に成長している研究分野です。 XNUMX つの活性部位とリンカーを備えた比較的大きな二官能性小分子である PROTAC とは対照的に、分子接着剤はより小さく、より薬物のような分子です。 後者は、接着剤分子の効果により接近する XNUMX つの別々のタンパク質から生じる凝集タンパク質ポケットに結合します。
タンパク質分解（そしてより広義には変調）分野では、次のような企業の波が押し寄せています。 アルビナス, ニューリックス・セラピューティクス, キメラセラピューティクスいくつか例を挙げると、C4 Therapeutics、Roivant Discovery、Cedilla Therapeutics、Lycia Therapeuticsなどがあります。
一部の企業は、最先端の AI アルゴリズムを適用して近接誘導化合物を設計しています。 たとえば、オーストリアと米国に本拠を置く Celeris Therapeutics は、Xanthos、Hephaistos、Hades の XNUMX つのワークゾーン システムを含む Celeris One プラットフォームを構築しました。 このシステムには、分子特性、分子動力学、自由エネルギー計算を改善するためのリンカーや多目的最適化など、相互作用を予測するためのグラフ ニューラル ネットワークや、新しい化学物質を作成するための生成モデルが組み込まれています。 このワークフローでは、幾何学的な深層学習と機械学習主導の逆合成機能も採用されています。 Celeris Therapeutics は、生物学データを生成し、カスタム化学合成を行うための自動ラボを運営しています。
Celeris Therapeutics の AI 主導プラットフォーム Xanthos のドライ ラボ ワークフロー。
私たちは最近、タンパク質分解市場の広範な概要を投稿で公開しました。 タンパク質分解剤が業界を席巻これには、関連する計算プラットフォームの技術概要を含むいくつかのケーススタディが含まれます。
AI開発の新薬候補の第一波が臨床に投入される
製薬業界での AI の導入が創薬に完全な変革をもたらしたと言うのはおそらく時期尚早ですが、いくつかの「AI ネイティブ」企業は、治療パイプラインを迅速に構築する際に顕著な効率を得ることができました。 そのような企業に共通する特徴は何でしょうか? それぞれが、多くのモデルとデータ ソースを含む、特化された高度に統合された AI プラットフォームを構築しました。 Chemistry42 など、一部のプラットフォームは、外部の R&D パートナー向けに Software-as-a-Service としても利用できます。
業界がこれまで見てきた「デジタルファースト」戦略の恩恵を最も鮮明に受けている例の 19 つは、Moderna Therapeutics です。同社は、最先端の AI 分析を研究に組み込むことに成功しただけでなく、研究開発ワークフローのあらゆる側面をデジタル化し、統合しました。生産と流通。 2020 年の初めに新型コロナウイルス感染症 (COVID-2) のパンデミックが世界を襲ったとき、モデルナは効率的な mRNA ベースのワクチンをわずか XNUMX 日 (!) 以内に開発し、XNUMX 年以内に市場に投入することができた最初の企業の XNUMX つでした。 。
AI によって可能になった治療薬発見の成功の波は、AI ネイティブ企業が同様のプログラムに通常かかるよりも早く候補薬を見つけ出す能力を実証しています。
詳しく見る 「AIが描く新薬候補のロードマップ」
AbCellera のモノクローナル抗体 LY-CoV555 は XNUMX か月以内に開発され、FDA によって緊急使用許可を取得しました。
BenevolentAI のナレッジ グラフにより、同社はバリシチニブが効果的な新型コロナウイルス感染症抗ウイルス薬であることを数日以内に特定することができました (現在は FDA によって使用が承認されています)。 潰瘍性大腸炎および皮膚炎を治療するための新規阻害剤である別の小分子 BEN-19 は、8744 か月未満で後期前臨床研究に進みました。
Exscientia の小分子阻害剤 EXS-21546 は、ヒトに対する臨床試験 (現在第 I 相) に入った最初の免疫腫瘍学用の AI 設計分子であり、わずか XNUMX か月で発見されました。 同社は他にもいくつかの分子を臨床試験中である。
特発性肺線維症を治療するための Insilico Medicine の小分子阻害剤 ISM001-055 は新たに設計され、18 か月以内に後期前臨床試験に進みました (現在第 I 相)。
ニューヨークに本拠を置くシュレディンガー社は、B細胞リンパ腫を治療するための小分子SGR-1505をXNUMXカ月以内に開発し、現在IND申請中である。
ソルトレイクシティに本拠を置く Recursion Pharmaceuticals は、不特定の希少疾患に対する薬剤候補を 18 か月以内に開発しました。 同社は、デジタル バイオロジー プラットフォームを利用して設計された前臨床および臨床薬候補の大規模かつ多様なポートフォリオを持っています。
トロントに本拠を置く Deep Genomics は、AI Workbench プラットフォームを使用して、希少な遺伝性ウィルソン病を治療するための新しい遺伝子標的と対応するオリゴヌクレオチド医薬品候補 DG12P1 を開発しました。
AI によって開発された主要な臨床薬候補を追跡するために、私たちは 「AIが描く新薬候補のロードマップ」 定期的に更新されます。
創薬用 AI に対するメディアの注目が続いていることは、慎重なレンズを通して見るべきであることに注意する必要があります。 例えば、アトピー性皮膚炎の治療薬候補であるBEN-2293をライセンスアウトするBenevolentAIの計画は、AIを活用したpan-Trk阻害剤が第2a相試験で湿疹の症状やかゆみを改善できなかったため、挫折した。 同社は以前、トロポミオシン受容体キナーゼ（Trk）がアトピー性皮膚炎におけるかゆみと炎症のメディエーターであることを特定し、Trk阻害剤の開発につながった。 BEN-2293は第1b相試験で臨床的に意味のある効果の傾向を示しましたが、第2a相試験では湿疹の重症度やかゆみの改善においてはプラセボと同等であることが明らかになりました。 この結果は、このアプローチを提案した AI 対応プラットフォームに関する疑問を引き起こします。 挫折にもかかわらず、BenevolentAIは、ベースラインで病気の程度がより大きい患者において治療がより効果的であるという証拠を引用して、この薬剤候補を諦めていません。 同社は現在、次のステップを決定する前にデータを検討している。
創薬分野で最も「生産性の高い」AI 企業 XNUMX 社
BiopharmaTrend AI レポートでは 130 社を超える AI 企業から約 380 社を最終候補に挙げ、企業の臨床および前臨床パイプライン、標的発見能力、時間を考慮したシンプルかつ堅牢な評価式を使用してさらに 20 社を選択しました。ビジネスで。 選ばれた20社は、 BPT20: 創薬生産性指数における人工知能 — 新規医薬品設計、仮想スクリーニング、または医薬品再利用のための AI の適用を支持する企業を強調する業界初の参考資料。
AI とロボット化された未来の研究室
ディープ ラーニング モデル (ディープ ニューラル ネットに基づくものなど) は非常に「データを大量に消費する」ものであり、AI がどれほど優れていても、有意義な研究予測にはデータの品質とサイズが同様に重要であることを意味します。 高品質の生物学データを生成する最も効率的な方法は、ロボット工学を使用することです。 AI を活用した最新の創薬変革を段階的なプロセスとして考えると、広く利用可能で比較的コスト効率の高いものになります。obotics-as-a-service は、AI 対応の最後の重要な要素となるでしょう。 製薬およびバイオテクノロジー研究の産業化。 Arctoris のレポートによると、「ロボット工学は、クローズドループ発見のパラダイムを現実にするための鍵であり、今後数年間注目されるエキサイティングな分野となるでしょう。」
一部の企業は、AI ベースの実験制御システムによって誘導され、AI 主導のデータマイニングおよび分析機能によって補完された、標準化され、高度に自動化され、スケーラブルで互換性が高まっている実験施設を構築しています。 このような「次世代」の実験施設は、前臨床薬物研究の実験者が遠隔から利用できるようになり、前臨床実験がより拡張可能で標準化されたルーチンになっています。 リストに載っている主要なリモート ラボ プロバイダーには、数例を挙げると、Automata Labs、Strateos、Emerald Labs、Culture Biosciences などがあります。
このスペースはベンチャー資金と顧客を惹きつけています。 たとえば、2022 年 50 月、英国に本拠を置く Automata Labs は、研究室の研究プロセスを自動化するために 2021 万ドルを調達しました。 56 年 100 月、Strateos は、世界中の前臨床研究者が利用できる SmartLab プラットフォームと遠隔ロボット化自動化テクノロジーをさらに改善するために 80 万ドルを調達しました。 Culture Biosciences は、2021 年 90 月に発表された最新のシリーズ B である XNUMX 万ドルを含め、総額 XNUMX 億ドル以上を調達しました。サンフランシスコを拠点とする Emerald Cloud Labs (ECL) は、長年にわたって XNUMX 万ドル以上を調達しました。 ECL の初期ユーザーはロボット プラットフォームを削除 300% ～ 700% の改善が報告されました 研究の生産性において。 2022年300月、北京に本拠を置くMegaRoboは、自動化されたAI主導のリモートラボサービスとロボット化された施設の多様な拡大を目的としてXNUMX億ドルを調達した。
遠隔ロボット化ラボの台頭は業界の長期的なトレンドであり、データ中心の「AI ファースト」研究戦略を長期的に採用するのに非常に有益な受託研究サービスを提供する新しい方法です。
Arctoris、Recursion Pharmaceuticals、Insitro、Generative Bio など、いくつかの AI 主導の創薬企業は、別のビジネス モデルを通じてこの傾向にアプローチしています。彼らは、社内にロボット化された研究施設を構築して、研修のための社内データ生成能力を向上させています。 AI モデルと治療薬候補のパイプラインの構築。
たとえば、2016 年に設立されたオックスフォードに本拠を置く Arctoris は、優れた品質のデータを大規模に生成する完全自動化されたウェット ラボを構築し、Arctoris のデータ レイクに入力して、同社の AI 主導の意思決定プラットフォーム Ulysses を強化して、同社の研究を支援しています。目標を達成し、リードし、IND申請段階へ。
Arctoris のパイプラインには現在、腫瘍学および神経学におけるいくつかの前臨床プログラムが含まれています。 Arctoris は、Future Planet Capital、RT Ventures、Formic Ventures などの投資家から複数のラウンドで合計 10.3 万ドルを調達しました。
Exscientia や Insilico Medicine などの大手 AI 創薬企業の一部も現在、内部データ生成の「筋肉」を構築するために社内にロボット化されたラボを構築しています。
ソルトレイクシティに拠点を置く Recursion Pharmaceuticals は、ロボット化された生物学実験分野のリーダーの 2017 つです。 Recursion Operation Systemと呼ばれる同社のAI駆動インフラストラクチャは、独自の社内データ生成と高度な計算ツールを組み合わせた統合閉ループシステムで、治療プログラムを開始または加速するための新しい洞察を生成します。 同社は前臨床生物学の実験を大規模に自動化しています。 たとえば、細胞顕微鏡画像は細胞形態の複合的な変化を捉え、同社の AI を活用したコンピューター ビジョン システムによって処理されます。 2.2 年以来、Recursion Pharmaceuticals はフェノミクス プラットフォームの容量を毎年約 19 倍にし、実行されるフェノミクス実験の数を毎週最大 XNUMX 万件に拡大し、その結果、最大 XNUMX ペタバイトの独自の高次元データが得られました。
AI で臨床試験のボトルネックを回避
臨床試験は医薬品開発ワークフローの重要な段階であり、平均成功率は約 視聴者の３８%が フェーズ 1 から承認に向けて移行する医薬品候補向け。 たとえ薬剤候補が安全で有効であっても、次のような理由で臨床試験が失敗する可能性があります。 資金調達が不十分、登録が不十分、または研究計画が不十分である.
人工知能（AI）は チャンスの源としてますます認識されている 臨床試験の運用効率を向上させ、臨床開発コストを最小限に抑えます。 通常、AI ベンダーは 18 つの主要分野でサービスと専門知識を提供します。 最初の分野の AI スタートアップ企業は、自然言語処理 (NLP) を適用することで、科学論文、医療記録、疾患登録、さらには医療請求などの異種データ ソースからの情報のロックを解除するのに役立ちます。 これにより、患者の募集と層別化、施設の選択がサポートされ、臨床研究の設計と疾患メカニズムの理解が向上します。 一例として、臨床研究の約 XNUMX % は、募集が不十分なために失敗しています。 2015研究 報告した。
臨床試験の成功のもう XNUMX つの側面は、患者の層別化の改善です。 治験患者の費用は高額であるため、XNUMX 人の患者を登録するための平均費用は $ 15,700-26,000 2017 年 — どの患者が治療により大きな利益を得られるか、あるいはリスクがより大きいかを予測できることが不可欠です。 AI 主導の企業は、電子医療記録 (EHR)、オミクス、画像データなどの複数のデータ タイプを操作して、集団の異質性を軽減し、臨床研究の能力を高めます。 ベンダーは音声バイオマーカーを使用して神経疾患の進行を特定したり、画像解析を使用して治療の進行を追跡したり、遺伝子バイオマーカーを使用してより重度の症状を有する患者を特定したりする可能性がある。
AI は臨床試験の業務プロセスも合理化しています。 AI ベンダーは、自宅から患者の健康状態を追跡し、治療反応を監視し、治験手順を遵守しているかを支援します。 そうすることで、AI 企業は患者の離脱リスクを軽減します。 視聴者の３８%が 平均して。 通常、第 3 相臨床試験段階では、 1000-3000 参加者のうち一部はプラセボを摂取しています。 だからこそ、 合成制御アーム – プラセボ対照群の個人を置き換えることができる AI モデルは、臨床試験に必要な個人の数を減らすことができ、新たなトレンドとなる可能性があります。
BiopharmaTrend AI レポートによると、Owkin、PathAI、GNS Healthcare、Neurcuit、AICure、Unlearn.ai など、80 つのカテゴリーすべてに XNUMX 社以上の企業が参加しています。
バイオテクノロジー業界全体の投資環境が冷え込んでいるにもかかわらず、AI 対応の臨床試験プラットフォームに対する需要は高く、この分野への投資も高まっています。
2022 年 1.9 月、ConcertAI は、がん研究向けのソフトウェアおよび実世界データ (RWD) ソリューションを拡張するために 150 億 XNUMX 万ドルのシリーズ C ラウンドを資金調達した後、XNUMX 億ドルの評価を得ました。
Saama は 1997 年に設立されたシリコンバレーに本拠を置く企業ですが、最初のベンチャーキャピタルを調達したのは 2015 年でした。同社は、500 年 430 月にカーライルとメルク、ファイザー、アムジェン、マッケソンなどのベンチャーファンド。
Saama は、AI 主導の臨床試験分析分野の主要企業の XNUMX つであり、さまざまなソリューション スイートを提供しています。 自動化されたデータ品質機能。 ファーマコビジランス分析と申請を含む、合理化された規制申請機能。
2022年50月、臨床試験用の「デジタルツイン」サービスを開発する新興企業Unlearn.AIがXNUMX万ドルを調達した。
2022年XNUMX月、ブリストル・マイヤーズ スクイブ社 $ 80万ドルを投資 OWKIN – エンドポイントの定義の改善、患者のサブグループの特定、治療効果の推定など、心血管薬の治験の設計を強化するのに役立ちます。 パリとニューヨークに本拠を置く「ユニコーン」OWKIN は、高品質のマルチモーダル データ アクセスと最先端の機械学習を活用して、患者集団に対するさまざまな治療効果を正確に予測し、臨床試験の実験デザインと結果を改善しています。 OWKIN は、AI プラットフォームを創薬にも応用しています。
2022 年 XNUMX 月、ブリストル マイヤーズ スクイブは、AI 病理学の専門家である PathAI との複数年間にわたる協力拡大契約も発表しました。 この延長協定内の最初の作業は、腫瘍学、線維症、免疫学における主要な橋渡し研究に焦点を当て、これらを臨床試験に移行するという全体的な目標を掲げています。 そのXNUMXか月前、PathAIはグラクソ・スミスクラインと複数年にわたる戦略的パートナーシップを締結し、PathAIのAIM-NASHツールの使用を含むデジタル病理学におけるPathAIのテクノロジーを活用することで、腫瘍学および非アルコール性脂肪性肝炎（NASH）における科学研究および医薬品開発プログラムを加速させた。
注目すべきは、ダブリンの Akkure Genomics ただ発表した AI プラットフォームを介して臨床試験を支援するために、1 週間で XNUMX 万ユーロのクラウドファンディングを実施しました。AI プラットフォームは、人々が自分自身と自分の状態に関するデータに基づいて最も関連性の高い臨床試験に参加できるようにします。
受託研究業界における AI
前臨床および臨床分野における新しい AI ネイティブの受託研究会社の出現は、大手の確立された受託研究組織 (CRO) の現状に疑問を投げかけています。 彼らは、製薬会社向けのサービスに AI を組み込んだり、AI 企業と提携して研究能力を補完したりすることで対応しています。
たとえば、米国に本拠を置く初期段階の受託研究組織である Charles River Labs は、 Valo Health との複数年にわたるパートナーシップ。 Charles River は、プログラムの開発時に積極的に学習する Valo の Opal テクノロジーを追加しました。 Charles River は、Opal 深層学習プラットフォームの使用により、新規分子設計からリードの最適化までのプロセスがより迅速かつ効果的に行われることを期待しています。 昨年、チャールズリバーは 戦略的パートナーシップ Valence Discovery との提携により、CRO のクライアントは、分子特性予測、生成化学、およびマルチパラメータ最適化のための Valence の人工知能プラットフォームにアクセスできるようになりました。
IQVIA は、顧客に提供する臨床試験や商業活動に価値を付加するために、AI 機能に長年投資してきました。 IQVIA などの臨床試験を改善するため 打ち上げ 2020 年の Avacare Clinical Research Network™ により、施設はより迅速かつ効率的に治験に参加する患者をマッチングできるようになりました。 このプラットフォームは AI アルゴリズムを活用しており、19 の疾患領域にわたって動作できます。 これに先立ち、別の IQVIA の Linguamatics Natural Language Processing (NLP) プラットフォームが Questex の 2019 Fierce Innovation Awards を受賞しました。 このプラットフォームは、標的の特定、遺伝子マッピング、患者の転帰の予測など、ヘルスケアおよびライフサイエンスにおいて広範な応用が可能です。
臨床研究業界では重要なトレンドが進行中です 仮想臨床試験、8億ドル相当の市場。 新型コロナウイルス感染症（COVID-19）のパンデミックにより、製薬会社は治験を継続するために、遠隔モニタリング、患者登録の改善、患者エンゲージメントを追跡するアプリ、遠隔医療、分散化、その他の対策への切り替えを余儀なくされた。 このようなソリューションに対する需要が大幅に増加したため、CRO は自社のサービスに仮想機能と分散機能を追加することを急いでいます。 AI テクノロジーは、データの合成や臨床試験プロセスのスピードアップに役立つこのようなプロジェクトの作成と実行において非常に貴重であることが判明しました。
テクノロジー大手が創薬とバイオテクノロジーを狙う
前述した、深層学習や言語モデルを使用した大規模なタンパク質構造の予測など、基本的な生物学研究の謎を解決する際のアルファベットのディープマインドとメタの成功は、氷山の一角にすぎません。現在、ほぼすべての大手テクノロジー企業がライフ サイエンス ビジネスに参入しています。 、 どうにか。
Alphabet (Google の親会社) は、AI ベースの試薬検索エンジン BenchSci、創薬会社 XtalPi における中国ベースの AI と量子物理学、パーソナルゲノミクス会社 23andMe、AI 主導の医薬品開発など、ライフ サイエンス プロジェクトに数十件の投資を行っています。いくつか例を挙げると、ユニコーンの OWKIN です。 2021 年、Alphabet は DeepMind と共同で、基礎生物学と創薬を解明するための人工知能の応用に重点を置く Isomorphic Labs を立ち上げました。
製薬研究やバイオテクノロジーにおける他の複数のプロジェクトや活動とは別に、アルファベットはライフサイエンスとメッドテックに特化した本格的な事業体、Verilyを持っています。
世界的なソフトウェア開発会社である Microsoft は、大手製薬会社と数十件の研究協力を行っており、大規模な機械学習モデルを使用してビッグデータを処理するためのインフラストラクチャを提供しており、ライフ サイエンス分野で深い実績を誇っています。 Microsoft の最新の取り組みの中には、 MoLeR モデル、同社の生成化学チームがノバルティスと協力して開発中の新しいツール。 MoLeR モデルは、他の生成ツールとは異なり、深層学習を使用して、生成プロセスの初期ベースとして機能する特定の足場に基づいて新しい構造を考え出します。 別の例は AI4サイエンスは、計算化学、量子物理学、機械学習、分子生物学、流体力学、ソフトウェア エンジニアリングを組み合わせて、科学のいわゆる「第 XNUMX のパラダイム」のビジョンを実現するマイクロソフトの新しいベンチャー企業です。
この文脈で特に活発な企業は、ゲーム業界とパーソナル コンピューターのハードウェア メーカーである NVIDIA です。 このテクノロジー企業は、ゲノミクス、プロテオミクス、顕微鏡、仮想スクリーニング、計算化学、可視化、臨床画像処理、および自然言語処理 (NLP)。 そして 2022 年 XNUMX 月、同社は、医療機器業界がエッジでリアルタイム AI アプリケーションを開発および導入するためのプラットフォームである Clara Holoscan MGX™ を導入しました。このプラットフォームは、必要な規制基準を満たすように特別に設計されています。 Clara Holoscan は、医療機器業界のイノベーションを加速するために、オールインワンの医療グレードのリファレンス アーキテクチャと長期のソフトウェア サポートを目指しています。
創薬における AI の未来: すべては「量子」
創薬や生物学の研究に使用されるソフトウェア ツールのほとんどは、分子力学に依存しています。分子力学とは、分子を単純化して表現したもので、本質的に分子を「球と棒」、つまり原子と分子間の結合に還元したものです。 この方法では計算が容易になりますが、精度は大幅に低下します。 適切な精度を得るには、原子と分子の電子的挙動を考慮する必要があります。つまり、素粒子、つまり電子と陽子を考慮する必要があります。 これが量子力学 (QM) 手法の本質であり、この理論は新しいものではなく、20 世紀初頭まで遡ります。
しかし、量子手法は計算コストが非常に高く、ここ数十年まで、量子理論が物事の実用的な側面に影響を与えるには法外な障壁となっていました。 利用可能なコンピューティング能力が飛躍的に増大したことにより、量子手法はついに科学者にとって貴重なツールになりつつあります。
いくつかの企業は、機械学習と量子理論を融合して、創薬システムのモデリング機能を大幅に向上させています。 たとえば、Sequoia China、Tencent、Google の支援を受ける中国と米国を拠点とするテクノロジー企業 XtalPi の科学者は、量子力学、人工知能、高性能テクノロジーを組み込んだインテリジェント デジタル創薬開発 (ID4) プラットフォームを構築しました。クラウドコンピューティングアルゴリズム。 ID4 を使用すると、医薬品の研究開発における重要な要素である小分子医薬品候補の物理化学的および薬学的特性、ならびにその結晶構造を高精度で予測できます。
この分野を前進させるもう 10,000 つの企業は、パリに拠点を置く Aqemia です。 同社は、量子と人工知能 (AI) を組み合わせた、鉛のような分子の構造ベースの新規設計に焦点を当てています。 量子にヒントを得た独自の統計力学アルゴリズムにより、化合物と治療標的の間の親和性を競合製品よりも XNUMX 倍の速さで正確に予測します。 Aqemia の AI は、親和性予測器からフィードバックを取得することで、精度を高めて化合物を生成できます。
最後に、バルセロナに拠点を置く Pharmacelera は、PharmScreen と PharmQSAR という 3 つの主要なソフトウェア パッケージを通じて医薬品設計を強化するために量子理論を適用する計算会社です。 最初のツールは、相互作用場に基づく高精度 3D リガンド アライメント アルゴリズムを使用して、正確なリガンド ベースの仮想スクリーニングを可能にします。 従来の方法やツールよりもリード間で高い多様性率を生み出すことができます。 XNUMX つ目の PharmQSAR は、複数の相互作用分野を組み合わせて CoMFA/CoMSIA 研究を実行できる XNUMXD 定量的構造活性相関 (QSAR) ツールです。
もう XNUMX つの (より未来的な) 技術トレンドは、量子理論を活用したもので、量子コンピューターの作成を扱っています。 数十年にわたる量子理論の進歩と、いくつかのソフトウェアおよびハードウェア分野の同時進歩により、いよいよ量子コンピューターが実用化される時代に入りつつあります。
私たちは量子コンピューティングの黎明期にいますが、すでにいくつかの企業が量子コンピューティングの要素を計算による創薬に統合しています。
たとえば、POLARISqb は英国を拠点とする、人工知能と量子アプローチを組み合わせた量子コンピューター用に構築された世界初の創薬ソフトウェアの開発者です。 POLARISqb テクノロジーの中心となるのは、クラウド全体で分散分子設計作業を実行するために使用される Tachyon 医薬品設計プラットフォームであり、複数のプロジェクトを並行して実行しながら大規模な化学ライブラリを検索できる自動プロセスによって管理されます。 同社は、量子システム用の独自ソフトウェアを開発することで、医薬品設計を大幅に加速し、より質の高いリードを獲得できると主張している。 タキオン システムには固有の「不可知論」があるため、複数の疾患や適応症に効果を発揮します。
Menten AI は 2018 年に設立されたカナダの新興企業で、機械学習と量子コンピューティングを活用したタンパク質設計用のソフトウェア プラットフォームを開発しています。 同社は独自の量子最適化アルゴリズムを使用しており、これによりコストと開発時間を削減しながら創薬の精度を大幅に向上できると考えています。
この投稿を要約するために、米国の量子ソフトウェア会社であるザパタ コンピューティングの共同創設者兼 CEO であるクリストファー サヴォワ博士が、この分野の最先端の研究について次のように述べた予測を参照しましょう。 インタビュー バイオファーマトレンドの場合:
「Quantumは将来、バイオ医薬品におけるあらゆる、あるいはほぼすべてのデータサイエンスと機械学習のワークフローの一部となるでしょう。 私はそれがそれに不可欠な部分になると信じています。 量子技術を使用してより正確なモデルを取得できるのであれば、結局のところ、なぜそうしないのでしょうか?」
大規模な言語モデルが創薬を前進させる
OpenAI の ChatGPT のような大規模言語モデル (LLM) は、次のようなバイオテクノロジー企業で使用されています。 インシリコ医学, イノセンス, Exscientia、創薬を支援します。
AI言語モデルを活用してコードのデバッグからデータの異常検出まで、 科学者が AI や機械学習ツールと対話できるように支援し、データにアクセスしやすくします。 たとえば、Insilico Medicine は、ターゲット発見プラットフォームである PandaOmics と対話するために ChatGPT を採用していますが、Ainnocence の創設者は ルロン P. Bio ChatGPT や Med ChatGPT のような特殊なバージョンを想定しています。 Exscientia は、LLM を利用して、ナレッジ グラフの構造化された機械的なアサーションを生成します。
LLM は、生物学における高度な検索エンジンとしても機能します。 Googleと ディープマインドの Med-PaLM チャットボットは医療上の質問に回答します。 ベネボレントAI は、ChatGPT の検索プラグイン機能に興奮しているようです。これは、独自のデータに基づいてチャット機能をカスタマイズするのに役立つ可能性があります。
創薬における LLM の可能性にもかかわらず、一部の企業は BioXcel Therapeutics、Inc。 & エンテローム 精度とプライバシーへの懸念を理由に、この技術の採用には引き続き慎重だ。
明らかなことは、ChatGPT や、DeepMind の AlphaFold などの他の生成 AI モデルの台頭により、バイオテクノロジーにおける潜在的な応用に対する認識が高まり、企業が創薬と開発におけるメリットを探求するよう促しているということです。
トピック： 業界動向
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 自動車/EV、 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- ブロックオフセット。 環境オフセット所有権の近代化。 こちらからアクセスしてください。
- 情報源： https://www.biopharmatrend.com/post/615-pharmaceutical-artificial-intelligence-key-developments-in-2022/
