医图生科AI+生物信息学：实现AI贯穿研发的License Out

近日，AI新药研发企业医图生科（苏州）生命科学技术有限公司（以下简称医图生科）利用自主研发的医图AceMap智能药物研发平台，在两个月之内完成了全球首例用AI驱动的罕见病药物靶点发现、先导化合物设计（PCC）与合成。凭借这一突破性成果，医图生科于今年6月入选阿斯利康CoSolve创新计划优秀项目，为后续的深入合作以及License Out商业模式奠定了坚实基础。与此同时，公司在同一时间完成了全球首例完全由AI驱动的对重组门冬酰胺酶的药物优化，并成功将该药物推进到临床前研究阶段（IND）。

医图生科成立于2021年10月，以自建“AI+生物信息学”三大AI智能药物研发平台为基础，完成探寻发病机理，靶点确立，药物设计以及制剂设计；以“AI 新药发现+License Out”为核心商业模式，在短时间内实现抗肿瘤、抗衰老与罕见病的多条管线的项目落地，完成药物IND之前的所有研发环节，并与全球制药企业进行合作。

21世纪以来，人类所面临疾病日趋复杂，全球范围内新药研发面临“投入高、周期长、风险大、成功率低”等挑战；AI技术的发展为新药研发提供了新的技术手段和解决思路，尤其是在疾病特效药、候选药的研究上AI赋能新药研发开创了新的药物研发形式。但目前，在分子活性可维持性、AI平台可操作性、AI工程师与药化专家技术平衡性等方面，AI制药技术还有待进一步探索。

医图生科的AI新药研发平台有效融合生物信息学研究，在全新靶点的背景下完成有效活性药物设计并进行合成表达的时间可以控制在2-3个月，比传统企业减少约70%，研发成本也降至传统药企的10-20%。这样的技术突破得益于医图生科汇聚的国内外顶尖大学、科研机构的资深研究人员，以及在国内外众多知名药企拥有多年从业经验的专业团队，为公司建立了世界领先的技术高地。

“医图AceMap智能药物研发平台”包括：医图AceMap智能药物(小分子)研发平台、医图AceMap智能药物(合成生物学)研发平台、神农天然产物暨抗衰物质研发平台。该三大平台浓缩了医图生科联合创始人兼首席科学官陈宇综教授及其团队经近30年的突出研究成果，覆盖了约80%的已知药物形态。

医图生科联合创始人兼首席科学家陈宇综教授1985年获得中科院理论物理所硕士学位，1989年获得英国曼彻斯特大学博士学位，并于1989-1996期间在美国普渡大学完成博士后项目。陈教授先后于美国IONIS制药公司和新加坡国立大学计算科学系从事AI及药物发现工作，并于2002年将AI与生物信息学引入到生物学研究以及药物研究领域，成为全球首批“AI+生物信息学”新药研发科学家。陈教授发明了反向对接靶点发现方法，创建了国际医药领域知名的TTD药靶数据库，并利用AI+生物信息学阐明了中药治疗新冠肺炎的机理。陈宇综教授曾任教于新加坡国立大学计算科学系、药学系，目前为清华大学深圳研究生院教授、肿瘤化学基因组学国家重点实验室副主任。

此外，医图生科的核心团队还包括：在AI大健康产业和企业管理方面拥有丰富经验的联合创始人兼CEO李翛然；参与过100多家上市企业资本工作、主持参与了60多家新兴产业创业项目投资孵化、拥有20多年上市公司并购经验的联合创始人于小镭博士；首席科学顾问、曾任微软亚洲研究院研究员、Google技术总监、美国Lernout&Hauspie高级研究员、美国奥维研发经理以及美国创道技术总监的邸烁博士；首席医学官、原科兴生物研发部经理、国家“九五”科技攻关项目甲肝灭活疫苗研发与产业化生产参与者、国家“863”项目I类抗肿瘤新药CPT研发参与者、中科院硕士研究生导师崔俊生教授；以及首席药化专家、现任中国药科大学理学院化学系副主任兼博士生导师张晓进教授，等等。

医图生科三大智能药物研发平台及其技术服务

医图生科的研发团队具备完整的First in Class药物从研发到上市的全流程经验，且其自主搭建的研发平台也覆盖了药物IND所需的全部技术环境，将现代计算机AI技术应用在了药物研发的各个环节，包括靶点筛选、先导化合物(大小分子)发现、药靶结构探索分析、药物及靶点分子动力学模拟、药代特征预测、不良反应分析、免疫原性判断等。

以“医图AceMap智能药物(小分子)研发平台”为例，该研发平台能够完成小分子De Novo设计、成药性/可靶性评估、高通量虚拟分子筛选、ADME/T预测，以及化合物合成服务。

首先，平台利用AI技术进行全基因组（WGS）分析，找到可能造成疾病的病变通路，同时分析病变所对应蛋白质作用通路变化，最终选定驱动性靶点。

其中在验证药物的靶点确认环节，医图会充分发挥其AI与基因工程的能力，通过对动物基因诱导产生定向基因突变，构建在表型层面可以稳定复现疾病的基因编辑模型，从源头重现疾病的发病机理。 团队利用这一技术为制药过程打下了坚实的试验基础，尽可能实现了在早期阶段完成接近真实效果的动物效果评估，满足现代制药工业最重要的快速试错（Fail Fast）要求，同时实验结果反馈给AI设计平台，持续迭代更新。医图生科目前已经应用这一先进技术完成了一项罕见病全球首个动物模型，正与阿斯利康进行相关商业洽谈。

接着，在完成靶点评估后，开始化合物结构设计环节。

传统AI制药的化合物筛选一般采用构效关系或药效团的方法进行，使用机器学习来分析预测各种原子、分子及其理化性质，合成大量的候选化合物，进行高通量试验并基于此进行分子筛选。该方法虽然有一定效果，但大量理化性质、以及不同理化性质之间的相关作用都容易被忽略，且学习算法也往往局限于传统的机器学习方法上，因此筛选效率有限，并且无法进行 De Novo 药物设计。 

在医图瞄准的国际市场交易环境下，最具竞争力的First In Class的药物管线，都是在没有任何可参考的有效活性物质、极为有限的靶点历史研究信息、甚至发病机理和疾病通路尚未明确的前提下展开的药物研发。因此，可综合利用的药靶信息、药物本质的理化特征、更多维度的药物结构，以及更深层次现代 AI 技术的有效利用，是当下所需。

陈教授及其团队基于流性变换(Manifold)理论，开创了全新的AI理解药物超高维物理及化学性质的药物特征表征方法 MolMap，以及创新AI 学习算法MolMapNet。通过对生物信息学的深度融合，将无序的理化性质信息变成有序的、有特定结构的二维图像，充分利用现代AI视觉影像技术，从而大大提高了化合物筛选效率。该研究成果已于2021年4月发表于Nature Machine Intelligence。

医图生科全新AI药物识别算法框架

“AI+生物信息学”融合的另一个革命性突破，是让计算机对于药物有了更全面更精准的判断。其中的一个经典案例，便是该方法对顶刊十数年所发表新靶点的成药性预测及后期跟踪。通过将此技术应用于靶点发现过程中，目前在药物发现早期阶段，团队对于可靶性和成药性评估的准确度已达到了90%。

借助大分子/合成生物学研发平台，医图生科还能通过AI模拟不同生物环境，准确评估大分子药物的耐碱性、耐酸性、稳定性等性质，对药物与人体内靶点的对接和药物效果进行充分的模拟和评估，通过免疫原性预测及定点突变来降低大分子药物进入人体后的副反应。同时，医图生科的科研团队从上世纪90年代开始收集整理了非常独特的有效子结构、不利结构、以及不良反应数据库等，再次拔高了其AI应用的技术实力。目前，MolMapNet算法及特征处理技术已经在各项数据集上构建了超85亿以上的特征及空间矩阵，旨在让AI进行重要的空间及化学特征的细节分区，从而大幅提升AI在各个应用阶段的精准度。

对于天然产物抗衰物质研发平台，医图生科目前已经利用AI技术完成了30万天然产物的机器学习，建立起全球第一个量化研究中药天然产物的数据库，具备了在天然产物量化分析和AI设计技术方面的独特优势。医图生科希望通过自身的天然产物平台，向世界传播中医的科学论证方法。

医图生科采用“AI新药发现+License Out”的核心商业模式，让客户充分体验到其在行业领先的AI新药研发效率及成本优势。目前已有十余家制药企业、科研院所、医院等与之签订相关合作协议或达成合作意向，其中包括：北京神经外科研究所、中国药科大学、清华大学、阿斯利康、中南大学湘雅医院、中国生物等。

医图生科AI新药在研管线基本情况

图生科目前拥有6条在研管线，从2021年年底首个管线设立至今，公司已经完成了4个药物临床前候选化合物筛选，并进入到了商业洽谈阶段。其首个管线ETB-01已进入临床前IND试验阶段，该项目将会以CDE的一类生物创新药申报，预计将在今年12月完成相关IND试验并进行FDA，CDE中美双报。该管线有望成为国内首个在1年内完成从药物确认到IND申报的大分子AI创新药。

平均2-3个月一条管线的正向反馈，源于医图生科不遗余力地建立AceMap智能药物研发平台，迭代AI-Wet Lab一体化研发流程。在未来，医图生科将继续以抗肿瘤、抗衰老及罕见病为主要管线类型，同时开展对神经、代谢等类疾病药物的AI新药开发。公司计划每年新开至少5-8个全新管线，增设10个项目的合作研发或专项委托，确保每年至少一项药物完成IND并出售，最终实现License Out模式的商业循环。

目前，医图生科已完成从药物合成、大分子重组表达，到动物模型构建的一系列前期实验室结果评估。

团队的 AceMapAI 智能药物研发平台，今后持续更新迭代，迭代后平台可提升对氨基酸序列的敏感度，以便在对相关药物结构预测时实现同源性对比。陈宇综教授后续会带领团队增设分子动力学+AI力场与演化算法平台、siRNA核酸药物计算平台、量子计算+AI计算平台、量子计算+分子动力学计算平台、细胞与人体环境模拟计算平台、基因-蛋白质-细胞-器官芯片计算平台等算法平台。结合以上算法平台建立对应数据库后，医图生科将继续打造核酸药物、自动化活体细菌、基因芯片/器官芯片、量子计算与蛋白质表达等设计研发平台。

在接受动脉网采访时，陈宇综教授呼吁各个研究机构、各大药企将散落的药物研发数据通过数据清理与整合实现共享，让发展迭代后的AI算法有机会学习更丰富的数据资源，由此实现更高效、更精准的AI新药研发。

医图生科联合创始人李翛然认为，医图生科看好AI新药研发领域，将通过不断升级算法平台、数据库以及设计平台，继续提升AI“从靶点确认到IND完成”过程中的各项应用效果，展现出AI新药研发的技术优势、速度优势、成本优势，争取实现公司在未来三年上市的目标！