加拿大创业公司Cyclica与中国医学科学院建立合作主要靠AI云平台盈利

海创派 HiTrends 报道，作者 Iris Shen

近日，加拿大 AI 生物技术公司 Cyclica 通过早期投资机构之一中关村大河资本与 CCAA 的介绍，已经与中国医学科学院药物研究所达成合作，基于 Cyclica 自主研发的蛋白质组筛选引擎 MatchMaker , 从 FDA 已批准临床安全的药物中评估出多种治疗新型冠状病毒肺炎的潜在药物。

Cyclica 已把相关成果共享给中国医学科学院药物研究所进行测试，双方将长期合作设计多靶点抗病毒化合物，降低耐药性等其他副作用。

中国医学科学院药物研究所成立于1958年，隶属于中国医学科学院北京协和医学院。现建有天然药物活性物质与功能国家重点实验室，国家药物及代谢产物分析研究中心、国家新药开发工程技术研究中心，7个省部级重点实验室，5个院校级重点实验室/中心，同时拥有7家所属企业，构建了完整的产学研用生态循环。

海创派 HiTrends了解到，这是加拿大创业公司中为数不多的与中国科研机构直接达成合作的案例之一。

此外，这家公司目前正在和潜在投资人洽谈 B 轮融资，本轮资金将主要用于商业化战略发展，进一步开拓全球市场，推动技术创新，构建布局制药创新的发展。该公司未透露本轮融资的具体数额，不过公开信息显示，Cyclica 至今共融资1450万加元（约合1150万美元）。

Cyclica 是一家总部在多伦多的全球生物技术公司，该公司通过人工智能、计算生物物理学、生物分子数据来重塑药物的发现过程，缩短临床前制药周期；并且通过多元药理学、多靶向药物特性帮助制药公司评估药物安全性和有效性同时与全球范围内的实验室和制药公司共同研发新药。

Cyclica药物筛选预测和设计工作流程图

据悉，Cyclica 入选全球人工智能最权威的榜单 CB Insights 2019年 AI 领域全球百强公司，也是加拿大唯一入选的医疗企业。公司目前已经申请并获得多项技术专利，包括蛋白质组配体靶标相互作用鉴定方法和多靶向药物研发方法等。

新药研发痛点——周期消耗长、靶点单一

制药行业的新药研发是一个艰巨而缓慢的过程，通常一款新药推向市场需要超过13年的时间，耗资约28.7亿美元（PubMed, 2016)。Cyclica 公司旨在通过使科学家获得有关蛋白质及其与疾病、小分子和功能的大量信息和预测能力，目标是将临床前药物的发现时间从7年缩短至2到3年左右，减少临床前大量试错的时间消耗，降低研发成本。

不仅如此，越来越多的科学文献表明，鉴于疾病的复杂性和不良副作用相关的风险，理解药物与多种靶标的相互作用的日益重要。当前，传统虚拟筛选在制药行业的应用主要专注于以单一目标为靶标的药物发现范例，然而通常一种药物可能潜在和多达300种蛋白质相互作用（PubMed, 2015），研究人员需要花费大量的时间和资源了解该药物的概况。

诸如像抑郁症，躁郁症和精神分裂症等精神疾病都是复杂的疾病，往往涉及多种致病因素。对于这些疾病，当前依赖于单一目标药物干预的疗法往往不尽人意，患者被要求服用多种药物，导致出现“药物鸡尾酒”的情况。

Cyclica 的 AI 云平台——药物预测筛选与多靶点药物设计

Cyclica 的 Ligand Design 和 Ligand Express 云平台通过 AI 预测引擎 MatchMaker 和 POEM 揭示药物如何与多种蛋白质靶标相互作用，帮助科学家设计、筛选和个性化候选药物，同时提高药物的安全性和有效性。多元药理学，即对药物如何与多种蛋白质相互作用的全面了解，有助于预见新药研发进程中可能面临的潜在安全风险，同时在药物开发的早期阶段提供更快，更经济的“通过”和“不通过”决策。 通过减少潜在的高成本和研发后期的风险，Cyclica 有助加快药物研发进程，并研发更高精确度的药物。

Cyclica的试验表明，他们的深度学习引擎 MatchMaker 在整个蛋白质组学水平上实现了针对药物-靶标相互作用（DTI）的更大预测能力，准确率较分子对接模拟有显著提高。

Cyclica 的另一个机器学习预测引擎 POEM 用于预测化合物的 ADMET（吸收、分布、代谢、排泄和毒性）特性，提供对化合物在体内预期行为的预测。MatchMaker 和 POEM 这两种 AI 技术均支持 Cyclica 的药物发现云计算平台 Ligand Design 和 Ligand Express 。

Cyclica全球战略合作和行业布局

据悉，Cyclica 入选全球人工智能最权威的榜单 CB Insights 2019年 AI 领域全球百强公司，也是加拿大唯一入选的医疗企业。公司目前已经申请并获得多项技术专利，包括蛋白质组配体靶标相互作用鉴定方法和多靶向药物研发方法等。

Cyclica团队向海创派 HiTrends 提供的资料显示，该公司目前全职员工一共30余人。核心团队在4年前建立并不断发展壮大，凝聚了一批生物化学专家、数据与人工智能科学家、软件工程师。

联合创始人、总裁兼首席执行官 Naheed Kurji曾接受过《环球邮报》、CBC、《福布斯》、《名利场》、《Startup Health》杂志、《VentureBeat》等多家著名媒体专访报道，并多次在高等院校做关于 AI 领域药物研发和创业主题的客座演讲。他还是健康人工智能联盟（AAIH）的联合创始人。 Naheed 拥有多伦多大学罗特曼管理学院的 MBA 学位，并获得了 MIT CSAIL 颁发的“人工智能的商业战略”相关证书。

全球合作伙伴副总裁 Vern De Biasi 负责全球战略合作伙伴关系，在药物发现和后期开发方面拥有20年以上的经验，并通过扩大 Cyclica 的合作伙伴关系和全球影响力来支持 Cyclica 的增长。曾在国际知名制药公司 GSK 担任多个高管。

首席科学官 Andreas Windemuth负责指导 Cyclica 的科研战略。在加入 Cyclica 前，Andreas 在一家源起 MIT 的生物技术公司 Firefly BioWorks 担任首席信息技术官。Andreas 与他人合著60多种经学术同行评审的出版物，并指定为7项美国专利的发明人。

Naheed 向海创派 HiTrends 透露，目前公司已经和全球二十几家合作伙伴在多个医学治疗领域合作，主要涵盖传染病科、肿瘤科、神经精神病学和神经退行性疾病科和眼科等。

另据公开信息显示，从2018年起 Cyclica 就和全球领先制药医疗设备公司药明康德达成合作，经过多个阶段的尝试，通过对小分子多元药理学的深入了解，推动药物研发过程，同时反馈的结果进一步发展Cyclica 的人工智能云计算平台。

2018年8月，Cyclica 加入拜耳 G4A 全球计划，入选成为全球超过1800名申请者中的六位之一。作为拜耳G4A的一部分，Cyclica与拜耳科学家合作，加速技术平台的验证和优化。

2019年7月，Cyclica 和 Rosetta Therapeutics 建立合作共同研究帕金森综合征，项目获得230万加币的加拿大政府资金（Genome Canada）。

同年7月，Cyclica 和著名分析生物学专家，多伦多大学教授 Igor Stagljar 实验室合作研究肺癌的耐药形式。

2019年11月，Cyclica 和全球生物技术公司 ATAI Life Sciences AG 成立合资企 Entheogenix Biosciences Inc. , 利用 Cyclica 的专有技术设计、合成精神活性种子小分子化合物（SMC）的新化合物，主要针对精神类疾病，例如抑郁症、躁郁症和精神分裂症。

2020年1月，Cyclica 与总部在波士顿的公司 TMA (Translational Medical Accelerator) 成立罕见疾病医药加速器（RDMA），进行攻克世界罕见疾病的新药研究。

2020年3月中旬，Cyclica 宣布和 NeuroTheryX Canada 成立合资公司 NineteenGale Therapeutics ，研发大麻素类新药，主要用于治疗躁郁症、焦虑症和止痛领域。

盈利模式

公司目前主要盈利模式有两个方面，其一是 Cyclica 自主开发的 Ligand Express 云端计算平台的企业授权，该平台利用计算生物物理学和 AI 筛选结构特征已知的蛋白质组小分子配体，为科学家阐明小分子配体的多元药理学性质，预测小分子在人体内的靶上和脱靶效应, 提供小分子和蛋白质组作用的全景视图，指导实验者改进实验决策。

从2017年一经推出，已经有多个全球排名前50的医药公司使用，例如德国默克公司（Merck KGaA），德国拜耳，和韩国最大的制药公司 Yuhan Pharmaceutical 。

Ligand Express 可以在几个小时内筛选出结构已知蛋白质组和查询分析之间的潜在相互作用，提供多元药理学指导建议。生成预测的蛋白质和配体相互作用的列表可通过体外实验进行验证。通过信息图表、网络分析和分子视图呈现结果，允许客户通过修改智能过滤器和参数等进行数据分析。该平台还可以通过与 PubChem, DisGeNET 和 Gene Ontology 等数据库连接来扩充结果，用于分析疾病、功能、基因和蛋白质等。

公司运营的第二个盈利模式是将 Ligand Express 和 Ligand Design 设计结合在一起，利用Ligand Design 设计出全新的小分子，然后利用 Ligand Express 揭示这些小分子的多药理学性质和潜在副作用。

Ligand Design 能使用专利保护的进化算法设计具有多靶点药物特性的全新化合物，将传统实验方法的设计、制造、测试和分析（DMTA）等步骤循环数字化，快速设计出药物样分子，加速药物开发计划。目前公司和全球多个实验室、制药研究所以及生物技术公司以合资公司的方式共同研发新药，共享知识产权。