36氪獲悉，AI制藥公司予路乾行已于今年5月份完成天使輪融資，投資方為杭州十棱投資管理有限公司。本輪融資主要為引進戰(zhàn)略股東，為公司業(yè)務發(fā)展助力。據(jù)悉，公司新的募資計劃已啟動，將主要用于團隊搭建和新的創(chuàng)新藥物研發(fā)管線布局。
(資料圖片)
關(guān)于予路乾行，36氪曾有過詳細報道，它定位于一家以分子模擬與建模技術(shù)驅(qū)動新藥研發(fā)的交叉學科技術(shù)型企業(yè)。其核心技術(shù)是分子模擬運算平臺，包括基于機器學習的分子力場引擎，以及平行化分子動力學模擬技術(shù)，意在從蛋白質(zhì)靶點結(jié)構(gòu)及其與藥物分子作用的動態(tài)機理出發(fā)，設(shè)計和優(yōu)化先導化合物，為藥物研發(fā)提供新的切入點。
據(jù)予路乾行創(chuàng)始人鄭錚博士介紹，國際計算機藥物研發(fā)技術(shù)大致分為基于第一性原理的物理學方法和以AI算法為代表的統(tǒng)計學方法兩種技術(shù)流派。其中物理模型是自下而上的解析式模型，具有精度高，對已知信息依賴較小，但計算成本昂貴等特點；AI算法則只需要將訓練數(shù)據(jù)輸入訓練模型后等待模型收斂即可應用，開發(fā)成本較前者明顯降低，但存在的問題是，模型的精度受限于訓練數(shù)據(jù)的質(zhì)量和生物體系多樣性涵蓋范圍。
也因此，兩種類型的算法開發(fā)呈現(xiàn)出完全不同的開發(fā)模式，前者（物理模型）往往開發(fā)周期長（數(shù)年），而開發(fā)完成后對算法迭代的頻率要求比較低，同時開發(fā)難度高，目前國內(nèi)具有物理模型開發(fā)能力的團隊只有寥寥數(shù)個；后者（AI模型）的特點是開發(fā)難度相對較小（目前全球AI藥物設(shè)計軟件產(chǎn)品種類已不可枚舉），但迭代頻率高，需不斷引入新數(shù)據(jù)庫進行更新訓練，但對于數(shù)據(jù)庫之外的體系拓展適用性差，高度依賴前人研究體系的覆蓋范圍。
為此，予路乾行借助AI模型的開發(fā)特點及其對于算法開發(fā)模式的改變，將AI模型有針對性地引入物理引擎、用AI模型代替其中開發(fā)成本最高的分子力場部分，同時結(jié)合AI模型對于不同靶點體系在動力學過程中呈現(xiàn)的構(gòu)象變化特征，對藥物與靶點的結(jié)合位點及結(jié)合路徑進行預學習，提高運算速度。簡單來說，就是通過結(jié)合AI模型與物理模型來降低物理模型的開發(fā)成本，同時保有物理模型對不同生物體系的適用性，提高運算速度，來保留兩種技術(shù)流派的優(yōu)勢——高精度、對數(shù)據(jù)依賴較小，以及速度快。
計算機藥物設(shè)計技術(shù)通過數(shù)十年的發(fā)展，已深深植入藥物研發(fā)的各個流程中，在以分子層面的藥物設(shè)計及分析為主要應用場景的多個藥物研發(fā)環(huán)節(jié)中發(fā)揮重要的作用。此外，業(yè)界對于計算機藥物設(shè)計技術(shù)的主要需求從超大規(guī)模虛擬篩選、苗頭化合物優(yōu)化等方面，逐漸擴大到對于藥物作用機理的探索以及復雜大分子藥物及其藥物遞送系統(tǒng)的設(shè)計等領(lǐng)域。這不僅對于相關(guān)計算機算法的運算效率和精度提出了更高的要求，而且對算法在未知復雜分子體系中的泛化應用能力也帶來了極大的挑戰(zhàn)。
為此，予路乾行通過對多種藥物與靶點體系進行大量的運算模擬研究及測試工作，開發(fā)并整合了一套藥物分子研發(fā)平臺，將視線從藥物與靶點的結(jié)合界面拓展至結(jié)合藥物分子后的靶點功能性構(gòu)象改變的動力學表現(xiàn)上，通過對比未結(jié)合藥物的空腔蛋白的動力學表現(xiàn)，并結(jié)合分析藥物與靶點在結(jié)合過程中的熱力學性質(zhì)，對藥物分子的體外活性進行綜合性評估及預測。
具體來說，其技術(shù)平臺的運算流程起始于靶點的結(jié)構(gòu)建模與生理過程中的動態(tài)構(gòu)象還原：通過分析靶點在構(gòu)象變化過程中形成的穩(wěn)定構(gòu)象態(tài)，選取潛在的藥物結(jié)合位點進行高速虛擬篩選算法與高精度分子模擬算法的高低搭配式運算，獲得可靠的苗頭化合物；隨后通過干濕實驗搭配的方式，明確分子層面的藥效學機理，最終結(jié)合分子骨架躍遷原理，設(shè)計全新的先導化合物分子結(jié)構(gòu)。
基于該技術(shù)，予路乾行未來發(fā)展的一個重點目標是，拓展在已知靶點中占據(jù)更大比例的“難成藥靶點”市場，利用公司的技術(shù)優(yōu)勢對“難成藥靶點”的結(jié)構(gòu)和生理性質(zhì)進行精確且快速的模擬，探索結(jié)合位點并設(shè)計可與其有效結(jié)合的藥物分子。鄭錚博士表示，將“難成藥靶點”變?yōu)椤盁狳c靶點”，是AI技術(shù)未來在藥物研發(fā)領(lǐng)域最廣闊的應用前景和最有想象力的市場空間，這也是予路乾行差異化競爭策略。
據(jù)了解，予路乾行的模式對標美國AI制藥上市公司Relay Therapeutics，這是一家以計算機藥物設(shè)計為核心驅(qū)動力的藥物研發(fā)公司，薛定諤公司也是該公司的大股東之一。Relay Therapeutics是以薛定諤公司的算法產(chǎn)品為核心，整合市場上其他優(yōu)勢算法產(chǎn)品并結(jié)合自身開發(fā)的AI模型形成了一套覆蓋藥物研發(fā)臨床前階段的運算平臺，同時通過計算結(jié)合實驗的方式進行藥物研發(fā)。“這與公司目前及規(guī)劃中的中長期模式高度相似。”
目前，公司已與國內(nèi)外多家藥企合作，針對數(shù)條藥物管線開展聯(lián)合研發(fā)工作，在一年內(nèi)即助推一款藥物進入臨床試驗階段，同時通過聯(lián)合研發(fā)模式推進一個“不可成藥靶點”相關(guān)疾病的藥物研發(fā)管線進入專利申報階。商業(yè)化上，在繼年初與南京瑞初達成三條關(guān)于神經(jīng)退行性疾病聯(lián)合研發(fā)的基礎(chǔ)上，目前公司又新增一條金額為千萬級聯(lián)合研發(fā)管線合作；同時，與某CRO企業(yè)已達成LNP技術(shù)合作開發(fā)協(xié)議。
眾所周知，新藥研發(fā)是個極其龐大的市場。根據(jù)EvaluatePharma 統(tǒng)計， 2019 年全球醫(yī)藥研發(fā)投入年達到 1789 億美元，2013-2019 年的復合增速為 4.64%；預計 2024 年將達到 2130 億美元，2019-2024 年的復合增速為 3.23%。
這一市場中，國內(nèi)大多數(shù)AI制藥企業(yè)管線仍處于研發(fā)階段，將AI藥物管線推進臨床的相關(guān)公司也寥寥無幾。鄭錚博士認為，Me-too類或FIC/BIC類藥物研發(fā)管線開發(fā)成本類似，藥物研發(fā)管線合同價一般均是千萬起步，未來5年內(nèi)AI制藥企業(yè)有望拓展難成藥靶點相關(guān)藥物的研發(fā)空間，預計2025年AI藥物研發(fā)市場規(guī)模達到100億元量級。“近期可能形成突破的管線數(shù)量雖然有限，但管線收入仍然較為可觀，且隨著研發(fā)效率的提升以及合同‘里程碑’任務的完成，未來收入將實現(xiàn)翻倍增長。”
