Insilico Medicine因全球首次利用人工智能發現新機制特發性肺纖維化藥物，而在生物技術和藥物發現領域攬獲多項行業第一：

? 通過多次人體細胞和動物模型實驗的成功驗證，證明人工智能研發的新藥物靶點和分子的有效性和安全性，今天的突破標志著業界首次對人工智能進行科學驗證，并將其用于新藥研發，直至候選化合物的臨床前研究。

? 首次在新藥研發過程中通過人工智能將生物學和化學結合：從歷史上看，發現新靶點、設計新化合物，和通過臨床前和臨床研究驗證其有效性的步驟是人工智能藥物發現過程中不同的部分。

? Insilico在臨床前候選藥物選擇方面突破刷新了速度和最低成本的紀錄—大大加快和推進臨床前開發，同時節約了數百萬美元的藥物開發成本。

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，那時出現了生成對抗網絡，深度學習系統開始在圖像識別領域超越人類。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。