以下文章來源于：藥明康德
Atomwise今日宣布與賽諾菲（Sanofi）達成策略性與獨家研究合作協(xié)議，此協(xié)議將包含使用AtomNet人工智能/機器學習平臺進行對最多達5個藥物靶點的發(fā)現(xiàn)與研究。根據(jù)協(xié)議，Atomwise將會自賽諾菲獲得2千萬美元的預付款，并可能獲得多達10億美元的里程碑款項。藥物開發(fā)過程歷時長久并所費不貲，其中原因之一便是在藥物發(fā)現(xiàn)過程中，候選分子的高度折損率。每一個最終成為藥物的分子背后，都有數(shù)百萬個分子被測試并因為不合適而被舍棄。此外，許多藥物開發(fā)的過程，是通過已知相對應靶點-配體結構訓練的演算法來預測，這類科技最主要的限制在于研究人員需要先發(fā)現(xiàn)靶點至少一部分的配體后才能開始進行。然而對許多新的、具挑戰(zhàn)性并未解的靶點而言，已知存在的配體相當少，因此也造成這類演算法的預測結果不佳。根據(jù)Atomwise官方網(wǎng)站，AtomNet是利用深度卷積神經(jīng)網(wǎng)絡（deep convolutional neural network），并以結構為基礎來進行理性藥物設計的藥物發(fā)現(xiàn)人工智能演算法。與一般以蛋白結構或局部配體數(shù)據(jù)為訓練基礎的演算法不同，AtomNet使用的是類似于圖片識別的演算法，其將蛋白質與配體視為由許多不同、特定的化學結構所構成，也就是說AtomNet所學習的像是基礎的有機化學概念，可以識別像是氫鍵、芳香性（aromaticity）與單鍵碳原子等基本化學結構。通過達萬億個化合物的訓練，AtomNet模型可獨立識別基礎有機化學圖樣。目前AtomNet已經(jīng)被成功運用在癌癥、神經(jīng)疾病、抗病毒、抗寄生蟲與抗生素等藥物開發(fā)上，所預測的分子也成為研發(fā)項目的先導化合物，并在動物實驗中產(chǎn)生積極的結果。
圖片來源：123RF
根據(jù)此協(xié)議，賽諾菲會支付2千萬美元的預付款給Atomwise進行識別、制造并推進最多5款先導化合物，而賽諾菲將會擁有這些化合物的專屬開發(fā)權利。后續(xù)的款項取決于關鍵研究、開發(fā)與銷售里程碑，總金額可達10億美元。
“在Atomwise，我們的任務就是使用我們獨特的科技，解鎖那些通過傳統(tǒng)小分子藥物發(fā)現(xiàn)方式無法觸達的靶標，以更快、更好的方式來制造藥物，” Atomwise的共同創(chuàng)始人兼首席執(zhí)行官Abraham Heifets博士說道，“我們很高興與賽諾菲達成合作。這一合作繼續(xù)驗證了人工智能平臺在協(xié)助加快開發(fā)那些富挑戰(zhàn)性或未知藥物靶標創(chuàng)新療法上所扮演的重要角色?！?/span>
參考資料：
[1] Atomwise Signs Strategic Multi-Target Research Collaboration with Sanofi for AI-Powered Drug Discovery. Retrieved August 17, 2022 from https://www.atomwise.com/2022/08/17/atomwise-signs-strategic-multi-target-research-collaboration-with-sanofi-for-ai-powered-drug-discovery/
[2] How AtomNet? Technology Improves Drug Design Using Convolutional Neural Networks. Retrieved August 17, 2022 from https://blog.atomwise.com/introducing-atomnet-drug-design?__hstc=181257784.03dc3a4b99e4afb3e0924fc2e8c8bb5f.1604348830126.1634063012667.1634069536201.62&__hssc=181257784.6.1634069536201&__hsfp=1972113449
