旗下微信矩阵:

AI制药公司「予路乾行」获天使轮融资

计算机药物设计技术通过数十年的发展,已深深植入药物研发的各个流程中,在以分子层面的药物设计及分析为主要应用场景的多个药物研发环节中发挥重要的作用。
2022-07-21 10:28 · 投资界讯

投资界(ID:pedaily2012)消息,AI制药公司予路乾行已于今年5月份完成天使轮融资,投资方为杭州十棱投资管理有限公司。本轮融资主要为引进战略股东,为公司业务发展助力。据悉,公司新的募资计划已启动,将主要用于团队搭建和新的创新药物研发管线布局。

予路乾行定位于一家以分子模拟与建模技术驱动新药研发的交叉学科技术型企业。其核心技术是分子模拟运算平台,包括基于机器学习的分子力场引擎,以及平行化分子动力学模拟技术,意在从蛋白质靶点结构及其与药物分子作用的动态机理出发,设计和优化先导化合物,为药物研发提供新的切入点。

予路乾行创始人郑铮博士介绍,国际计算机药物研发技术大致分为基于第一性原理的物理学方法和以AI算法为代表的统计学方法两种技术流派。其中物理模型是自下而上的解析式模型,具有精度高,对已知信息依赖较小,但计算成本昂贵等特点;AI算法则只需要将训练数据输入训练模型后等待模型收敛即可应用,开发成本较前者明显降低,但存在的问题是,模型的精度受限于训练数据的质量和生物体系多样性涵盖范围。

也因此,两种类型的算法开发呈现出完全不同的开发模式,前者(物理模型)往往开发周期长(数年),而开发完成后对算法迭代的频率要求比较低,同时开发难度高,目前国内具有物理模型开发能力的团队只有寥寥数个;后者(AI模型)的特点是开发难度相对较小(目前全球AI药物设计软件产品种类已不可枚举),但迭代频率高,需不断引入新数据库进行更新训练,但对于数据库之外的体系拓展适用性差,高度依赖前人研究体系的覆盖范围。

为此,予路乾行借助AI模型的开发特点及其对于算法开发模式的改变,将AI模型有针对性地引入物理引擎、用AI模型代替其中开发成本最高的分子力场部分,同时结合AI模型对于不同靶点体系在动力学过程中呈现的构象变化特征,对药物与靶点的结合位点及结合路径进行预学习,提高运算速度。简单来说,就是通过结合AI模型与物理模型来降低物理模型的开发成本,同时保有物理模型对不同生物体系的适用性,提高运算速度,来保留两种技术流派的优势——高精度、对数据依赖较小,以及速度快。

计算机药物设计技术通过数十年的发展,已深深植入药物研发的各个流程中,在以分子层面的药物设计及分析为主要应用场景的多个药物研发环节中发挥重要的作用。此外,业界对于计算机药物设计技术的主要需求从超大规模虚拟筛选、苗头化合物优化等方面,逐渐扩大到对于药物作用机理的探索以及复杂大分子药物及其药物递送系统的设计等领域。这不仅对于相关计算机算法的运算效率和精度提出了更高的要求,而且对算法在未知复杂分子体系中的泛化应用能力也带来了极大的挑战。

为此,予路乾行通过对多种药物与靶点体系进行大量的运算模拟研究及测试工作,开发并整合了一套药物分子研发平台,将视线从药物与靶点的结合界面拓展至结合药物分子后的靶点功能性构象改变的动力学表现上,通过对比未结合药物的空腔蛋白的动力学表现,并结合分析药物与靶点在结合过程中的热力学性质,对药物分子的体外活性进行综合性评估及预测。

具体来说,其技术平台的运算流程起始于靶点的结构建模与生理过程中的动态构象还原:通过分析靶点在构象变化过程中形成的稳定构象态,选取潜在的药物结合位点进行高速虚拟筛选算法与高精度分子模拟算法的高低搭配式运算,获得可靠的苗头化合物;随后通过干湿实验搭配的方式,明确分子层面的药效学机理,最终结合分子骨架跃迁原理,设计全新的先导化合物分子结构。

基于该技术,予路乾行未来发展的一个重点目标是,拓展在已知靶点中占据更大比例的“难成药靶点”市场,利用公司的技术优势对“难成药靶点”的结构和生理性质进行精确且快速的模拟,探索结合位点并设计可与其有效结合的药物分子。郑铮博士表示,将“难成药靶点”变为“热点靶点”,是AI技术未来在药物研发领域最广阔的应用前景和最有想象力的市场空间,这也是予路乾行差异化竞争策略。

【本文根据公开消息发布,如有异议,请联系(editor@zero2ipo.com.cn)投资界处理。】