近日，AI新藥研發企業醫圖生科（蘇州）生命科學技術有限公司（以下簡稱醫圖生科）利用自主研發的醫圖AceMap智能藥物研發平臺，在兩個月之內完成了全球首例用AI驅動的罕見病藥物靶點發現、先導化合物設計（PCC）與合成。憑借這一突破性成果，醫圖生科于今年6月入選阿斯利康CoSolve創新計劃優秀項目，為后續的深入合作以及License Out商業模式奠定了堅實基礎。與此同時，公司在同一時間完成了全球首例完全由AI驅動的對重組門冬酰胺酶的藥物優化，并成功將該藥物推進到臨床前研究階段（IND）。

醫圖生科成立于2021年10月，以自建“AI+生物信息學”三大AI智能藥物研發平臺為基礎，完成探尋發病機理，靶點確立，藥物設計以及制劑設計；以“AI 新藥發現+License Out”為核心商業模式，在短時間內實現抗腫瘤、抗衰老與罕見病的多條管線的項目落地，完成藥物IND之前的所有研發環節，并與全球制藥企業進行合作。

21世紀以來，人類所面臨疾病日趨復雜，全球范圍內新藥研發面臨“投入高、周期長、風險大、成功率低”等挑戰；AI技術的發展為新藥研發提供了新的技術手段和解決思路，尤其是在疾病特效藥、候選藥的研究上AI賦能新藥研發開創了新的藥物研發形式。但目前，在分子活性可維持性、AI平臺可操作性、AI工程師與藥化專家技術平衡性等方面，AI制藥技術還有待進一步探索。

醫圖生科的AI新藥研發平臺有效融合生物信息學研究，在全新靶點的背景下完成有效活性藥物設計并進行合成表達的時間可以控制在2-3個月，比傳統企業減少約70%，研發成本也降至傳統藥企的10-20%。這樣的技術突破得益于醫圖生科匯聚的國內外頂尖大學、科研機構的資深研究人員，以及在國內外眾多知名藥企擁有多年從業經驗的專業團隊，為公司建立了世界領先的技術高地。

“醫圖AceMap智能藥物研發平臺”包括：醫圖AceMap智能藥物(小分子)研發平臺、醫圖AceMap智能藥物(合成生物學)研發平臺、神農天然產物暨抗衰物質研發平臺。該三大平臺濃縮了醫圖生科聯合創始人兼首席科學官陳宇綜教授及其團隊經近30年的突出研究成果，覆蓋了約80%的已知藥物形態。

醫圖生科聯合創始人兼首席科學家陳宇綜教授1985年獲得中科院理論物理所碩士學位，1989年獲得英國曼徹斯特大學博士學位，并于1989-1996期間在美國普渡大學完成博士后項目。陳教授先后于美國IONIS制藥公司和新加坡國立大學計算科學系從事AI及藥物發現工作，并于2002年將AI與生物信息學引入到生物學研究以及藥物研究領域，成為全球首批“AI+生物信息學”新藥研發科學家。陳教授發明了反向對接靶點發現方法，創建了國際醫藥領域知名的TTD藥靶數據庫，并利用AI+生物信息學闡明了中藥治療新冠肺炎的機理。陳宇綜教授曾任教于新加坡國立大學計算科學系、藥學系，目前為清華大學深圳研究生院教授、腫瘤化學基因組學國家重點實驗室副主任。

此外，醫圖生科的核心團隊還包括：在AI大健康產業和企業管理方面擁有豐富經驗的聯合創始人兼CEO李翛然；參與過100多家上市企業資本工作、主持參與了60多家新興產業創業項目投資孵化、擁有20多年上市公司并購經驗的聯合創始人于小鐳博士；首席科學顧問、曾任微軟亞洲研究院研究員、Google技術總監、美國Lernout&Hauspie高級研究員、美國奧維研發經理以及美國創道技術總監的邸爍博士；首席醫學官、原科興生物研發部經理、國家“九五”科技攻關項目甲肝滅活疫苗研發與產業化生產參與者、國家“863”項目I類抗腫瘤新藥CPT研發參與者、中科院碩士研究生導師崔俊生教授；以及首席藥化專家、現任中國藥科大學理學院化學系副主任兼博士生導師張曉進教授，等等。

醫圖生科三大智能藥物研發平臺及其技術服務

醫圖生科的研發團隊具備完整的First in Class藥物從研發到上市的全流程經驗，且其自主搭建的研發平臺也覆蓋了藥物IND所需的全部技術環境，將現代計算機AI技術應用在了藥物研發的各個環節，包括靶點篩選、先導化合物(大小分子)發現、藥靶結構探索分析、藥物及靶點分子動力學模擬、藥代特征預測、不良反應分析、免疫原性判斷等。

以“醫圖AceMap智能藥物(小分子)研發平臺”為例，該研發平臺能夠完成小分子De Novo設計、成藥性/可靶性評估、高通量虛擬分子篩選、ADME/T預測，以及化合物合成服務。

首先，平臺利用AI技術進行全基因組（WGS）分析，找到可能造成疾病的病變通路，同時分析病變所對應蛋白質作用通路變化，最終選定驅動性靶點。

其中在驗證藥物的靶點確認環節，醫圖會充分發揮其AI與基因工程的能力，通過對動物基因誘導產生定向基因突變，構建在表型層面可以穩定復現疾病的基因編輯模型，從源頭重現疾病的發病機理。 團隊利用這一技術為制藥過程打下了堅實的試驗基礎，盡可能實現了在早期階段完成接近真實效果的動物效果評估，滿足現代制藥工業最重要的快速試錯（Fail Fast）要求，同時實驗結果反饋給AI設計平臺，持續迭代更新。醫圖生科目前已經應用這一先進技術完成了一項罕見病全球首個動物模型，正與阿斯利康進行相關商業洽談。

接著，在完成靶點評估后，開始化合物結構設計環節。

傳統AI制藥的化合物篩選一般采用構效關系或藥效團的方法進行，使用機器學習來分析預測各種原子、分子及其理化性質，合成大量的候選化合物，進行高通量試驗并基于此進行分子篩選。該方法雖然有一定效果，但大量理化性質、以及不同理化性質之間的相關作用都容易被忽略，且學習算法也往往局限于傳統的機器學習方法上，因此篩選效率有限，并且無法進行 De Novo 藥物設計。 

在醫圖瞄準的國際市場交易環境下，最具競爭力的First In Class的藥物管線，都是在沒有任何可參考的有效活性物質、極為有限的靶點歷史研究信息、甚至發病機理和疾病通路尚未明確的前提下展開的藥物研發。因此，可綜合利用的藥靶信息、藥物本質的理化特征、更多維度的藥物結構，以及更深層次現代 AI 技術的有效利用，是當下所需。

陳教授及其團隊基于流性變換(Manifold)理論，開創了全新的AI理解藥物超高維物理及化學性質的藥物特征表征方法 MolMap，以及創新AI 學習算法MolMapNet。通過對生物信息學的深度融合，將無序的理化性質信息變成有序的、有特定結構的二維圖像，充分利用現代AI視覺影像技術，從而大大提高了化合物篩選效率。該研究成果已于2021年4月發表于Nature Machine Intelligence。

醫圖生科全新AI藥物識別算法框架

“AI+生物信息學”融合的另一個革命性突破，是讓計算機對于藥物有了更全面更精準的判斷。其中的一個經典案例，便是該方法對頂刊十數年所發表新靶點的成藥性預測及后期跟蹤。通過將此技術應用于靶點發現過程中，目前在藥物發現早期階段，團隊對于可靶性和成藥性評估的準確度已達到了90%。

借助大分子/合成生物學研發平臺，醫圖生科還能通過AI模擬不同生物環境，準確評估大分子藥物的耐堿性、耐酸性、穩定性等性質，對藥物與人體內靶點的對接和藥物效果進行充分的模擬和評估，通過免疫原性預測及定點突變來降低大分子藥物進入人體后的副反應。同時，醫圖生科的科研團隊從上世紀90年代開始收集整理了非常獨特的有效子結構、不利結構、以及不良反應數據庫等，再次拔高了其AI應用的技術實力。目前，MolMapNet算法及特征處理技術已經在各項數據集上構建了超85億以上的特征及空間矩陣，旨在讓AI進行重要的空間及化學特征的細節分區，從而大幅提升AI在各個應用階段的精準度。

對于天然產物抗衰物質研發平臺，醫圖生科目前已經利用AI技術完成了30萬天然產物的機器學習，建立起全球第一個量化研究中藥天然產物的數據庫，具備了在天然產物量化分析和AI設計技術方面的獨特優勢。醫圖生科希望通過自身的天然產物平臺，向世界傳播中醫的科學論證方法。

醫圖生科采用“AI新藥發現+License Out”的核心商業模式，讓客戶充分體驗到其在行業領先的AI新藥研發效率及成本優勢。目前已有十余家制藥企業、科研院所、醫院等與之簽訂相關合作協議或達成合作意向，其中包括：北京神經外科研究所、中國藥科大學、清華大學、阿斯利康、中南大學湘雅醫院、中國生物等。

醫圖生科AI新藥在研管線基本情況

圖生科目前擁有6條在研管線，從2021年年底首個管線設立至今，公司已經完成了4個藥物臨床前候選化合物篩選，并進入到了商業洽談階段。其首個管線ETB-01已進入臨床前IND試驗階段，該項目將會以CDE的一類生物創新藥申報，預計將在今年12月完成相關IND試驗并進行FDA，CDE中美雙報。該管線有望成為國內首個在1年內完成從藥物確認到IND申報的大分子AI創新藥。

平均2-3個月一條管線的正向反饋，源于醫圖生科不遺余力地建立AceMap智能藥物研發平臺，迭代AI-Wet Lab一體化研發流程。在未來，醫圖生科將繼續以抗腫瘤、抗衰老及罕見病為主要管線類型，同時開展對神經、代謝等類疾病藥物的AI新藥開發。公司計劃每年新開至少5-8個全新管線，增設10個項目的合作研發或專項委托，確保每年至少一項藥物完成IND并出售，最終實現License Out模式的商業循環。

目前，醫圖生科已完成從藥物合成、大分子重組表達，到動物模型構建的一系列前期實驗室結果評估。

團隊的 AceMapAI 智能藥物研發平臺，今后持續更新迭代，迭代后平臺可提升對氨基酸序列的敏感度，以便在對相關藥物結構預測時實現同源性對比。陳宇綜教授后續會帶領團隊增設分子動力學+AI力場與演化算法平臺、siRNA核酸藥物計算平臺、量子計算+AI計算平臺、量子計算+分子動力學計算平臺、細胞與人體環境模擬計算平臺、基因-蛋白質-細胞-器官芯片計算平臺等算法平臺。結合以上算法平臺建立對應數據庫后，醫圖生科將繼續打造核酸藥物、自動化活體細菌、基因芯片/器官芯片、量子計算與蛋白質表達等設計研發平臺。

在接受動脈網采訪時，陳宇綜教授呼吁各個研究機構、各大藥企將散落的藥物研發數據通過數據清理與整合實現共享，讓發展迭代后的AI算法有機會學習更豐富的數據資源，由此實現更高效、更精準的AI新藥研發。

醫圖生科聯合創始人李翛然認為，醫圖生科看好AI新藥研發領域，將通過不斷升級算法平臺、數據庫以及設計平臺，繼續提升AI“從靶點確認到IND完成”過程中的各項應用效果，展現出AI新藥研發的技術優勢、速度優勢、成本優勢，爭取實現公司在未來三年上市的目標！