任峰｜Insilico Medicine如何借助AI发现新靶点和新化合物
Insilico Medicine是AI药物研发领域的领先公司之一，今年来颇受关注。
2021年8月4日，Insilico宣布，利用其自主研发的人工智能药物发现平台，获得了针对肾纤维化的全新临床前候选化合物。该临床前候选化合物在药理和药代动力学方面表现良好，在体外和体内临床前研究中均显示出具有前景的结果。公司正在积极将该项目推进到临床试验阶段。
而在此前一天，2021年8月3日，Insilico宣布与西湖制药达成战略合作，共同开发针对冠状病毒疾病的小分子创新药物。
Insilico不但在自有管线上取得了突破，而且与国内外许多药物研发公司达成了战略合作。Insilico是如何做到的？
为此，智药邦对Insilico首席科学官任峰博士进行了专访。
任博，您好！可以简单向我们介绍下 Insilico 的主要特点吗？
任峰：Insilico Medicine是一家由人工智能驱动的端到端创新药物研发公司。公司基于生成对抗网络、深度强化学习、预训练模型及其他机器学习技术，构建强大且高效的人工智能药物研发平台，用于识别全新靶点并生成具有特定属性分子结构的候选药物，聚焦癌症、纤维化、免疫性疾病、神经退行性疾病等未被满足医疗需求领域，推进并加速创新药物研发。
公司的人工智能平台目前拥有两款商业化的软件包括用于靶点发现的PandaOmics和用于创新小分子生成的Chemistry42。目前，公司已与全球范围内超过30家创新药物研发公司达成战略合作协议，并启动了多个针对全新靶点、难成药靶点和不可成药靶点的内部研发管线。公司还与先正达（Syngenta）合作，将人工智能应用于可持续农业。自成立以来，该公司从专业的金融、生物医药、前沿科技等投资者处募资超过3.1亿美元。
2021年2月Insilico利用AI技术发现了特发性肺纤维化的新靶点以及针对该靶点设计的新化合物，此次利用AI技术发现了肾纤维化的新靶点和新化合物。那么，特发性肺纤维化的项目为肾纤维化的项目带来了哪些经验和帮助呢？
任峰：我们之前报道的特发性肺纤维化项目，在临床前实验中充分验证了利用我们的人工智能PandaOmics和Chemistry42可以把生物学和药物化学有机的结合起来，寻找针对某种疾病的全新机制的创新药物，这为我们的肾纤维化项目提供了一个行之有效的研发思路。同时在特发性肺纤维化的项目进行中我们加深了对纤维化这个领域的生物学和转化医学方面的理解和积累。这些经验为我们快速发现肾纤维化的新靶点并快速生成具有体内外药效的创新小分子起到了加速的作用。
是否可以说，这次是Insilico第二次展示新靶点发现搭配新化合物发现的模式呢？Insilico是否偏重这种first-in-class的研发模式？
任峰：广义上讲，可以认为这是Insilico Medicine第二次展示新靶点发现搭配新化合物发现的模式。但是由于此次的肾纤维化和上次报道的特发性肺纤维化在机制上有共通之处，所以从严格意义上讲，我们需要用一个纤维化疾病以外的案例（比如癌症）来再一次验证我们的新靶点发现搭配新化合物发现的模式。
我们目前正在尝试这种模式在癌症领域的新靶点搭配创新化合物的研发。这种模式将会是Insilico Medicine做first-in-class创新药物的研发模式。同时，我们也做已知靶点的有差异化的best-in-class的新药研发。研发模式并不重要，关键是解决未被满足的临床需求，为患者带来实质性的临床获益。
相对于传统的靶点发现和药物发现方法，AI的方法有哪些优势呢？
任峰：与传统的靶点发现和药物发现相比，如果运用得当，AI赋能新药研发可以提高研发效率、节省研发成本、提高新药研发的成功率。
Insilico已经成功地与一些制药公司建立了合作关系，您认为成功合作的关键是什么？
任峰：成功合作的关键一是沟通、二是信任。我们与合作伙伴在合作前和合作过程中都保持充分有效的沟通，对合作项目的背景、方案、以及后续会出现的困难进行公开透明的讨论，在讨论中双方对对方的技术力量、技术平台、以及人员特点都有了充分的了解，这样合作起来就很顺畅。同时，在互相沟通和了解中双方团队逐渐建立了良好的信任关系，这样在项目遇到困难的时候可以同心协力的解决困难，保障项目的顺利进行。
用人工智能助力药物研发，现在面临的最大的困难是什么？如何克服？
任峰：人工智能的发展离不开三个要素：数据、算法、和算力。对于人工智能助力药物研发来说，数据的质量和来源是可能阻碍AI进一步发展完善的因素。这方面可以跟高质量的数据公司合作或利用自动化的实验室去产生收集大量的具有一致性的数据来补充。
另外，人工智能的算法在新药研发领域虽然初步取得了可喜的成果和部分验证，但是还需要我们对这些算法进行更大范围的验证，用更多的具体的实例来证明人工智能不仅可以帮助一些新药研发特定的个例的成功，而是可以赋能到更大范围的范例取得成功，这样才能促进人工智能助力药物研发的更进一步的发展。
您可以展望一下5年以后的Insilico吗？5年内Insilico有什么样的发展目标？
任峰：未来Insilico Medicine会进一步优化完善人工智能在新药研发中的关键环节如靶点发现、化合物生成、以及临床方案的优化等领域中的功能，并通过更多的创新性新药项目的成功以及对外合作来进一步验证我们的人工智能在新药研发中的作用。同时拓展人工智能在小分子创新药领域的前沿技术比如蛋白质降解技术（PROTAC）中的应用。
期望能通过我们的努力为新药研发所面临的周期长、费用高、成功率低的问题提供一个颠覆性的解决方案。5年后我希望看到Insilico Medicine自研或跟外部合作的多款药物进入临床实验，并且有至少两款新药通过了关键的临床二期验证阶段并成功进入临床三期。
----------- End -----------
感兴趣的读者，可以添加小邦微信（zhiyaobang2020）加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位 或姓名-学校-职务/研究方向。
AI药物研发公司Insilico Medicine的理念、技术与特点
美迪西与Insilico Medicine达成战略合作
AI药物研发公司Insilico Medicine宣布完成2.55亿美元C轮融资
Science China｜用增强的联邦学习应对药物发现数据小和偏的困境
Nature社论｜结构生物学中的人工智能将会继续
NPJ Digit Med｜多种数字健康技术在去中心化的世界中赋能临床研究
Drug Discov Today｜药物研发风险地图
Drug Discov Today｜FDA童伟达：基于AI的语言模型为药物发现和开发提供动力
Nature Outlook｜借助算法和模拟将蛋白质折叠的瞬时结构转变为药物靶点
Drug Discov Today｜量子计算在药物发现中的潜力：早期的行业动态