三无AI制药公司，B轮如何融资超亿美元？
前不久，智药局发布了2023年全球AI制药上半年融资情况，相较于前两年的确不容乐观。
不过一家名为Enveda Biosciences的公司在2022年12月完成6800万美元的B轮融资后，今年4月又获得5000万美元超额认购。
但实际上，这家公司创办时可以算得上是一家“三无公司”，没有知名教授、没有IP、没有核心技术，甚至启动资金也仅有22.5万美元。
截止目前，Enveda的总融资金额已经达到了1.75亿美元。在很多AI制药公司还在发愁下一轮时，Enveda还能超额融资B1轮。
投资人看重Enveda什么实力？创始人又如何开局带着22.5万美元白手起家的？
Enveda Biosciences的核心理念是重振制药行业对天然产品发现的关注，世界上许多最伟大药物都源于自然界。
为了推进这一使命，该公司利用大规模代谢组学和人工智能来显著加速天然产品的发现过程。
成立之初，创始人Viswa Colluru既不是大学教授，最初也没有风险基金的青睐，也不算资深行业人士，在大佬遍地走的生物医药创业大军中确实不够看。
唯一的亮点是他曾经担任Recursion Pharmaceuticals的产品经理。
Viswa Colluru
Recursion是全球最早上市的AI制药公司之一，收获了市场的大量关注，利用机器学习和高通量细胞成像和测量来改变新药的表型筛选过程。
也就是说，Recursion 无疑实现了制药行业中前所未见的数据生成和计算规模。在Viswa Colluru看来，Recursion 核心焦点是构建新的生物学数字表示。
在这样一家前沿公工作，Recursion带给Viswa Colluru很多经验，他将其提炼为三个核心见解:
1.挑战教条一一如果 90% 的药物在临床试验中失败，那么人们显然还没有找到发现药物的最佳方法，应该以不同的方式思考。
2.从首要原则出发思考一一如果不是从现有假设开始，那么您应该探索解决难题的所有可能解决方案。
3.在实验室中有效的东西并不保证在人体中也有效一一这是所有新发现公司都应该努力解决的根本问题。
在Viswa Colluru想要构建一个用于发现天然的现代生物技术平台。在化学层面上，天然产物代表了可能分子宇宙的一个独特子集。
大自然的化学物质在数十亿年的选择压力下不断进化下，拥有非常多样的化学性质和生物活性。
Viswa Colluru认为当下人们都忽视了天然产物及其衍生的化学空间，天然产品通常比合成产品更重，含有更多的氧和更少的氮，尽管违反了用于生产口服药物的许多化学规则，但还是能够成为药物。
2019年，即使那个时候他在美国还依赖工作签证，但还是义无反顾地创业了。
由于背景并不出色，Viswa Colluru只能选择自主创业，他将自己所有的积蓄投入进去，另外受到此前Recursion首席安全官的一点资助，共计22.5万美元开启了创业之旅。
在如今动辄百万级别的种子及天使轮对比下，23万美元的启动资金确实不够看，他需要构建产品原型，但实验室、设备试剂、员工、场地几乎都要钱。
Viswa Colluru选择砍掉两大支出：房租和高薪人才，租一个漂亮的办公场地，在旧金山或者波士顿地区找人才，对他而言都太贵了。
他选择回到了印度老家，创建了实验室和团队，价格只要此前报价的1/7，时间也能缩短1/5，同时他还远程聘请计算化学家，就这样开始想法印证，平台迭代。
随后种子轮开始陆续到位，为了识别值得测试的新天然化合物，Enveda 迫切需要一个坐标系来构建现有的化学知识景观。为了高效搜索，需要一张构建已知和值得测试的未知地图。
Viswa 最早的想法是首先开发算法来绘制化学物质、它们扰动的细胞内蛋白质以及这些扰动产生的疾病改变之间的联系。随后Enveda 推出了第一个用于药物优先排序的内部知识图算法。
Enveda 的一篇早期论文，利用知识图谱进行因果推理，利用药物动和疾病特异性转录组特征进行药物发现。
这种类型的知识图谱可用于绘制化学品与其潜在的类药物行为之间的联系。有了这个基础，Enveda 就可以将注意力转向发现新的天然产品。
Enveda 通过对植物的化学成分进行详尽的采样来做到这一点。核心采样技术是液相色谱-串联质谱(LC-MS/MS)技术。这两种技术的联用能够将植物中的化学物质分离开。
为了使数据有用，还需要将原始质谱转换为测量的实际化学结构。这个过程通常依靠算法完成，从已知的光谱-化合物中查找，但实际上这个库仅超过400,000 个的结构，仅占所有天然代谢产物的1%。
为了进行新药发现，一个关键问题出现了：如何超越参考库并发现新的化学物质?
如同蛋白质结构预测一样， 自然科学中的许多问题可以被表述为语言翻译问题。这也意味着，我们可以通过机器语言揭示自然科学的魅力。
以往大多数从质谱解析结构的方法都依赖于数据库，通过深度学习，Enveda能够直接根据原始测量结果预测化学结构。
Enveda 创建了 MS2Mol，这是一种最先进的 Transformer 模型，旨在预测天然细胞代谢物的结构，这个过程很大程度上解决了目前AI制药公司的数据来源及可用性问题。
此外Enveda正在构建高通量筛选流程，用于对其化学库中的化合物进行体外和体内测试。这些随后的经验测量有助于快速测试重要的药物特性，例如其功能特性及其最终在体内的分布位置。
对植物天然产品的技术支持探索将发现大量有价值的药物，公司计划在今年年底前提交前三项IND申请。
Enveda的研发管线
从研发布局上可以看到:
1、最初的适应症集中在疼痛、瘙痒、炎症和皮肤病学等领域，这些领域都也是天然产品大放异彩的领域，目标是尽早发挥平台的优势。远离一些更复杂的疾病，能最大限度地减少“生物风险、大型复杂疾病的可行性风险，以及最终的商业风险”。
2. Enveda 希望成为一家全栈制药公司。他们不想把所有的注意力都放在自己的两大资产上一一他们渴望成为一家拥有自己的产品组合的代际制药公司。
截止目前公司的战略是扩大其平台的能力，没有宣布主要的药物研发合作伙伴关系，重点仍然是创建广泛的内部药物管道。
目前Enveda 现在已经发展成为一家拥有 170 多名员工的公司，分布在多个国家。
Enveda 认为，大自然可能是比我们更好的药物化学家，如果忽视天然产品，可能错过许多有效的药物。
而将计算和人工智能技术结合进入公司平台，非常令人兴奋和着迷。
参考链接：
https://centuryofbio.com/p/enveda-biosciences
The End—
推荐阅读