撰写研究论文对于传播科学发现至关重要，但这一过程效率低下，尤其对职业生涯早期的研究人员和非英语母语者而言尤甚。2018年《自然》发表的一项调查显示，大约37%的受访者报告称每周要花费超过20小时用于撰写和修改科学论文。自然语言处理（NLP）技术的最新进展，特别是生成预训练变换器（GPT）和其他大语言模型（LLM）的崛起，为研究人员提供了一套强大工具，能够快速处理大量文献。由生成式人工智能驱动的临床阶段生物医药科技公司英矽智能，近期推出了智能写作助手Science42:

创新药物研发是一项高成本、长周期且风险巨大的探险。平均而言，一款新药从立项到获批上市常常需要至少十年时间和数十亿美元。确定有效靶点并进行生物学分析是药物研发过程的第一步，其重要性不言而喻。为更好地保护数据隐私和数据安全，由生成式人工智能（AI）驱动的临床阶段生物科技公司英矽智能近期发布了人工智能硬件PandaOmics

英矽智能多维度临床试验预测工具inClinico经过7年训练与验证，在准前瞻性验证中，预测准确率可达79%inClinico

2023年8月8日，全球领先的由生成式人工智能驱动的生物医药科技公司英矽智能宣布，公司已正式成为蒙特利尔大都会商会（Chamber

2023年4月14-19日，2023年美国癌症研究协会年会（AACR）在佛罗里达州奥兰多如期召开。作为美国肿瘤学界最盛大的多学科会议，AACR汇集前沿研究成果，以学术突破和早研进展为产学研各界带来启发。在生成式人工智能支持下，英矽智能携四项抗肿瘤候选药物的临床前研究亮相AACR。本周我们将以采访视频+文字实录的形式，陆续与产业界和学术界分享英矽智能在AACR大会公布的四项临床前研究成果。ISM3091是一款口服的选择性USP1抑制剂，在针对具有HRD突变的广泛肿瘤谱系中显现出潜在疗效。体外数据显示，该化合物在BRCA基因突变的肿瘤细胞中具有强效抗增殖活性和优异的选择性。*以下为采访实录受访人：秦泺恒博士英矽智能USP1项目药化负责人、药物化学高级总监Q1英矽智能的USP1项目在AACR

种化合物，并合成和测试了其中的四种，结果表明预测化合物具有良好的活性。这篇论文被视为是GAN首次在药物开发的应用，吸引了深度学习界大牛的目光，神经网络三巨头中的Yoshua

2022年11月14日，英矽智能发布旗下Pharma.AI人工智能药物研发平台全球同步更新，包括全新靶点发现引擎PandaOmics、分子设计和生成平台Chemistry42以及临床试验结果预测平台InClinico。发布会后，许多行业伙伴通过邮件、留言等方式提出关于Pharma.AI平台的专业性问题。在内部团队讨论之后，英矽智能谨对部分问题做出了答复，供读者参考。点击视频查看发布会精彩回放Q1inClinico经历过数据有效性验证吗？inClinico是经过验证的。从英矽智能成立以来，inClinico研发项目就在进行中，目前已经采用英矽智能独创的“时光机验证法”对其有效性进行了回顾性验证或者准回顾性验证。具体来说，“时光机验证法”就是以某一个时间点为分界，将数据分为测试组和检验组。将该时间点前的数据输入AI引擎，得出预测结果，并与该时间点之后的真实数据对比，以检验预测准确度。此外，英矽智能还通过与对冲基金、大型制药公司等机构的合作，对inClinico在公开信息、学术文献、临床试验解读等方面的性能进行了验证。相关结果显示，inClinico的预测准确率可以达到80%。其他方面的数据不方便透露，但inClinico预测效果肯定是高于基线水平的，这点毋庸置疑。Q2Pharma.AI平台是如何降低药物研发行业门槛的呢？是否有试用？没错，英矽智能确实在致力于降低药物研发的门槛，让所有人都能参与到这个宏大的行业中来。举例来说，Pharma.AI平台中的PandaOmics目前已经赋能了癌症、纤维化、免疫等多个领域的靶点发现，助力了医疗药企、学术机构，甚至高中学生的研究项目。访问公司官网上的Pharma.AI对应页面，即可申请试用。Q3作为预测临床试验结果的平台，inClinico包含多少临床试验数据？整体而言，inClinico平台包括18万项临床试验相关数据，涵盖小分子、靶向小分子等多个领域，同时还有明确的调节机制，以此确保预测结果的准确性。详细来说，进行回顾性时光机验证的时候，验证组数据包含的临床试验数据在1000项左右；在真实回顾性验证时，大概是100-300项左右。Q4PandaOmics平台是如何实现多组学数据分析的？为满足多维度评估靶点发现的需求，PandaOmics平台集成20+算法模型、60+计算规则，利用公开可获取的文献资料和自有数据库，对基因数据、动态基因表达、代谢组学、表观遗传学特征、蛋白质相互作用等方面进行分析后，得出靶点综合评分，辅助靶点发现决策。过去八年来，在外部反馈和药企合作和助力下，PandaOmics经历了真实数据和真实环境的考验，不断更新进步。另外，英矽智能正在搭建的机器人自动化实验室，也会和Pharma.AI线上平台打通，通过自有的样本分析、图像识别等能力继续丰富平台数据、强化平台性能。Q5制药行业最大的挑战是什么？是新颖分子发现，还是临床数据验证？从根本而言，制药行业面临的困境或许是人类复杂的生物学机制机理。以人类目前的医疗科技水平，我们对许多疾病、药物、副作用的机制都还不能准确解读。正因如此，医疗行业的发展需要更多人的努力，英矽智能开放Pharma.AI人工智能药物研发平台的授权也正是这个原因。Q6inClinico有考虑到患者招募等非技术性的因素吗？有的。在临床试验结果预测过程中，inClinico会纳入尽可能多的数据，其中包括一些偏主观的因素。举例来说，对某些中枢神经系统疾病来说，地理因素是很重要的，可能会影响到对照组的规模，进而影响临床试验成功率的预测。考虑到这一点，inClinico纳入了不同临床试验中心历史招募信息，并在此基础上做出分析和预测。另外，战略规划变更等因素也会导致临床试验的失败或者中止，要对公司高层决策做出预测是很难的，但Pharma.AI平台会对靶点未来热度进行预测，通过推荐更有潜力的靶点，降低临床试验被中止的可能性。目前，inClinico主要专注在II-III期临床试验结果的预测，尽量避免在患者招募数据缺失的情况下做出可靠性不足的预测。Q7Pharma.AI平台包含转化性临床前模型吗？比如肿瘤方面的？Pharma.AI包含一系列肿瘤领域的模型，涵盖in

Olsen在国际权威大会上分享的研究成果。而帮助Andrea跨越专业知识壁垒，在生物制药领域取得研究成果的，是一款由人工智能驱动的靶点发现平台——PandaOmics™。PandaOmics™

选药物，聚焦癌症、纤维化、传染性疾病、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。更多信息，请访问网站:

选药物，聚焦癌症、纤维化、传染性疾病、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。更多信息，请访问网站: