Numerate推出药物模拟技术 医疗人工智能技术的新探索.docVIP

  • 1
  • 0
  • 约4.24千字
  • 约 9页
  • 2018-11-11 发布于江苏
  • 举报

Numerate推出药物模拟技术 医疗人工智能技术的新探索.doc

Numerate推出药物模拟技术 医疗人工智能技术的新探索

Numerate推出药物模拟技术 医疗人工智能技术的新探索   新药研发周期长、投入大、持续时间久、效率低,一直是医药领域的“心腹大患”。根据塔夫特药物发展研究中心的数据,一款新药从药物研发到获得美国FDA批准大约需要96.8个月。   而TechEmergence的研究报告显示,人工智能技术的加入可以将新药研发的成功率从12%提升至14%。这细微的2%的增长可以为整个生物制药行业节省数十亿美元,同时研发效率也将大幅提高。   Numerate成立于2007年,总部位于美国加州圣布鲁诺。它将计算机科学和统计学的先进发展与传统药物的化学方法相结合,致力于为开发小分子疗法的企业提供药物设计平台。   该平台主要研发一系列用于心血管,代谢,神经衰弱疾病,阿尔茨海默症和亨廷顿式舞蹈症的药物项目。   Numerate的总裁兼首席执行官Guido Lanza博士表示,与其他AI药物研发公司相比,Numerate已有11年的研发经验。他们的算法能够从非常小的数据集中挖掘有用的信息,并用于解决新型的生物问题。   基于3D配体的建模,允许他们在不需要化合物的结构资料下利用机器学习解决表型驱动的药物研发难题。这种研发往往是低通量,高内涵的生物学问题。   2014年6月,Numerate获800万C轮融资,投资方分别是Atlas Venture和Lily Ventures。   Guido Lanza博士表示,该投资能够推进Numerate在代谢和心血管疾病的进一步研究,以改善糖尿病,肥胖症,心力衰竭和心力失常等症状。   Numerate专注于建设数据驱动的药物设计模式,促进高效率和可预测的制药分析。该平台尤其适用于数据稀少,或因传统方法局限而无法生成制药所须的先导化合物等情况。      经验团队发挥科学领域的优势   Numerate公司的团队里拥有来自不同领域的员工,其中包括计算机科学家,数据科学家,药物化学家和生物学家。该公司汇集了各个领域的优点,以构建最佳解决方案为目的去改良药物研发的整个流程。   从左至右依次为Guido Lanza,Brandon Allgood和John Griffin   ,Numerate的总裁兼首席执行官Guido Lanza于2006年被商业周刊评选为“30岁以下技术最佳青年企业家”之一。Lanza博士曾是Pharmix制药公司的联合创始人兼首席技术官,并在该公司的董事会有过六年的工作经验。   在进Pharmix公司之前,Lanza博士作为研究科学家与斯坦福大学的Koza教授共同开发了生物信息学与计算生物学相关的遗传编程应用。   此外,Lanza博士作为10个科学出版物的作者和4个授权专利的发明者,曾获得加利福尼亚大学伯克利分校的分子细胞生物学和综合生物学的双学位以及英国曼彻斯特大学的生物信息学硕士学位。   Numerate的首席技术官Brandon Allgood主要负责管理公司的AI平台及应用,并为公司未来技术发展规划蓝图。他不仅获得了加州大学圣克鲁兹分校的计算物理学博士,还曾担任过该公司的计算机科学主任以及Pharmix公司的研究科学家。   Allgood出版过天体物理学、固体物理学和计算生物学有关的科学书籍,并在大规模云计算,分布式计算,人工智能和数学建模方面拥有15年的工作经验。同时,他也是福布斯技术委员会的成员、UCSC基金会的受托人。   作为Numerate公司的首席战略官,John Griffin职掌公司的治疗计划和项目合作。他也曾是上市生物制药公司Theravance Inc.的联合创始人兼首席科学官。在担任斯坦福大学的助理教授期间,Griffin发布了共39篇的科学出版物。   同时,他作为27项专利的发明人多次荣获奖项,其中包括美国化学学会的Arthur C. Cope学者奖以及斯坦福大学的院长教学奖。此外,他也曾担任过威康信托基金会的筹资委员会成员、哈佛医学院国家科学基金会博士后研究员,并在加州理工学院化学专业取得博士学位。     独创的ADME和毒性预测功能   Numerate的CEO兼总裁Lanza表示,公司独创的ADME和毒性预测是公司的一项重要支柱。   ADME是“吸收,分布,代谢和排泄”的缩写,描述了药物化合物在生物体内的消化过程。这四个标准决定了药物的浓度以及药物暴露在组织中的动力情况,因此ADME可以衡量该化合物作为药物的性能和药理学的活性。   传统的生物技术和制药创业公司一般侧重于少数靶标或单一治疗领域,而新药设计平台主要运用机器学习技术来模拟小分子化合物的药物特性,比如靶点结合能力和特异性,药物动力学和药物代谢特性,以及毒副作用。   这一平台通常的药物筛选流程会依据特定的药物活性、特异性和ADME模型,从包含一兆个模拟化合物的化合物库中选

文档评论(0)

1亿VIP精品文档

相关文档