近日，專注于分子設(shè)計的企業(yè)QuanMol Tech完成數(shù)百萬美元天使輪和種子輪融資，由Plug and Play領(lǐng)投，Silicon Valley Future、AI Basis、 Decent Capital等跟投。本輪資金主要用于團(tuán)隊擴(kuò)張和產(chǎn)品開發(fā)。
QuanMol Tech團(tuán)隊首先切入的賽道是人工智能輔助藥物設(shè)計。團(tuán)隊認(rèn)為，AI制藥行業(yè)這幾年發(fā)展迅速，主要都是用計算機(jī)模擬分子設(shè)計，但市場上的一些解決方案往往難以達(dá)到較高的預(yù)測精準(zhǔn)度，解釋性也較弱，并不能從根本上幫助為參與實(shí)驗(yàn)的實(shí)驗(yàn)化學(xué)家提高其對分子的理解，還需要更精準(zhǔn)有效的方法。
【資料圖】
為此，QuanMol Tech團(tuán)隊采用了深度學(xué)習(xí)圖神經(jīng)網(wǎng)絡(luò)加上物理化學(xué)領(lǐng)域知識來做分子設(shè)計，“圖神經(jīng)網(wǎng)絡(luò)可以很好地匹配分子模型，解決現(xiàn)有預(yù)測精度不夠的問題”。基于此方法，目前QuanMol Tech已經(jīng)取得了很高的分子性質(zhì)預(yù)測精度。公司聯(lián)合創(chuàng)始人沈興宇博士認(rèn)為，藥物研發(fā)是個極其復(fù)雜的過程和體系，人對藥物本身的理解也不夠，“AI取代人來做藥”這個出發(fā)點(diǎn)并不可取。
基于上述兩點(diǎn)認(rèn)識，QuanMol Tech從人輔助藥物開發(fā)的視角切入，聚焦藥物開發(fā)早期——基于大數(shù)據(jù)和AI算法輔助藥物化學(xué)家快速完成藥物研發(fā)過程的數(shù)據(jù)解讀任務(wù)，譬如蛋白質(zhì)表現(xiàn)、組織表現(xiàn)，以及實(shí)驗(yàn)結(jié)果的驗(yàn)證模擬等，要使其靈感可以定量化，最終減少藥物研發(fā)過程中的試錯成本。據(jù)悉，目前產(chǎn)品已經(jīng)在最終完成階段，預(yù)計明年第一季度產(chǎn)品即可完成。
公司聯(lián)合創(chuàng)始人呂旭東博士表示，上述應(yīng)用學(xué)習(xí)成本低可以廣泛輻射于小分子藥物化學(xué)家，他們是整個產(chǎn)業(yè)鏈中真正做輸出、把藥做出來的這群人，但他們并沒有被服務(wù)到。“而從覆蓋的人群規(guī)模和使用場景上看，市場規(guī)模相較于傳統(tǒng)的面向計算化學(xué)家的工具擴(kuò)大了非常多。”
在商業(yè)模式上，區(qū)別于其它AI制藥公司，提供CRO服務(wù)或是直接定位于Biotech做研發(fā)管線，QuanMol Tech的構(gòu)想是提供軟件服務(wù)，幫助實(shí)驗(yàn)室人員快速用數(shù)據(jù)和科學(xué)計算來支撐其研究假設(shè)。
對此，沈興宇指出，其難度主要體現(xiàn)在高的認(rèn)知壁壘——“要知道觀察、假設(shè)、驗(yàn)證的是什么，且要有配套的理論定義問題，用化學(xué)的語言進(jìn)行交流”，在此基礎(chǔ)上將人工智能與化學(xué)物理有機(jī)結(jié)合，確保其有很高的解釋性。
根據(jù)他的簡單測算，“現(xiàn)在我們能用很低的計算成本，幫助藥物化學(xué)家減少4-5步優(yōu)化工程，現(xiàn)有實(shí)驗(yàn)方法需要的花費(fèi)大概是百倍于我們的價格。”
據(jù)沈興宇透露，其采用的圖神經(jīng)網(wǎng)絡(luò)算法，所要用的數(shù)據(jù)量遠(yuǎn)小于其它模型，“大概只有十分之一”；數(shù)據(jù)來源主要來源于公開數(shù)據(jù)集、數(shù)據(jù)庫企業(yè)，以及公司自己定制化生成。
目前，公司已獲得一些藥企和合作請求和意向。呂旭東也指出，公司核心算法具有很高的延伸性，可指導(dǎo)許多垂直領(lǐng)域的產(chǎn)品，藥物研發(fā)只是其中一個場景，公司未來還會探索新材料、能源、日化、食品添加劑等領(lǐng)域。
附查看更多項目信息，請前往「睿獸分析」。