在科技交叉越來越頻繁的當下，人工智能，機器人和數字生物學給生命科學的發展帶來了越來越多的突破最近幾天，AI制藥公司贏駟智能完成D輪融資，并首次正式宣布正在建設的全自動智能機器人藥物研發實驗室，展現了藥物研發的新模式
根據消息顯示，贏駟智能的智能機器人實驗室設立在蘇州生物醫藥集聚高地BioBAY Park，占地1600多平方米實驗室組建了由經驗豐富的醫學研發科學家，生物自動化科學家，生物信息學科學家，人工智能科學家和軟件開發科學家組成的智能藥物研發團隊，聯合了國內外眾多專家和機構計劃從今年第三季度開始逐步投入運營
英語智能機器人藥物研發實驗室初次登臺/出道
該實驗室不僅有望高效改造早期藥物發現流程，還將被用作機器人生物數據工廠，補充龐大的數據資源，以進一步訓練和迭代其人工智能平臺。
為早期藥物發現注入新動能
硅智成立于2014年，是第一批人工智能制藥公司成立之初，就試圖用人工智能驅動早期藥物發現的關鍵步驟在不斷培訓和鞏固人工智能技術并借鑒跨國制藥公司的合作經驗后，贏駟智能推出了PharmaAI人工智能平臺包括PandaOmics，人工智能的目標發現引擎Chemistry42等，并在自有生物醫藥R&D管道和對外合作項目中驗證了平臺的藥物發現能力
Silicon Intelligence創始人兼首席執行官Alex Zhavoronkov博士表示，我們現在要做的是將這些經過驗證的人工智能平臺應用于機器人實驗室場景，以進一步自動化藥物發現能力:我們希望比別人走得更遠我們想先做動物實驗，分析動物細胞和組織，從而對人類生物學有更深入的了解，學會如何從動物組織和細胞中識別靶標，驗證并與人類聯系起來這是因為生物制藥行業最大的問題之一是轉化，我們希望確保動物和人類的數據完全匹配
機器人實驗室將人工智能與機器人和自動化技術相結合，利用機器人自動化技術完成早期藥物研發中的生物學實驗，如傳統的人工操作此外，實驗中產生的所有新數據都可以用來進一步擴充英國硅情報的龐大在線數據庫我們計劃在智能機器人實驗室和贏駟智能自主研發的人工智能平臺之間形成閉環，實現人工智能預測結果的實驗驗證和實驗數據驅動的AI算法迭代優化期待通過智能機器人實驗室幫助拓展內部自研管道，同時為生物醫藥產業發展注入新動能亞歷克斯·扎沃龍科夫介紹
從概念到實踐，智能機器人實驗室的應用
從生物學角度，機器人實驗室可以進行自動化高通量生物活性測試，支持高含量高通量篩選和下一代基因測序，在藥代動力學方面，機器人實驗室可以自動采集溶解度，膜通透性，代謝穩定性等多項體外數據此外，該實驗室在目標發現和驗證方面有更廣泛的應用，如促進合成殺傷力領域的目標發現
具體來說，智能機器人實驗室首先通過目標發現平臺PandaOmics將目標與特定疾病聯系起來，然后利用機器人自動化技術完成人工操作的目標驗證的傳統生物學實驗，包括:基因敲除/插入，體外分析和測序，細胞成像和觀察，深度表分析等，最終幫助科學家進一步確認目標
人工智能新藥研發的競爭將逐漸從算法的競爭過渡到數據的競爭硅智建立這個實驗室的初衷之一就是為了產生更多獨特的，合作的數據，從而幫助人工智能算法優化此外，藥物研發實驗室在自動化的基礎上，加入了人工智能的元素，讓自動化的過程不是由人來控制，而是由以PandaOmics為代表的人工智能來控制，這也是智能機器人實驗室與普通自動化實驗室的最大區別任峰認為智能實驗室是未來的發展方向，未來它的應用會越來越廣泛，人類的重復性勞動會逐漸被機器取代
鏈接生態圈上下游打造行業標桿
這樣一個融合了人工智能，機器人學，數字生物學等跨界學科的智能機器人實驗室，也離不開生態系統上下游的支持。
英硅智能合作伙伴之一上海向輝創始人兼總經理劉佳鵬博士表示，人工智能正在引領人類新的工業革命，而這也催生了實驗室自動化從單機模塊自動化到超機智能的裂變這樣的超級機器人實驗室是突破邊界整合的產物，比人類更具有正確性和可重復性它可以可視化和共享知識和技能，實現高靈活性，高通量和高安全性，將科學家從簡單的重復性工作中解放出來，去做更有價值，更有意義的事情
為實驗室提供數據解決方案的合作伙伴還包括全球領先的云計算服務和云解決方案提供商亞馬遜云技術，基因芯片和基因測序專家Illumina，人工智能計算領導者英偉達以及其他生態系統合作伙伴在較早的智能實驗室驅動藥物研發現狀的探索與展望:在網絡研討會上，許多合作伙伴也表達了他們對數字解決方案以及如何引領下一波藥物研發的看法
亞馬遜醫療和生命科學行業高級總監黃表示:關于數據的使用，能否從應用場景考慮數據的實際使用相對于傳統的把所有的數據都保存下來，逐步豐富的模式，我們是否可以反過來，從最后開始，推導出我們需要什么數據和技術，然后建立相應的團隊，讓藥物研發更有針對性
Inna大中華區醫療總監王敏博士表示:基于細胞系的藥物反應研究一直是新藥研發中非常重要且具有挑戰性的環節依靠先進的AI圖像算法，自動化細胞成像可以生成細胞形態學的海量數據集，可用于藥物發現或藥物作用機制研究但是細胞形態等表型信息能否幫助建立準確的AI模型畢竟我們不能只通過觀察細胞表型的變化就知道細胞內部的變化從這個角度來說，基因測序，尤其是對單細胞的基因測序，可以幫助我們獲得正常細胞和病變細胞之間的基因表達變化，從而為AI建模和藥物的作用機制提供有價值的信息
英偉達醫療行業銷售總監Wilson Zhao表示如何保證數據的一致性和可重復性，從而迭代優化AI模型，是人工智能未來發展的一大挑戰其次，還有數據共享的問題對于一些制藥公司來說，數據是非常重要和敏感的資產如何保證更多高質量公共數據的共享和獲取，也是未來數據解決方案的一大難題另外，藥物研發本身周期長，成本高，成功率低除了早期的靶點發現的分子設計，后期的臨床前實驗和臨床試驗也耗費了巨大的時間和金錢如果人工智能能夠提高后期藥物研發的成功率，比如臨床試驗，我覺得可能會給整個行業帶來信心
藥物研發無疑是一個耗時又費錢的數據益智游戲智能藥物研發實驗室通過人工智能，自動化，機器人和生物能力的深度融合，加速不斷探索智能自動化在數據處理和新藥研發中的應用可能性，從而為行業的融合創新和更多創新候選藥物的研發注入新動能
鄭重聲明：此文內容為本網站轉載企業宣傳資訊，目的在于傳播更多信息，與本站立場無關。僅供讀者參考，并請自行核實相關內容。
|
