雖然生成式 AI 一詞最近才變得家喻戶曉，但藥物研發公司英矽智能（Insilico Medicine）多年來一直使用它來開發治療衰竭性疾病的新療法。

該公司早期在深度學習上的投入正取得成果——其利用 AI 平臺研發的一種候選藥物現在正進入二期臨床試驗，用于治療特發性肺纖維化，這是一種相對罕見的呼吸系統疾病，會導致肺功能逐漸下降。

英矽智能將生成式 AI 應用于臨床前藥物研發流程的各個環節：確定藥物化合物可以靶點的分子、生成新的候選藥物、衡量這些候選藥物與靶點的結合程度，甚至預測臨床試驗的結果。

使用傳統方法進行這項工作需要花費超過 4 億美元，耗時長達 6 年。但是通過生成式 AI，英矽智能僅以十分之一的成本和三分之一的時間完成了這些工作，在項目啟動兩年半后就進入了一期臨床試驗。

英矽智能首席執行官 Alex Zhavoronkov 表示：“這個已進入二期臨床試驗的首個候選藥物是我們利用深度學習連接生物學和化學的端到端方法的真正亮點。這不僅對我們來說是一座重要里程碑，對于整個 AI 加速藥物研發領域亦是如此。”

英矽智能是 NVIDIA 初創加速計劃的高級成員。該免費計劃為前沿初創企業提供技術培訓、產品上市支持和 AI 平臺指導。該公司在其生成式 AI 藥物設計引擎 Chemistry42 中使用 NVIDIA Tensor Core GPU來生成新的分子結構，并且是在 2015 年第一批采用 NVIDIA DGX 系統的企業之一。

AI 推動實現端到端臨床前藥物研發

英矽智能的 Pharma.AI 平臺包括經過數百萬數據樣本訓練后能適應一系列任務的多個 AI 模型。其中一個 AI 工具 PandaOmics 能夠快速識別并優先處理對疾病療效起重要作用的靶點，比如引起 COVID-19 的刺突蛋白。

Chemistry42 引擎可在幾天內設計出采用 PandaOmics 識別出來的蛋白質作為靶點的新型候選藥物化合物。這個生成式化學工具使用深度學習重新設計出類似藥物的分子結構。

英矽智能AI 平臺主管 Petrina Kamya 表示：“通常，藥物研發領域的 AI 公司不是專注于生物學，就是專注于化學。而英矽智能從一開始就將同一種深度學習方法應用于這兩個領域，利用 AI 發現藥物靶點并生成小分子的化學結構。”

多年來，英矽智能團隊采用了不同種類的深度神經網絡研發藥物，包括生成式對抗網絡和 transformer 模型。他們現在正在使用 NVIDIA BioNeMo，通過生成式 AI 加速早期藥物研發流程。

在 AI 堆棧中找到關鍵之處

為了開發治療肺纖維化的候選藥物，英矽智能使用 Pharma.AI 設計并合成了約 80 個分子，取得了臨床前候選藥物前所未有的成功率。從確定靶點到提出一種極具潛力的候選藥物進行試驗，這一過程耗時不到 18 個月。

在二期臨床試驗中，英矽智能的肺纖維化藥物將對美國和中國的數百名患者開展試驗。這個過程將需要幾個月的時間。與此同時，該公司還有 30 多個針對其他疾病的在研管線，包括一些抗癌藥物。

Zhavoronkov 表示：“當我們第一次展示我們的結果時，人們只是不相信生成式 AI 系統可以達到這樣高的多樣性、新穎性和準確性。現在我們有了一整套極具潛力的候選藥物管線，所以人們開始意識到這確實是可行的。”

點擊“閱讀原文”，回看NVIDIA GTC 專題演講，了解更多關于英矽智能的用于 AI 加速候選藥物篩選的 Chemistry42 平臺的信息。