燧坤智能完成数千万人民币Pre-A轮融资,和玉资本领投

11月23日,南京燧坤智能科技有限公司(以下简称“燧坤智能”)宣布获得数千万元融资,由和玉资本(MSA Capital)领投,跟投方包括图灵创投、景旭创投和盛鼎资本。燧坤智能CEO曾亥年表示,本轮融资将用于进一步优化和提升人工智能机器学习算法的技术平台在新药研发中的应用,扩大战略合作,加速推进在研项目,持续加强技术团队建设。图1 燧坤智能南京实验室燧坤智能成立于2018年9月,是一家利用人工智能算法发掘疾病作用靶点、发现已知药物新适应症、提升新药筛选效率、提高大分子产量的AI+生物科技公司。其上一轮融资来自于图灵人工智能研究院,该院是由计算机科学最高奖图灵奖唯一华人得主、中科院院士、清华大学交叉信息研究院院长姚期智率队组建的人工智能产学研孵化器。燧坤智能是该院孵化的首期项目之一。

对于燧坤智能本次融资,姚期智院士表示:“燧坤智能创始人曾坚阳教授是结合人工智能与新药开发研究最杰出的年轻科学家之一。可以预期燧坤公司未来将成为生物制药的一个重要标杆企业。”

和玉资本管理合伙人曾玉女士表示:“目前全人类积累的生物,化学和医学的知识数据是海量的,已经远超单个人或团体的认知极限。通过AI算法和专家知识的结合、对海量生物医学数据和知识结构化梳理和去噪是制药业的必经之路。另外,传统制药业基于高通量黑箱筛选的模式已经把“低垂的果实”摘的所剩无几,导致效率低下、失败率高,下一代制药业一定是基于对生物组学和生物信号网络的底层生物学认知。燧坤智能通过积累的数据、AI 和专家知识,找到明确的信号靶点和网络,有目的筛选或设计药物,让AI可以在产业链条的各个节点发挥作用,提高制药效率,这也让“AI+制药”带来更大的商业价值和社会效益。我们对燧坤智能团队充满信心。”

燧坤智能创始人及CTO曾坚阳教授表示:“过往的十几年,我一直致力于研究人工智能机器学习在新药研发及生命科学领域的应用。感谢多家投资方的支持与信任,我们会加速推进将新技术的应用实践,提升医药行业的研发效率,以病人和临床需求为目标造福全社会。”

多学科交叉背景的团队图2 燧坤智能创始人兼CTO曾坚阳教授燧坤智能创始人兼CTO曾坚阳教授在美国杜克大学(Duke University)获得计算机科学博士学位,之后在杜克医学院从事博士后研究。2012年,作为海外人才被引进清华大学交叉信息研究院。交叉信息研究院成立于2010年12月30日,由世界著名计算机科学家姚期智院士领导,是国内首个致力于交叉信息科学研究的教学科研单位,目标为建设世界一流的交叉信息研究中心和人才培养基地,推动计算机科学和相关信息科学领域的发展,培养具有国际竞争力的拔尖创新人才。曾坚阳教授现为清华大学交叉信息研究院长聘副教授(tenure),入选“国家青年千人计划”。在计算生物学领域和人工智能的国际一流会议ISMB、RECOMB、IJCAI上担任程序委员会委员。

曾坚阳教授所带领课题组的主要研究方向为计算生物学、机器学习和大规模数据分析,针对高通量生物数据进行数据挖掘,数学建模,以数据为导向研究生物学的作用机理,为疾病研究和药物开发提供分子生物学基础。成功案例包括大分子(如蛋白质、RNA、染色体)结构的计算建模,及其结构-功能关系的阐释;基于网络的系统生物学研究;药物-靶标相互作用预测以及药物重定位等。已在国际核心期刊和会议上发表论文50余篇,其中包括《自然》、《细胞》子刊等著名期刊。

燧坤智能目前有近20人,团队成员基本上都具有生物学、制药、人工智能等交叉学科背景。全面负责本轮融资以及公司整体运营的CEO曾亥年也同样拥有多学科背景。据了解,曾亥年本科毕业于复旦大学生命科学学院,随后在美国获得两个硕士学位,包括约翰霍普金斯大学生物科学法规硕士以及北卡罗来纳州立大学植物生物学硕士。回国后,不仅在国药控股总部和下属公司领导多个商业项目,还有在药监部门挂职经历。在加入燧坤智能之前,曾亥年担任平安创投投资总监,参与投资和管理的项目包括Tmunity、NextCure、华领、KBP、XGENE、Rani、Prenetics等超过十个项目,涉及多个技术和治疗领域。

“我们的专长在于交叉学科这一块,我们的算法工程师不仅拥有专业的人工智能机器学习技术,还有生物和化学方面的积累,对某一个特定领域的靶点、化合物和疾病都有知识储备。我们的商务团队深耕医药行业,来自于知名制药企业和新药研发CRO,我们的实验团队都是国内外著名院校毕业的博士和硕士,对于药物研发以及行业热点有深刻了解。”曾亥年表示。

新技术助力新药研发

目前,燧坤智能计划以“药物重定向”及“虚拟高通量筛选”为优先切入点进入药物研发领域。

“药物重定向又叫老药新用,我们通过不同的算法模型去尝试,看能不能找到一些比较有意思的老药,让这个老药在其他的领域里面也有应用价值。”曾亥年表示,“在药物研发中,小分子新实体的发现是一个非常耗时耗力的过程,并且存在着大量的不确定性。因此,对已上市的分子实体拓展靶点和适应症有着巨大价值。通过智能化策略,燧坤智能致力于加速药物重定向过程,提供老药新用的一体化解决方案。我们的人工智能算法系统性地整合了疾病、靶点、药物等多个维度上的海量数据,实现了对药物-靶点作用的全景刻画。”

燧坤智能另一个技术是虚拟高通量筛选。据曾亥年介绍,虚拟高通量筛选本身不是为了完全取代原先的实验室高通量筛选工作,只是为了把高通量筛选工作的强度由原先的十万百万级降成几百几千,从而降低时间成本,提高速度,最终达到提高效率的目标。

“作为药物发现的起点,获得高质量的苗头或先导化合物(Hit compound)对于整个新药开发项目至关重要。传统的苗头化合物筛选基于实体小分子库的高通量实验筛选,从而受到化合物库多样性、类药性和实验成本等多方面的限制。通过先进的深度学习策略,燧坤智能的虚拟高通量筛选技术高效提取并整合了候选小分子和靶点的特征信息。同时,利用新一代的小分子智能生成算法产生高质量虚拟化合物库,进一步提升筛选及先导化合物优化的效率。”曾亥年表示,“在短短的几个小时里,我们就能筛选百万级别的化合物。例如算法成功预测了一类全新的某GPCR的小分子激动剂,已经通过实验验证。”

“我们期待在靶点发现、药物发现与临床前研究、临床研究以及上市后开发等阶段充分发挥团队交叉学科背景优势,助力药品全生命周期管理。”曾亥年表示。

据了解,目前燧坤智能的早期研发成果已形成工具箱式的机器学习策略包,能够针对不同药物研发场景的具体需求设计个性化解决方案,实现研发需求向机器学习问题的快速转化,并利用深厚的生物学背景指导机器学习模型的设计,使之具有更强的可操作性与更优的预测效果。

由于核心团队兼具生物学、药学、人工智能多方面人才,且多年来专注深耕药物研发领域,对药物研发过程中各细分模块的需求、数据、技术水平现状有深刻理解,燧坤智能成立后发展较为顺利,目前已与一些创新药研发企业开启合作。据公开报道显示,今年8月,燧坤智能与君圣泰达成长期战略合作协议在新药研发领域积极展开战略合作。双方将充分运用君圣泰在慢性疾病领域(尤其是慢性肝病和代谢疾病)的新药研发及临床开发的丰富经验,和燧坤智能在人工智能/机器学习算法工具的独特优势,在新药研发领域积极展开战略合作。除此以外,燧坤智能在多个热门的新药靶点上与未披露的合作方已完成签署或正在洽谈战略合作。

产业机器学习新药研发燧坤智能
相关数据
高通机构

高通公司(英语:Qualcomm,NASDAQ:QCOM)是一个位于美国加州圣地亚哥的无线电通信技术研发公司,由加州大学圣地亚哥分校教授厄文·马克·雅克布和安德鲁·维特比创建,于1985年成立。两人此前曾共同创建Linkabit。 高通公司是全球3G、4G与5G技术研发的领先企业,目前已经向全球多家制造商提供技术使用授权,涉及了世界上所有电信设备和消费电子设备的品牌。根据iSuppli的统计数据,高通在2007年度一季度首次一举成为全球最大的无线半导体供应商,并在此后继续保持这一领导地位。其骁龙移动智能处理器是业界领先的全合一、全系列移动处理器,具有高性能、低功耗、逼真的多媒体和全面的连接性。目前公司的产品和业务正在变革医疗、汽车、物联网、智能家居、智慧城市等多个领域。

复旦大学机构

复旦大学(Fudan University),简称“复旦”,位于中国上海,由中华人民共和国教育部直属,中央直管副部级建制,国家双一流(A类)、985工程、211工程建设高校,入选珠峰计划、111计划、2011计划、卓越医生教育培养计划、卓越法律人才教育培养计划、国家建设高水平大学公派研究生项目,九校联盟(C9)、中国大学校长联谊会、东亚研究型大学协会、环太平洋大学协会的重要成员,是一所世界知名、国内顶尖的全国重点大学。

相关技术
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

数据挖掘技术

数据挖掘(英语:data mining)是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。

药物发现技术

在医学,生物技术和药理学领域,药物发现是发现新候选药物的过程。

推荐文章
暂无评论
暂无评论~