|
2 个月前，华盛顿大学 David Baker 团队改进 RFdiffusion 模型从头生成抗体，是人工智能引导抗体设计的重大突破。 此消息公布不久后，Nabla Bio 于近日宣布完成 2600 万美元 A 轮融资，并与阿斯利康、百时美施贵宝和武田建立了药物发现合作关系。Nabla Bio 基于 George Church 实验室开发的预测蛋白质结构的大型语言模型成立，联合合作伙伴设计抗体药物。 据公开消息，Radical Ventures 领投了本轮融资。现有投资者也参与了投资，其中包括 Khosla Ventures 和 Zetta Venture Partners，后者在 2021 年共同领投了 Nabla 的 1100 万美元种子轮融资。 Nabla Bio 未透露具体的合作条例，仅表示这三笔交易的预付款和里程碑付款以及特许权使用费总计超过 5.5 亿美元。 值得注意的是，Nabla Bio 将成为一家以合作伙伴关系为重点的公司，向生物制药合作伙伴提供其尖端技术，作为帮助他们开发自己的药物的工具。 针对多通道膜蛋白的抗体 2019 年，George Church 团队的 Surge Biswas 及同事发表了他们的第一篇重要论文，研究了一个可以预测生物分子结构和特性的计算机程序。几年后，该团队证明他们可以比 Alphabet 研究人员开发的 AlphaFold2 等流行的蛋白质预测软件更好更快地设计新蛋白质。 2020 年，Nabla Bio 成立，Surge Biswas 作为联合创始人兼首席执行官。并于 2021 年完成了 1100 万美元融资。当时，Nabla Bio 也表示与未具名的大型制药和生物技术公司有 5 次合作，证明技术可行性。  ▲图 | Nabla Bio 联合创始人 Surge Biswas 和 Frances Anastassacos 根据通稿，Nabla Bio 开发集成的人工智能和湿实验室技术，能够实现原子级精确的药物设计和药物功能的高通量测量，初始重点放在针对多通道膜蛋白的抗体上，包括 G 蛋白偶联受体（GPCRs）、离子通道和转运蛋白等在内的膜蛋白。多通道膜蛋白占所有细胞表面蛋白的三分之二，但它是当今不到 10% 的药物开发的焦点，因为它们极其难以药物化。 多次通过的膜蛋白在细胞膜上方的表面积有限，因此使用强力筛选来靶向这些细胞外区域具有挑战性。此外，有效的药物必须能够很好地区分靶点和类似的非靶点。例如，为了影响多通道膜蛋白，药物需要区分活性和非活性受体形式，仅相差几埃；药物还必须选择性地与靶标结合，而不影响密切相关的脱靶。 Nabla Bio 的方法是直接生成具有所需表位、构象和目标特异性的候选药物。内部正在进行的研究证明这是可能的，并且改进速度迅速加快。 “凭借我们正在开发的技术，我们可以将行业所追求的疾病相关药物靶标的数量增加一倍”，Nabla Bio 的联合创始人 Frances Anastassacos 说， “这是一个尚未开发的治疗机会，也是多家领先制药公司与我们合作的原因。” 为了最大限度地发挥其平台对患者的影响，Nabla Bio 与拥有成功药物开发记录的领先制药公司合作，针对一些最具挑战性、高影响力的目标，扩大高质量候选药物的产品线。这些合作还为疾病生物学和平台开发提供了宝贵的见解，同时抵消了很大一部分研发费用，使 Nabla 能够快速、可持续地增长。 在其合作中，Nabla Bio 展示了平台的广泛适用性，超越了多通道膜蛋白的药物设计。例如，这包括设计新型细胞因子、复杂的多域抗体等。这些结果是将生成蛋白设计转化为临床治疗的重要一步，也是 Nabla Bio 不断扩展能力的证据。 多家制药大厂布局 2023 年十大畅销药物中，抗体药物占据一半。由于其对多种分子靶标的特异性和亲和力，抗体可用于治疗许多不同的疾病。在过去的几十年中，这些分子一直是技术进步的焦点，旨在提高其亲和力、生产和分离能力，同时降低其免疫原性。 然而，开发单克隆抗体药物的平均成本为 6.5-7.5 亿美元，整个过程需要 8 到 9 年的时间，因此，基于 AI、机器学习和深度学习的方式成为探索蛋白质空间未知领域的工具之一。 人工智能药物发现平台具有强大的大规模机器人湿实验室集成功能，可通过经验数据训练、评分和化学合成进行循环。越来越多的可靠数据集，涵盖广泛的参数，可以产生更多类似药物、性能更好的合成化合物。 Generate:Biomedicines 是一家位于波士顿的人工智能初创公司，已筹集近 7.5 亿美元用于制造治疗性蛋白质，最初的重点是抗体。Absci、BigHat Biosciences 和 Nabla Bio 也专注于利用人工智能制造抗体。 大型制药公司也已悄然入局。安进与 Generate:Biomedicines 合作发现五个目标，交易价值高达 19 亿美元（另加特许权使用费）；四家领先的制药公司：阿斯利康、默克、辉瑞和梯瓦，与亚马逊和以色列生物技术基金 (IBF) 联合推出了 AION 实验室，这是一个加速人工智能驱动抗体发现的孵化器。  ▲图 | BigHat 应用 AI/ML 来设计具有一系列药物发现应用的下一代抗体（来源：BigHat） “人工智能将彻底改变我们治疗疾病的方式，十五年后，你将能够采集患者样本，找到与该患者疾病相关的靶点，并设计一种抗体来治疗该疾病，过程完全计算机化。”Absci 首席执行官 Sean McClain 设想。 值得注意的是，阿斯利康药物发现副总裁 Simon Chell 坦言：“目前生成输出的亲和力相当低。即发现从头生成的抗体太弱，无法用作药物。但他仍然认为这可能是获得抗体线索的好方法。“我们对它的潜力感到兴奋。”这不是阿斯利康首次押注该领域。去年 12 月，阿斯利康向人工智能抗体发现公司 Absci Corporation 支付高达 2.47 亿美元，以共同设计抗癌抗体。 同样，Baker 实验室成功利用人工智能模型从头生成抗体时，也承认这些抗体与目标的粘附力不够强，目前无法成为真正的候选药物。 素材来源官方媒体/网络新闻 免责声明：本文旨在传递生命科学和医疗健康产业最新讯息，不代表平台立场，不构成任何投资意见和建议，以官方/公司公告为准。本文也不是治疗方案推荐，如需获得治疗方案指导，请前往正规医院就诊。 |
|
|
